一种基于分层上下文和分歧驱动的多智能体协同研讨方法、系统及存储介质与流程
本发明涉及人工智能及自然语言处理,尤其涉及一种基于分层上下文和分歧驱动的多智能体协同研讨方法、系统及存储介质。
背景技术:
1、随着人工智能技术的发展,大语言模型凭借较强的自然语言理解、内容生成和语义推理能力,已逐渐应用于企业战略规划、技术方案论证、项目评审、政策咨询以及专家辅助决策等场景。相较于传统依赖多名领域专家通过线下会议进行集中研讨的方式,利用大语言模型构建具有不同专业角色的智能体,可以在一定程度上降低专家组织和协调成本,并提高研讨过程的信息处理效率。
2、现有的多智能体协同技术通常采用多个具有不同功能或者角色设定的智能体共同完成目标任务。例如,可以设置协调智能体、内容生成智能体、审核智能体或者不同领域的虚拟专家智能体,并通过串行调用、并行调用或者多轮对话的方式生成相应观点或者任务结果。部分方案还可以根据当前讨论情境判断不同智能体是否参与当前对话,或者通过多个智能体之间的多轮辩论提高推理结果的完整性和准确性。
3、然而,在面向多议题、多专家和多轮发言的长时程协同研讨场景中,现有多智能体处理方式仍存在一定不足。
4、一方面,多智能体在进行多轮大语言模型调用时,需要向模型持续提供专家角色信息、研讨相关知识以及已经发生的历史对话。现有方式通常将不同类型的上下文信息统一拼接后输入大语言模型,缺乏针对不同上下文信息更新频率和生命周期的分层管理。由此,角色设定和领域知识等相对稳定的信息可能在多次模型调用过程中被重复构建和传递,增加上下文长度以及token消耗;同时,当历史对话不断增长时,早期的角色设定信息容易被后续内容稀释,造成智能体在长对话过程中的角色特征弱化或者偏移。
5、另一方面,现有多智能体协同方式通常采用固定顺序调用或者自由对话方式。固定顺序方式能够保证流程有序,但难以根据不同研讨主题动态调整专家发言顺序,也难以针对讨论过程中临时出现的重要争议进行深入讨论;自由对话或者固定轮数辩论方式虽然能够提高交互自由度,但缺乏明确的议程约束和发言时序控制,且在不存在实质分歧的情况下仍可能执行多轮重复辩论,导致模型调用次数和计算资源消耗增加。因此,现有技术难以同时兼顾研讨流程的有序性以及针对关键争议问题的动态深入讨论能力。
6、此外,在多智能体研讨过程中,不同专家可能针对同一技术问题形成不同判断或者相互冲突的建议。现有技术通常缺乏基于已生成发言内容自动识别观点分歧,并根据具体分歧焦点选择相关专家继续开展针对性辩论的处理机制。部分多智能体辩论方式采用预先设定的固定参与者和固定辩论轮数,难以根据分歧内容动态确定实际需要继续参与讨论的智能体,容易产生与争议焦点相关性较低的重复发言。
7、同时,多议题、多智能体研讨通常涉及连续的大语言模型调用和较长的处理过程。在网络中断、服务异常或者服务器重启的情况下,如果系统仅保存最终结果而未保存当前议题、当前发言位置以及已经完成的发言记录,则研讨恢复后往往需要重新执行已经完成的模型调用,不仅增加计算资源和模型调用成本,也难以保证恢复后的研讨内容与中断前保持连续。
8、另外,大语言模型生成的研讨结果通常以自然语言文本形式输出。由于大语言模型输出具有一定非确定性,即使在相同任务要求下,其输出格式也可能存在差异。当后续系统需要进一步提取共识、分歧、建议、待明确事项或者行动方案等信息时,自由文本形式的研讨纪要不利于稳定解析和结构化存储,也增加了后续方案生成、数据分析和决策支持模块对研讨结果进行自动处理的难度。
9、因此,如何在多智能体协同研讨过程中对角色信息、领域知识和对话历史进行分层管理,以降低长对话中的上下文冗余并保持各智能体角色的一致性;如何基于研讨议程对多个智能体的发言顺序进行可控编排,并根据已有发言中的语义分歧动态选择相关智能体触发交叉辩论;以及如何在研讨中断后实现精确恢复,并提高研讨结果的结构化输出和解析能力,成为现有多智能体协同研讨技术中有待解决的问题。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种基于分层上下文和分歧驱动的多智能体协同研讨方法、系统及存储介质,以提高多智能体在多议题、多专家和多轮发言场景下的上下文管理能力、研讨流程可控性和争议问题处理能力,减少无实质分歧情况下的重复辩论以及研讨中断后重复执行已完成模型调用的问题,并提高研讨结果的连续性、结构化程度和后续处理能力。
2、为实现上述目的,本发明提供如下技术方案:
3、在一种可能的实施方式中,提供了一种基于分层上下文和分歧驱动的多智能体协同研讨方法,包括:
4、获取研讨主题、参会智能体配置信息以及与所述研讨主题相关的研讨数据,针对各所述参会智能体建立分层上下文,所述分层上下文至少包括角色设定层、知识底座层和对话历史层,其中,所述角色设定层用于存储对应参会智能体的角色配置信息,所述知识底座层用于存储与所述研讨主题相关的领域知识信息并由多个所述参会智能体共享,所述对话历史层用于随研讨过程更新已生成的发言内容;
5、根据所述研讨主题构建议程,并根据与所述研讨主题对应的专家方向优先级对多个所述参会智能体进行排序,得到针对当前议题的智能体发言序列;
6、按照所述智能体发言序列依次确定当前待发言智能体,将所述当前待发言智能体对应的角色设定层、所述知识底座层、当前的对话历史层以及当前议题对应的任务指令构建为发言模型输入数据,调用大语言模型生成所述当前待发言智能体的发言内容,并利用所述发言内容更新所述对话历史层;
7、在满足预设基础发言完成条件后,对当前议题下已生成的多个参会智能体的发言内容进行语义分歧检测,获得用于表征是否存在观点分歧的分歧检测结果,所述分歧检测结果至少包括分歧存在状态以及在存在观点分歧时对应的分歧焦点;
8、当所述分歧检测结果表明存在观点分歧且满足预设辩论触发条件时,根据所述分歧焦点从已发言的参会智能体中确定至少两个目标辩论智能体,并将所述分歧焦点、与所述分歧焦点相关的已有发言内容以及各所述目标辩论智能体对应的分层上下文构建为辩论模型输入数据,调用大语言模型生成各所述目标辩论智能体针对所述分歧焦点的交叉辩论内容;
9、基于当前议题下已生成的发言内容,并在触发交叉辩论时结合所述交叉辩论内容,生成当前议题对应的研讨结果。
10、在一种可能的实施方式中,
11、所述角色设定层、知识底座层和对话历史层按照不同的生命周期分别维护;
12、其中,所述角色设定层在对应参会智能体初始化时建立,并在研讨过程中保持对应的角色描述、专业领域、经验背景和发言约束中的至少一种;
13、所述知识底座层在当前研讨会话开始时根据所述研讨主题构建,并在当前研讨会话中供多个参会智能体共享;
14、所述对话历史层采用累进式滑动窗口进行更新,当已生成的发言数量不超过预设发言数量阈值时,保留对应发言内容;当已生成的发言数量超过所述预设发言数量阈值时,对超出所述滑动窗口的至少部分历史发言进行压缩,并保留位于所述滑动窗口内的至少部分近期发言的原始内容。
15、在一种可能的实施方式中,
16、所述议程包括至少一个研讨议题,每一所述研讨议题至少包括议题标题和对应的讨论要点;
17、根据所述研讨主题确定对应的专家方向优先级列表,并根据各所述参会智能体对应的方向标签与所述专家方向优先级列表之间的匹配关系确定所述智能体发言序列;
18、其中,所述智能体发言序列至少包括主持人智能体和多个专业智能体,所述主持人智能体在多个所述专业智能体之前生成当前议题对应的引导发言,并在当前议题的专业智能体发言以及满足条件时的交叉辩论完成后生成对应的议题总结。
19、在一种可能的实施方式中,
20、所述对当前议题下已生成的多个参会智能体的发言内容进行语义分歧检测,包括:
21、将多个参会智能体针对当前议题生成的发言内容构建为分歧检测模型输入数据,调用大语言模型对多个所述发言内容进行语义分析,以判断针对同一问题是否存在不同判断和/或相互冲突的推荐意见;
22、当检测到观点分歧时,输出至少包括分歧存在标识、分歧焦点以及分歧参与方标识的结构化分歧检测数据;
23、所述预设辩论触发条件包括:
24、当前议题下已发言的参会智能体数量达到预设数量;
25、所述结构化分歧检测数据表明存在可识别的观点分歧;以及
26、当前议题尚未执行交叉辩论,或者距离前一次交叉辩论满足预设间隔条件。
27、在一种可能的实施方式中,
28、根据所述分歧焦点从已发言的参会智能体中确定目标辩论智能体,包括:
29、根据所述分歧焦点与各参会智能体的方向标签之间的匹配关系确定对应的方向匹配参数;
30、根据所述分歧焦点与各参会智能体已生成的发言内容之间的语义相关程度确定对应的语义相关参数;
31、根据所述方向匹配参数和所述语义相关参数确定各参会智能体针对所述分歧焦点的综合相关度,并根据所述综合相关度从已发言的参会智能体中选取目标辩论智能体;
32、其中,优先将所述分歧参与方标识对应的参会智能体确定为目标辩论智能体,并排除综合相关度低于预设相关度阈值的参会智能体;
33、所述综合相关度根据所述方向匹配参数和所述语义相关参数的加权结果确定;
34、针对每一研讨议题设置交叉辩论轮数上限和每轮目标辩论智能体数量上限。
35、在一种可能的实施方式中,还包括:
36、在多个参会智能体按照所述智能体发言序列进行发言的过程中,维护用于表征当前发言位置的发言索引,并在参会智能体完成发言后,将对应的发言内容以及定位信息进行持久化存储;
37、所述定位信息至少包括研讨标识、议题标识、智能体标识、消息顺序标识和当前发言位置中的至少一种;
38、当研讨过程发生中断并重新恢复时,读取已持久化的发言内容以及所述定位信息,根据所述定位信息确定中断前已经完成的发言节点和对应的下一待执行发言节点,将已完成的发言内容恢复至所述对话历史层,并从所述下一待执行发言节点继续执行后续研讨过程。
39、在一种可能的实施方式中,还包括:
40、在完成至少一个研讨议题后,根据对应议题下的发言内容、交叉辩论内容和/或议题总结构建纪要生成模型输入数据,并向大语言模型提供预设结构化数据模式约束,以调用大语言模型生成结构化研讨纪要;
41、所述结构化研讨纪要至少包括会议基本信息、议题信息、讨论摘要、核心结论、共识信息、分歧信息、建议事项和待明确事项中的至少一种;
42、对大语言模型输出的纪要数据按照至少两级解析策略依次执行结构化解析,在前一级解析失败时自动执行后一级解析,并对解析成功的结构化研讨纪要进行持久化存储;
43、所述结构化研讨纪要采用json、yaml或者xml中的一种结构化数据格式,其中,在采用json格式时,通过json schema约束所述结构化研讨纪要的数据结构。
44、在一种可能的实施方式中,提供了一种基于分层上下文和分歧驱动的多智能体协同研讨系统,包括:
45、上下文管理模块,用于针对多个参会智能体构建和维护分层上下文,所述分层上下文至少包括角色设定层、知识底座层和对话历史层,其中,所述角色设定层用于存储对应参会智能体的角色配置信息,所述知识底座层用于存储与研讨主题相关并由多个参会智能体共享的领域知识信息,所述对话历史层用于随研讨过程更新已生成的发言内容;
46、研讨调度模块,用于根据所述研讨主题构建议程,根据与所述研讨主题对应的专家方向优先级对多个参会智能体进行排序,并按照排序结果依次确定当前待发言智能体;
47、大语言模型调用模块,用于将当前待发言智能体对应的角色设定层、知识底座层、当前的对话历史层以及当前议题对应的任务指令构建为发言模型输入数据,调用大语言模型生成对应的发言内容;
48、分歧检测模块,用于在满足预设基础发言完成条件后,对当前议题下多个参会智能体的发言内容进行语义分歧检测,以确定是否存在观点分歧以及在存在观点分歧时对应的分歧焦点;
49、辩论控制模块,用于在存在观点分歧且满足预设辩论触发条件时,根据所述分歧焦点从已发言的参会智能体中确定至少两个目标辩论智能体,并调用大语言模型使各所述目标辩论智能体围绕所述分歧焦点生成交叉辩论内容;
50、研讨结果生成模块,用于将所述交叉辩论内容加入所述对话历史层,并根据当前议题对应的发言内容和所述交叉辩论内容生成当前议题的研讨结果。
51、在一种可能的实施方式中,还包括:
52、数据持久化模块,用于存储研讨议程、参会智能体配置、发言内容、当前发言位置、分层上下文数据和结构化研讨纪要中的至少一种;
53、断点恢复模块,用于在研讨过程中维护用于表征当前发言位置的发言索引,并在研讨中断后,根据所述发言索引以及已持久化发言记录中的议题标识、智能体标识和消息顺序标识中的至少一种确定中断前已完成的发言节点和对应的下一待执行发言节点,将所述已完成的发言节点对应的发言内容恢复至所述对话历史层,并从所述下一待执行发言节点继续执行后续研讨过程;
54、纪要生成模块,用于根据当前研讨过程中生成的发言内容、交叉辩论内容和议题总结中的至少一种构建纪要生成模型输入数据,根据预设结构化数据模式约束调用大语言模型生成结构化研讨纪要,并通过多级解析策略对大语言模型输出的纪要数据进行结构化解析;
55、前端展示模块,用于展示研讨议程、参会智能体的发言内容和结构化研讨纪要中的至少一种;
56、流式输出模块,用于将大语言模型生成的参会智能体发言内容通过服务器推送事件sse或者websocket协议发送至所述前端展示模块。
57、在一种可能的实施方式中,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,使所述处理器执行上述基于分层上下文和分歧驱动的多智能体协同研讨方法。
58、基于上述技术方案,本发明的基于分层上下文和分歧驱动的多智能体协同研讨方法、系统及存储介质,通过针对各参会智能体建立包括角色设定层、知识底座层和对话历史层的分层上下文,并根据研讨主题及专家方向优先级构建智能体发言序列,使不同类型的上下文信息能够按照相应方式进行组织和维护,并使多个参会智能体按照与当前研讨主题相匹配的顺序参与研讨;在完成基础发言后,对多个参会智能体的发言内容进行语义分歧检测,在检测到观点分歧且满足预设辩论触发条件时,根据分歧焦点确定目标辩论智能体并围绕所述分歧焦点生成交叉辩论内容,从而能够针对实际存在的争议问题触发相关智能体进行进一步讨论,减少采用固定参与者或者固定辩论流程造成的非必要模型调用,提高多智能体协同研讨过程的有序性、针对性和资源利用效率。
59、本发明至少具有如下有益效果:
60、通过将参会智能体的上下文划分为角色设定层、知识底座层和对话历史层,并按照不同生命周期分别维护,可以将相对稳定的角色配置信息、研讨会话内共享的领域知识信息以及随研讨过程动态变化的对话信息进行区分管理,从而减少不同类型上下文信息混合维护造成的冗余,并有利于在长时程研讨过程中保持参会智能体角色设定和领域知识的一致性。
61、通过对对话历史层采用累进式滑动窗口进行更新,在发言数量超过预设阈值时对较早的部分历史发言进行压缩,同时保留近期发言的原始内容,可以在保留必要历史语义信息的同时控制对话历史长度,减少长时间、多轮研讨过程中因历史发言持续累积导致的模型输入规模增长。
62、通过根据研讨主题确定专家方向优先级,并结合参会智能体的方向标签确定智能体发言序列,可以使与当前研讨主题或者当前议题关联程度较高的专业智能体按照预定顺序参与讨论;结合主持人智能体的引导发言和议题总结,可以进一步增强多智能体研讨过程的议程组织能力和发言时序可控性。
63、通过在满足预设基础发言完成条件后对多个参会智能体的发言内容执行语义分歧检测,并以结构化方式输出分歧存在标识、分歧焦点以及分歧参与方标识,可以从已经形成的研讨内容中识别不同判断或者相互冲突的推荐意见,从而为后续是否开展交叉辩论以及围绕何种问题开展交叉辩论提供依据。
64、通过同时结合分歧焦点与参会智能体方向标签之间的匹配关系以及分歧焦点与既有发言内容之间的语义相关程度,确定各参会智能体针对分歧焦点的综合相关度,并据此选取目标辩论智能体,可以使参与交叉辩论的智能体与实际争议问题具有较高关联性,减少相关性较低的智能体参与辩论产生的无效或者重复发言;通过限制辩论轮数和每轮参与智能体数量,还可以进一步控制模型调用次数。
65、通过在智能体依次发言过程中维护当前发言位置对应的发言索引,并将发言内容及研讨标识、议题标识、智能体标识和消息顺序标识等定位信息进行持久化存储,可以在研讨发生中断后准确识别已经完成的发言节点和下一待执行发言节点,并从对应位置继续后续研讨,从而减少中断恢复时重复执行已经完成的大语言模型调用,提高研讨过程的连续性和恢复效率。
66、通过根据发言内容、交叉辩论内容和/或议题总结生成结构化研讨纪要,并利用json schema、yaml schema或者xml schema等结构化数据模式对大语言模型的纪要输出进行约束,可以使研讨结果按照预定数据结构表达,有利于后续系统对共识、分歧、建议事项和待明确事项等信息进行存储、读取和进一步处理。
67、通过针对大语言模型输出的纪要数据设置至少两级解析策略,在前一级解析失败时自动采用后一级解析策略,可以提高非确定性模型输出在结构化解析过程中的容错能力,从而提高结构化研讨纪要的可用性和持久化成功率。
68、通过将上下文管理、研讨调度、大语言模型调用、分歧检测、辩论控制、断点恢复、纪要生成以及数据持久化等功能进行模块化设置,并通过sse或者websocket协议对模型生成的发言内容进行流式输出,可以支持多智能体研讨过程的连续执行、结果展示和数据管理,提高多智能体协同研讨系统的整体可实施性。
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