一种基于图关系的智能适变智能体控制方法与流程
本发明涉及人工智能、图关系建模及智能体控制,具体涉及一种基于图关系的智能适变智能体控制方法。
背景技术:
1、随着大语言模型(llm)技术的快速发展,基于llm的智能体(agent)系统已成为人工智能应用的重要方向。当前智能体控制主要采用以下技术路线:
2、(1)react模式:智能体通过推理-行动循环逐步调用工具,执行路径完全由llm每步临时决策,无显式图结构,工具间参数传递依赖llm在上下文中"记住"并复述,易发生漏传、错传与幻觉标识符;
3、(2)静态图执行框架:支持将智能体流程编排为有向图,但图结构需由开发人员预先硬编码,图一经定义执行路径即固定,无法在运行时依据中间观察结果增删节点,也不具备崩溃恢复与多工作者互斥执行能力;
4、(3)function calling机制:llm可自主选择并调用工具,但工具之间无显式的依赖关系、数据流向与异常处理关系描述,多步骤任务的正确性完全依赖llm的单次推理质量;
5、(4)工作流引擎(如airflow、n8n):支持人工绘制多步骤流程并按依赖调度,但流程与llm的自然语言理解缺乏深度集成,流程固定、不具备语言驱动的运行时适变能力,且节点间数据传递依赖人工连线或手写表达式。
6、然而,上述智能体控制的技术路线存在以下问题:
7、(1)任务图无法自动闭合:现有技术中,任务分解要么完全依赖llm自由生成,要么完全依赖人工预定义。缺乏一种"llm负责骨架、确定性算法负责数据边闭合"的图构建机制,使得图中每个节点的必需输入都有可验证的图内来源。
8、(2)图的边语义单一:现有依赖图仅表达执行先后,不能在同一张图上统一表达数据流、异常流与补偿流。
9、(3)图执行缺乏运行时适变能力:现有图执行引擎的执行路径在图定义后即固定,无法在每个节点的观察结果产生后重新评审整张图、动态增删节点、恢复失败节点,也无法在目标提前满足时提前终止,更缺乏对每次图改写的版本化审计。
10、(4)长耗时执行缺乏崩溃安全保障:智能体任务常含人工审批等待、外部系统调用等长耗时环节。现有系统在执行进程崩溃、多工作者并发场景下,存在同一任务被重复执行、崩溃后任务悬挂、复活进程提交脏结果等问题。
11、(5)写操作缺乏副作用防护:现有系统的失败重试策略不区分操作的幂等性,对"任务分配""指令下发"等非幂等写操作的盲目重试会造成真实业务副作用;关键节点执行前也缺乏携带风险等级、可逆性判断的人机协同审批机制。
12、(6)智能体记忆不具备时效适应性:现有系统的长期记忆要么不存在,要么永久等权保存,无法反映"偏好会过期、新信息应取代旧信息"的现实约束,也缺乏对敏感信息写入记忆的拦截。
技术实现思路
1、本发明旨在解决上述现有技术的不足,提供一种基于图关系的智能适变智能体控制方法,主要用于将用户的自然语言目标自动转化为一张可持久化、可动态改写、崩溃安全的任务图,并通过契约驱动的确定性图补全、依赖就绪的并行调度、观察后评审的图动态改写以及执行租约保护,实现智能体在复杂业务场景(如工业厂区任务分配、长耗时人机协同操作)下的自适应执行与安全可控。
2、实现本发明目的的技术解决方案为:
3、一种基于图关系的智能适变智能体控制方法,包括:
4、步骤1,根据对智能体下发的任务,通过大语言模型生成任务图骨架,智能体执行任务时基于任务图骨架动态生成任务图,所述任务图为持久化的有向图,图中节点表征待执行的技能调用单元,节点携带完成条件,节点间携带表征执行先后的数据依赖边;
5、步骤2,契约确定性补图:对每个绑定技能的节点,读取该技能声明的输入契约与输出契约;当某节点的输入参数在图骨架中缺少提供来源时,通过确定性算法自动执行补全;
6、步骤3,根据节点状态筛选就绪节点集合,对就绪节点集合在并发上限内并行执行,并对每个节点施加执行超时约束,在执行每个节点时,先进行数据流边安全求值,所述就绪节点为其全部数据依赖边所指向的前序节点均已完成的待执行节点;
7、所述数据流边安全求值为:依据待执行节点数据流边,采用受限路径选择器从对应前序节点的已完成输出中确定性提取值,并施加所声明的数据变换后注入本节点的入参,当受限路径选择器命中多个候选值且未声明变换规则时,暂停执行并请求人工从候选值中选择;所述受限路径选择器与所述步骤2的确定性补图共用同一声明式契约;
8、步骤4,每产生一个节点的执行结果,调用大语言模型对当前任务图进行评审,依据评审结果对任务图进行动态改写;每次动态改写后提升任务图的版本号并记录评审原因;当评审结果满足评审判定目标时,将剩余待执行节点置为跳过并结束执行;
9、步骤5,汇总任务图的各节点执行结果,得到最终结果。
10、进一步地,所述任务图的边还包括数据流边、失败路由边和补偿边中至少一种;当节点失败且其包括失败路由边时,将失败路由边所指向的节点纳入就绪节点集合;当节点失败且包括补偿边时,自动生成对应的补偿节点,并在原失败节点被补偿后将其状态置为已补偿。
11、进一步地,通过确定性算法自动执行补全,具体包括:在任务图中新增提供方节点,在缺少提供来源的节点与提供方节点之间建立数据依赖边,并建立一条携带来源节点标识、来源输出名与数据变换类型的数据流边,直至该缺少提供来源的节点的全部必需输入均由图内确定性来源闭合。
12、进一步地,步骤3中所述就绪节点由后台工作者以原子领取方式获得执行租约后执行,执行期间以小于租约时长的周期续租;当续租失败时,立即安全中止该节点的执行且不提交其结果,使对应任务被其他工作者重新领取执行;对运行状态的每次写回均附带租约持有者校验。
13、进一步地,当节点执行失败时且为可重试的临时错误时,若该节点所绑定技能具有幂等标志,或者该节点的请求方法为只读方法,则允许对该节点进行自动重试;若该节点为不具有幂等标志的写操作节点,则禁止自动重试。
14、进一步地,所述受限路径选择器仅支持字段访问、数组下标访问、数组通配访问与递归字段访问四类原语,不执行任意表达式或代码;所述受限路径选择器的数据变换包括取首值、取列表、json字符串化、逗号连接、字符串化、整型化、布尔化中的至少一种。
15、进一步地,节点执行完成后,依据其所绑定技能的输出契约,采用所述受限路径选择器从技能原始响应中确定性提取具名输出并挂载至节点结果,供下游节点的数据流边引用;当输出契约声明为必需的输出缺失时,将该节点判定为输出绑定失败。
16、进一步地,对具有业务副作用的节点,在节点执行前生成携带风险等级、可逆性、副作用标志、作用目标与有效期的审批请求并暂停执行;收到批准后,将批准结果作为观察注入原执行状态并从暂停点恢复执行;收到拒绝后,将该节点状态置回待执行。
17、进一步地,对任务图进行动态改写,包括:新增恢复或后继节点、跳过不再需要的节点或恢复失败节点。
18、进一步地,每次动态改写后提升任务图的版本号并记录评审原因,包括:将每次评审的原因、动态改写内容与任务图版本号持久化,并通过事件流以自增序号发布运行开始、节点开始、节点完成、节点失败、重试计划、计划修订与运行完成事件,支持按序号回放。
19、为解决上述技术问题,本发明采用以下技术方案:
20、与现有技术相比,本发明具有以下有益效果:
21、(1)图内数据边强制闭合,消除llm传参失败:契约驱动的确定性补图使每个节点的必需输入都有可验证的图内来源,"llm漏传参数/幻觉标识符"导致的执行失败被结构性消除,而非依赖提示词工程缓解;
22、(2)四类异构边统一建模,异常与补偿图内自治:控制流、数据流、异常流、补偿流在同一张持久化图上表达,节点失败可沿失败路由边继续、可沿补偿边回滚,无需外部人工干预;
23、(3)运行时真适变且全程可审计:观察后评审驱动的图动态改写使执行路径随中间结果演化,每次改写有版本号与评审理由,兼得自适应性与可解释性;目标提前满足即提前终止,节约计算与调用成本;
24、(4)长耗时执行崩溃安全:租约+心跳+失租不提交+持有者校验,保证多工作者不重复执行、崩溃可接管、复活进程零脏写,适配含人工审批的长耗时人机协同任务;
25、(5)写操作零重复副作用:幂等性判定禁止对非幂等写操作自动重试,配合携带风险等级与可逆性的审批网关,满足工业控制等高安全场景对业务副作用的强约束;
26、(6)记忆随时间与冲突自适应演化:半衰期衰减使过期信息自动降权,冲突替换链保留完整演化轨迹,敏感信息拒写保障隐私合规。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com