一种面向长程智能体的上下文动态清理与污染抑制方法

摘要: 本发明属于人工智能,具体涉及一种面向长程智能体的上下文动态清理与污染抑制方法。背景技术:1、大语言模型智能体已经用于软件缺陷修复、网页操作、文件处理、数据分析和...
一种面向长程智能体的上下文动态清理与污染抑制方法

本发明属于人工智能,具体涉及一种面向长程智能体的上下文动态清理与污染抑制方法。

背景技术:

1、大语言模型智能体已经用于软件缺陷修复、网页操作、文件处理、数据分析和多工具协作等长时程任务。在推理与行动循环中,智能体基于当前上下文生成工具动作,工具或环境返回搜索结果、代码文件、终端日志或网页内容,系统再把这些观测追加到上下文。随着交互步数增加,工具观测通常占据主要上下文容量,而单次返回中真正影响下一步决策的内容可能仅为少量函数定义、错误行或配置字段。

2、现有上下文管理通常采用滑动窗口、历史摘要、观测掩蔽或主动重构。此类处理大多发生在原始观测已经写入活动上下文并参与至少一轮推理之后。原始观测中的无关片段一旦诱导错误假设、无效工具调用或中间结论,后续删除或压缩原始片段也难以消除已经形成的行为链。与此同时,整轮截断或摘要的粒度较粗,还可能改变文件路径、行号、错误码、数值及代码符号。

3、在探索陌生文件或宽泛检索时,如果始终按照严格目标条件过滤,当前尚未识别的重要信息可能被过早删除;若仅保存压缩后的改写内容,后续又无法按原文和精确范围恢复技术细节。

技术实现思路

1、为了解决现有技术中存在的上述问题,本发明提供了一种面向长程智能体的上下文动态清理与污染抑制方法。本发明要解决的技术问题通过以下技术方案实现:

2、第一方面,本发明提供了一种面向长程智能体的上下文动态清理与污染抑制方法,包括:

3、根据活动上下文,通过主智能体生成工具动作及其对应的结构化保留模板;

4、执行所述工具动作,得到原始观测,存储所述原始观测并生成对应的引用指针;

5、对所述结构化保留模板进行模板校验,在通过所述模板校验时,根据所述结构化保留模板确定过滤模式和保留条件,根据所述过滤模式,按照所述保留条件或预设保留范围从所述原始观测中提取保留片段并确定舍弃片段;根据所述舍弃片段及所述引用指针生成语义占位符,根据所述保留片段及所述语义占位符确定过滤观测;对所述过滤观测进行过滤观测校验,在通过所述过滤观测校验时,将所述过滤观测写入所述活动上下文;在未通过所述过滤观测校验时,基于所述保留片段确定安全观测,或者将所述原始观测确定为所述安全观测;

6、在未通过所述模板校验时,基于所述原始观测确定所述安全观测;将所述安全观测写入所述活动上下文;

7、在所述主智能体根据所述语义占位符确定需要恢复所述舍弃片段时,通过所述主智能体生成包括所述引用指针和回载范围的回载请求,根据所述回载请求从已存储的所述原始观测中读取目标原文,并将所述目标原文写入所述活动上下文;

8、通过所述主智能体基于更新后的所述活动上下文继续生成工具动作,直至得到任务结果。

9、第二方面,本发明提供了一种面向长程智能体的上下文动态清理与污染抑制系统,包括:

10、工具生成模块,用于根据活动上下文,通过主智能体生成工具动作及其对应的结构化保留模板;

11、工具交互模块,用于执行所述工具动作,得到原始观测;

12、原始观测存储模块,用于存储所述原始观测并生成对应的引用指针;

13、双模式过滤模块,用于对所述结构化保留模板进行模板校验,在通过所述模板校验时,根据所述结构化保留模板确定过滤模式和保留条件,根据所述过滤模式,按照所述保留条件或预设保留范围从所述原始观测中提取保留片段并确定舍弃片段;根据所述舍弃片段及所述引用指针生成语义占位符,根据所述保留片段及所述语义占位符确定过滤观测;对所述过滤观测进行过滤观测校验,在通过所述过滤观测校验时,将所述过滤观测写入所述活动上下文;在未通过所述过滤观测校验时,基于所述保留片段确定安全观测,或者将所述原始观测确定为所述安全观测;在未通过所述模板校验时,基于所述原始观测确定所述安全观测;将所述安全观测写入所述活动上下文;

14、目标原文读取模块,用于在所述主智能体根据所述语义占位符确定需要恢复所述舍弃片段时,通过所述主智能体生成包括所述引用指针和回载范围的回载请求,根据所述回载请求从已存储的所述原始观测中读取目标原文,并将所述目标原文写入所述活动上下文;

15、迭代控制模块,用于通过所述主智能体基于更新后的所述活动上下文继续生成工具动作,直至得到任务结果。

16、第三方面,本发明提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口,所述存储器通过所述通信总线完成相互间的通信;

17、所述存储器,用于存放计算机程序;

18、所述处理器,用于执行所述存储器上所存放的计算机程序时,实现第一方面提供的面向长程智能体的上下文动态清理与污染抑制方法的步骤。

19、与现有技术相比,本发明的有益效果:

20、本发明提供的面向长程智能体的上下文动态清理与污染抑制方法,通过主智能体根据活动上下文生成工具动作及其对应的结构化保留模板,将保留或舍弃的决策前移至观测写入之前;通过在工具返回后先完整存储原始观测并生成引用指针,再执行过滤,使被舍弃内容具备按需精确恢复的基础,避免仅保存压缩改写内容导致的技术细节丢失;通过对结构化保留模板进行模板校验,在通过时根据过滤模式按保留条件或预设保留范围从原始观测中提取保留片段并确定舍弃片段,使过滤发生在原始观测写入活动上下文之前,在目标明确时通过目标模式实现按条件的精确提取,在信息需求不明确时通过探索模式实现保守截断;通过根据舍弃片段及引用指针生成语义占位符,并与保留片段组合确定过滤观测,以占位符替代舍弃内容实现上下文压缩,同时保留记忆线索和恢复路径;通过对过滤观测进行过滤观测校验,在通过时将其写入活动上下文,在未通过时基于保留片段确定安全观测或将原始观测确定为安全观测,防止错误过滤导致的信息丢失;通过在模板校验未通过时基于原始观测确定安全观测并写入活动上下文,避免模板异常导致的信息静默丢失;通过在主智能体根据语义占位符确定需要恢复舍弃片段时,生成包含引用指针和回载范围的回载请求,从已存储的原始观测中读取目标原文并写入活动上下文,使后续能够按原文和精确范围恢复技术细节,无需重新执行工具。最终,本发明在无关信息影响后续推理之前控制信息入口,兼顾上下文压缩与信息安全,不仅可以避免探索阶段重要信息的误删,还可以保证技术细节的原文可恢复性。

21、以下将结合附图及实施例对本发明做进一步详细说明。

1.一种面向长程智能体的上下文动态清理与污染抑制方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述根据活动上下文,通过主智能体生成工具动作及其对应的结构化保留模板,包括:

3.根据权利要求2所述的方法,其特征在于,所述根据所述过滤模式,按照所述保留条件或预设保留范围从所述原始观测中提取保留片段并确定舍弃片段,包括:

4.根据权利要求2所述的方法,其特征在于,所述根据所述舍弃片段及所述引用指针生成语义占位符,根据所述保留片段及所述语义占位符确定过滤观测,包括:

5.根据权利要求4所述的方法,其特征在于,所述在所述主智能体根据所述语义占位符确定需要恢复所述舍弃片段时,通过所述主智能体生成包括所述引用指针和回载范围的回载请求,根据所述回载请求从已存储的所述原始观测中读取目标原文,并将所述目标原文写入所述活动上下文,包括:

6.根据权利要求1所述的方法,其特征在于,所述对所述过滤观测进行过滤观测校验,包括:

7.根据权利要求1所述的方法,其特征在于,所述在未通过所述过滤观测校验时,基于所述保留片段确定安全观测,或者将所述原始观测确定为所述安全观测,包括:

8.根据权利要求1所述的方法,其特征在于,所述存储所述原始观测并生成对应的引用指针,包括:

9.一种面向长程智能体的上下文动态清理与污染抑制系统,其特征在于,包括:

10.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,所述处理器,所述通信接口,所述存储器通过所述通信总线完成相互间的通信;