基于静态规则推理与离线语义对账的智能体长期记忆方法及系统与流程

摘要: 本发明涉及计算机与人工智能,具体涉及一种基于静态规则推理与离线语义对账的智能体长期记忆方法及系统。背景技术:1、随着大语言模型技术的快速落地,自主智能体的应用场...
基于静态规则推理与离线语义对账的智能体长期记忆方法及系统与流程

本发明涉及计算机与人工智能,具体涉及一种基于静态规则推理与离线语义对账的智能体长期记忆方法及系统。

背景技术:

1、随着大语言模型技术的快速落地,自主智能体的应用场景持续拓展,其对大规模知识的长期存储、精准召回与可信生成能力提出了更高要求。围绕知识库检索与记忆合成,当前行业主流形成了两类成熟的技术路线:第一类是纯向量检索外挂知识库方案(纯向量rag)。该方案将知识库文档切片并转化为特征向量存入向量数据库,在智能体提问时进行基于余弦相似度的语义检索。检索结果通常以相关文本块(chunks)的列表形式直接返回,由下游大模型自行阅读与合成回答;第二类是图谱辅助检索方案(graphrag)。该方案通过调用大语言模型对全部文档进行深度的实体识别与关系提取,构建全局实体关系知识图谱,在检索时结合图节点度数或社群结构召回信息。

2、整体来看,两类方案均遵循“文档导入—特征构建—检索召回—模型生成”的基础执行逻辑,但在实际落地应用中,仍存在多方面技术短板,难以同时满足低成本、高可信、强时序与合规化的智能体长期记忆需求。

3、在关系构建层面,成本与效果难以兼顾。纯向量rag仅依赖语义相似度实现检索,缺少实体间的显式关系表达,无法支撑多步关联类复杂查询;而 graphrag虽补足了关系查询能力,却高度依赖大模型api完成实体与关系抽取,不仅建图成本高昂、检索延迟大,还易产生虚假关系幻觉,反而会降低检索结果的准确性。

4、在答案生成层面,可信度与可追溯性存在明显不足。现有方案检索召回的均为零散文本块,大模型据此合成的回答无法精准对应源文档的具体行号位置,引用内容的真实性难以逐一核实,极易出现指代偏差与拼凑性幻觉,无法适配对内容溯源能力要求较高的应用场景。

5、在时间维度上,时序演进感知能力普遍薄弱。现有技术缺少对实体状态变更的系统化追踪机制,无法完整还原实体在时间维度上的事件链条与状态迭代过程。面对时间敏感类查询时,智能体易混淆不同周期的知识数据,频繁出现信息过时、时序错乱等问题。

6、在运维与合规层面,一致性维护成本高且本地化支撑不足。随着知识库内容持续更新迭代,知识条目间易出现逻辑冲突与信息矛盾,现有技术无法自动检测与纠正这类问题,高度依赖人工校验维护;同时多数方案需将数据传输至云端大模型处理,敏感数据存在外泄风险,难以满足严格的本地化隐私合规要求。

7、因此,亟需一种基于静态规则推理与离线语义对账的智能体长期记忆方法及系统。

技术实现思路

1、针对现有技术中存在的不足之处,本发明提供了一种基于静态规则推理与离线语义对账的智能体长期记忆方法及系统。

2、本发明公开了一种基于静态规则推理与离线语义对账的智能体长期记忆方法,包括:

3、步骤1、接收用户提问或待入库文档,对非结构化文档进行格式解析与代码片段剥离,得到纯净文本数据;

4、步骤2、基于静态正则推理规则与页面角色先验,在无外部大模型调用的条件下,从纯净文本数据中提取实体节点与实体间关联关系,构建自组织实体关系图谱并存储;

5、步骤3、对用户提问的检索意图进行自动分类,若判定为全文本、实体或一般查询意图,则并行执行关键词检索、向量相似度检索与图谱拓扑检索,对多路检索结果执行加权倒排排名融合,得到全局候选文本列表;若判定为时间敏感或状态更新意图,则以并发方式提取目标实体的时序演进轨迹数据,经超时控制后完成时序演进轨迹格式化;

6、步骤4、将全局候选文本列表和/或时序演进轨迹数据拼装为系统提示词,输入大模型生成携带引用标记的合成回答;对合成回答中的引用标记执行双向外键物理校准,过滤虚假引用后,将合成回答与对应源文证据关联存储;

7、步骤5、后台定时触发离线一致性校验任务,对已存储的知识数据进行冲突样本提取与逻辑一致性判别,识别知识矛盾后产生gap指标并自动执行记忆纠偏自愈。

8、作为本发明的进一步改进,在所述步骤1中,具体包括:

9、为输入的用户提问或待入库文档分配全局唯一任务标识,通过内存态jsonschema验证引擎进行恶意代码注入防护;

10、对markdown、pdf格式的非结构化文档执行文本解析,通过代码块剥离算法自动定位并剔除标记包裹的代码片段,消除代码领域词汇对后续实体识别与关系抽取的噪声干扰。

11、作为本发明的进一步改进,在所述步骤2中,提取实体节点具体包括:

12、基于具有前缀特征的实体唯一路径串或显式标记块,从纯净文本中匹配提取实体节点候选;通过唯一标识映射机制对实体候选进行消歧匹配,将实体节点映射为数据库物理唯一标识;

13、所述显式标记块包括markdown相对路径链接、双括号标记语法,所述实体唯一路径串通过basename映射机制与数据库物理标识一一对应。

14、作为本发明的进一步改进,在所述步骤2中,提取实体间关联关系并构建自组织实体关系图谱,具体包括:

15、以提取到的实体为中心,在预设宽度的局部文本窗口内,匹配预设类别的正则表达式特征库;结合当前页面的角色先验属性进行确定性推理,得到实体间的关联关系类型;

16、将实体关系封装为包含关系两端实体、关系类型、上下文语境以及来源位置的本地化二元关联关系集合,完成自组织实体关系图谱的存储。

17、作为本发明的进一步改进,在所述步骤3中,所述关键词检索为bm25关键词检索,所述向量相似度检索为向量余弦相似度检索,所述图谱拓扑检索为图谱一跳或多跳拓扑检索。

18、作为本发明的进一步改进,在所述步骤3中,对多路检索结果执行加权倒排排名融合,具体包括:

19、采用加权倒排排名融合算法对三路检索的召回列表进行统一排序,平滑常数设置为60;

20、对标记为核心事实的文本片段赋予2倍额外权重加成;

21、最终按0.7:0.3的比例对倒排排名融合得分与余弦相似度得分进行二次混合重评,去重后输出全局候选文本列表。

22、作为本发明的进一步改进,在所述步骤3中,提取目标实体的时序演进轨迹数据并完成格式化,具体包括:

23、提取查询语句中的实体候选,对实体标识执行源头核对与消歧处理,得到目标实体的物理唯一标识;

24、以不大于3的并发度启动异步线程,分别对图谱关系表与文档版本历史表执行时序数据查找,为每个子任务设置超时保护阈值;

25、将获取的时序节点按时间线从旧到新排序,编排生成时序演进轨迹文本块并注入下游系统提示词中。

26、作为本发明的进一步改进,在所述步骤4中,具体包括:

27、解析合成回答中的引用标记,提取声明对应的源文档页面标识与具体行号信息;

28、将提取的文档页面标识与数据库中的文档页面主键执行双向外键物理校验,过滤无法匹配的虚假引用;

29、校验通过的行级引用记录存入合成证据数据表,建立合成回答内容与源文档具体行号的强关联映射,完成合成回答与对应源文证据的关联存储。

30、作为本发明的进一步改进,在所述步骤5中,具体包括:

31、从图谱关系表与时序历史表中采样共存实体的信息,通过时间衰减过滤机制聚焦近期发生变更的数据;

32、利用轻量本地语言模型对采样数据进行逻辑推导与比对,识别同一实体在同一时间维度下的矛盾状态;

33、判定存在知识矛盾后,将冲突项转换为结构化gap指标上报,生成增量迭代任务完成长期记忆的纠偏与自愈合。

34、本发明公开了一种基于静态规则推理与离线语义对账的智能体长期记忆系统,用于实现上述的智能体长期记忆方法,包括:

35、多源解析层,用于接收用户提问或待入库文档,执行非结构化文档解析、代码片段剥离与纯净文本输出;

36、自组织图谱构建层,用于基于静态正则推理规则与页面角色先验,在无外部大模型调用的条件下提取实体节点与关联关系,构建自组织实体关系图谱并存储;

37、意图感知与混合检索层,用于对用户检索意图进行自动分类;针对全文本、实体或一般查询意图调度多路并发检索,并执行加权倒排排名融合得到全局候选文本列表;针对时间敏感或状态更新意图调度时序演进轨迹提取与结构化装配;

38、大模型合成与引用追溯层,用于将全局候选文本列表和/或时序演进轨迹数据拼装为系统提示词,调用大模型生成携带引用标记的合成回答,并对引用标记执行双向外键物理校准,过滤虚假引用后关联存储合成回答与对应源文证据;

39、离线一致性校验与自愈层,用于后台定时触发离线一致性校验任务,对已存储的知识数据进行冲突样本提取与逻辑一致性判别,识别知识矛盾后产生gap指标并自动执行记忆纠偏自愈。

40、与现有技术相比,本发明的有益效果为:

41、本发明采用无需大模型调用的自组织图谱构建方法,通过静态特征窗口正则匹配与前缀路径实体提取完成实体关系构建,关系提取api成本降低 100%,图谱构建速度提升数百倍;同时依托意图感知的多路加权倒排排名融合检索机制,在关系复杂的富文本数据集中,p@5召回指标相比纯向量、纯图检索方案提升31.4个百分点。

42、本发明在时序知识查询与内容可信度上具备显著优势。其将检索意图分类与异步带超时锁的时序轨迹提取拼装机制相结合,可按时间线精准编排实体演进轨迹,使智能体回答历史变迁类问题时,信息过期率与时间线错乱率降低95%以上;同时通过行级精度的双向外键引用校验机制,实现生成断言与数据源物理行强绑定,从机制上阻断幻觉引用,保证所有生成观点均可反向追溯至源文档对应位置。

43、本发明具备高数据安全性与轻量化部署能力。系统支持本地wasm数据库与网络多用户数据库双引擎无缝多态切换,可基于pglite在浏览器或本地终端直接运行,无需部署复杂的数据库集群,在实现“敏感数据不出终端”、满足严格隐私合规要求的同时,大幅降低了系统的部署门槛与运维复杂度。