一种基于多智能体协同的动态报告生成系统的制作方法

本发明涉及人工智能，特别指一种基于多智能体协同的动态报告生成系统。

背景技术：

1、在人工智能技术持续演进与企业数字化转型纵深推进的时代背景下，业务报告已成为企业决策支撑体系中的关键载体，其生成效率与智能化水平直接关乎企业运营响应速度与决策质量。传统业务报告生成方式以人工操作为主，需从excel表格、数据库、业务系统等多类数据源中逐项提取数据，经分析处理后，借助文字处理软件或报表工具手工编制成文。该模式不仅过程冗长、人力耗费显著，且易引入人为偏差，难以契合现代企业对实时性、准确性与智能化报告生成的迫切诉求。

2、近年来，大语言模型（large language model, llm）技术的跨越式发展，为报告自动化生成开辟了全新路径。以qwen、deepseek等为代表的先进大模型，凭借卓越的自然语言理解与生成能力，使智能化文本撰写、数据洞察分析及报告自动编制逐步走向实用化。在此技术浪潮下，业界已涌现出多种报告生成系统，依据技术路线可大致归为三类。

3、第一类为基于模板的静态报告生成系统。该类系统通过预设模板及数据绑定规则，从结构化数据源中提取信息并填充至模板，生成标准化报告。其优势在于实现简便、输出格式规范统一，但短板同样突出：模板固化、扩展性差，难以适应复杂多变的分析场景，生成内容缺乏动态性与交互能力。

4、第二类为基于规则的自动化报表工具。该类系统通过配置数据处理规则和流程，实现数据采集、处理及报告生成的自动化。相较于纯模板填充方式，其在数据处理能力上有所增强，然而规则配置通常繁琐复杂，难以应对非结构化分析需求，且业务逻辑变更时需人工介入重新配置，系统适应性不足。

5、第三类为基于大模型的智能报告生成系统。伴随大模型技术日益成熟，愈来愈多的系统尝试借助其自然语言理解与生成能力，实现报告全流程自动化。此类系统可理解用户自然语言指令，自动执行数据分析并生成文本报告。例如，已有专利提出基于智能体与大语言模型的自动报表生成系统，借助用户智能交互模块、agent中枢模块、多源数据智能处理模块及报表自动生成模块的协同机制，实现端到端自动化报表输出。另有方案提出基于大模型动态路由与多专家智能体的智能交互系统，通过动态路由模型依据用户请求特征向量，精准匹配对应领域专家智能体。此外，面向研究报告、产业分析报告等应用场景的多智能体报告生成方法，已引入人类在环交互机制、探索—利用双模式规划机制及引用质量控制机制，以提升生成内容的可信度与可控性。

6、然而，现有基于大模型的报告生成系统在处理复杂业务场景时，仍面临多项关键技术瓶颈，具体体现如下：

7、其一，报告内容形态单一，缺乏动态可视化能力。 当前多数大模型报告生成系统仍以纯文本输出为主，即便支持图表生成，也多为静态图片形式。用户通常需将生成的文本内容转移至外部工具另行制作图表，致使工作流程割裂，整体效率低下。尽管已有研究尝试利用大模型自动生成图表，但在将多智能体协同生成的结构化内容高效转化为交互式可视化报告方面，尚缺乏成熟的前端解析引擎技术方案，尤其在保障数据一致性、支持实时交互反馈及实现前后端解耦等层面，仍存在大量待攻克的技术难题。

8、其二，多智能体协作中的任务分配策略僵化，资源利用效率不足。 现有系统多采用静态任务分配机制，无法依据任务的动态特征、各智能体实时负载状态及技能匹配度进行灵活调整。虽有方案提出基于大模型动态路由与多专家智能体的匹配方法，以及多智能体间智能路由策略，但在路由决策的智能化深度、多策略融合机制，以及面向报告生成场景的专门优化方面仍有较大欠缺。当某一智能体过载或发生故障时，系统缺乏有效的任务重路由能力，易导致整体处理效率下降甚至任务中断。

9、其三，多智能体间上下文信息传递效率低下，信息丢失现象严重。 多智能体协同过程中，需频繁传递大量上下文信息，涵盖原始数据、中间分析结果、用户指令及历史记录等。现有简单消息传递机制存在信息冗余、上下文丢失及通信开销过大等问题。虽然已有专利提出多智能体记忆分级存储方案及智能体记忆蒸馏技术，但在面向业务报告生成的特定场景下，如何实现上下文感知压缩、设计多层记忆架构等方面，仍缺乏系统性解决方案。

10、其四，大模型处理本地excel数据时面临严峻的数据安全挑战。 excel文件常承载企业核心业务数据、客户隐私及财务敏感信息。当前主流大模型服务多采用云端部署模式，用户数据需上传至云端处理，由此引发数据泄露、隐私侵犯等安全风险，难以满足金融、医疗、政府等高安全要求行业的合规性需求。虽然部分方案引入基于本地化大模型的安全推理、数据沙箱等技术，但在本地资源隔离、安全沙箱构建及访问控制等方面，仍存在诸多技术障碍。

11、其五，报告生成过程缺乏有效的质量控制机制。 现有系统普遍缺失自动化质量反馈环节，一旦生成内容存在错误或偏差，系统难以自动识别并纠正，仍需依赖人工审核与修正。同时，生成报告与原始数据之间的一致性缺乏有效校验手段，可能出现数据引用不准确、分析结论与数据支撑不符等问题。尽管已有方案提出基于反思机制的生成式方法，但在面向报告生成的多维度质量评估、自动化迭代优化及数据一致性校验等方面，仍有大量技术空白亟待填补。

12、综上，当前技术在报告智能化生成、多智能体动态路由、多层记忆管理、数据安全处理及交互式可视化等关键维度上均存在明显缺陷。因此，如何提供一种基于多智能体协同的动态报告生成系统，实现提升报告生成的交互式可视化能力、多智能体动态路由与负载均衡能力、上下文信息层级记忆传递效率、本地化数据安全隔离与防护能力，以及自动化质量控制与数据一致性校验能力，成为一个亟待解决的技术问题。

技术实现思路

1、本发明要解决的技术问题，在于提供一种基于多智能体协同的动态报告生成系统，实现提升报告生成的交互式可视化能力、多智能体动态路由与负载均衡能力、上下文信息层级记忆传递效率、本地化数据安全隔离与防护能力，以及自动化质量控制与数据一致性校验能力。

2、本发明提供了一种基于多智能体协同的动态报告生成系统，包括如下模块：

3、数据接收与安全隔离模块，用于接收用户上传的excel数据文件与报告输出模板，系统初始化并创建隔离处理所述excel数据文件的安全沙箱环境；

4、excel解析与记忆存储模块，用于通过excel解析智能体解析所述excel数据文件，提取数据结构、字段语义及数据元信息，并将解析结果存入共享记忆库；

5、任务提示生成与模板解析模块，用于根据用户需求及数据特征动态生成任务提示，并通过模板解析引擎解析所述报告输出模板以提取章节结构、内容占位符及样式规范；

6、任务分解与路由调度模块，用于基于强化学习驱动的动态路由机制，由路由器智能体将整体报告生成任务分解为多个子任务，并将各所述子任务动态分配至对应的专业技能智能体，所述专业技能智能体包括分析智能体与可视化图表智能体；

7、专业技能协同处理模块，用于各所述专业技能智能体并行或串行协作处理所述子任务；

8、多维评估与迭代反馈模块，用于通过评估智能体对各所述专业技能智能体生成的中间结果和最终报告内容，进行多维度评估，并基于评估结果触发针对具体维度的反思与迭代优化流程；

9、报告编排与结构化输出模块，用于在迭代优化满足终止条件后，通过报告编排引擎整合各所述专业技能智能体的输出结果，按照所述章节结构，生成结构化的json格式报告数据；

10、前端渲染与交互响应模块，用于前端解析引擎接收所述json格式报告数据，并渲染生成交互式可视化报告，响应用户的交互操作。

11、进一步的，所述数据接收与安全隔离模块中，所述安全沙箱环境包括：

12、构建隔离的文件系统，用于存储所述excel数据文件；

13、限制所述安全沙箱环境的网络访问权限，仅允许其与系统内部指定的组件进行必要通信；

14、对所述安全沙箱环境的cpu与内存资源进行配额限制；

15、剥夺所述安全沙箱环境的root用户权限，以权限最小化原则运行数据处理过程。

16、进一步的，所述excel解析与记忆存储模块中，所述共享记忆库采用三级层次化记忆管理架构进行组织，包括：

17、即时工作记忆层，用于存储当前任务执行中的临时数据，采用内存缓存实现，确保毫秒级访问速度；

18、会话级记忆层，用于存储单次报告生成任务全过程的上下文信息，采用向量数据库存储结构化嵌入向量，支持基于语义的相似性检索；

19、长期知识记忆层，用于存储跨任务的知识沉淀，包括历史生成的优质报告输出模板和常用分析模式，采用知识图谱与关系型数据库混合存储。

20、进一步的，所述会话级记忆层与长期知识记忆层通过定义特定数据结构实现信息组织；其中，所述会话级记忆层至少包含智能体记忆事件表和任务协作轨迹表，用于记录任务协作路径与路由信息；所述长期知识记忆层至少包含报告输出模板库表和知识图谱节点表，用于存储可复用的报告输出模板和知识节点。

21、进一步的，所述任务提示生成与模板解析模块中，所述根据用户需求及数据特征动态生成任务提示，具体包括：

22、用户需求语义解析单元，用于利用大语言模型解析用户基于自然语言输入的用户需求，提取分析意图、关键指标和模板偏好；

23、数据特征提取单元，用于从所述excel数据文件的数据元信息中提取数据特征；

24、需求与特征匹配映射单元，用于将所述分析意图、关键指标和模板偏好，与所述数据特征进行匹配，以确定可执行任务；

25、少样本任务提示组装单元，用于将匹配后的所述分析意图、关键指标、模板偏好以及数据特征，按照少样本学习范式组装成结构化的任务提示。

26、进一步的，所述任务分解与路由调度模块中，所述基于强化学习驱动的动态路由机制，具体包括：

27、任务解析与dag构建单元，用于路由器智能体将整体报告生成任务解析为具有依赖关系的多个子任务，解析出任务特征维度，并构建任务有向无环图；

28、智能体状态查询与监控单元，用于路由器智能体查询动态智能体数据库，获取各专业技能智能体的实时状态信息以及智能体状态维度，所述实时状态信息包括当前负载率、历史技能匹配度和任务完成率；

29、强化学习空间构建单元，用于路由器智能体构建用于强化学习模型决策的状态空间与动作空间；其中，所述状态空间的特征向量至少包含任务特征维度以及智能体状态维度；所述动作空间包含智能体选择、任务拆分、任务合并以及任务重路由中的一种或多种操作；

30、多目标奖励路由策略学习单元，用于路由器智能体基于多目标奖励函数学习路由策略，所述多目标奖励函数至少综合任务完成质量、响应时间及负载均衡；

31、动态任务分配与重路由执行单元，用于路由器智能体根据学习的所述路由策略，从所述动作空间中选择操作，并基于所述实时状态信息，将所述子任务动态分配至选定的专业技能智能体；路由器智能体持续监控任务执行状态，并在执行异常时触发基于所述状态空间和动作空间的任务重路由。

32、进一步的，所述专业技能协同处理模块中，所述专业技能智能体协作时，采用基于上下文感知的信息压缩传递机制在智能体间传递数据，具体包括：

33、原始信息获取单元，用于上游的所述专业技能智能体获取待传递的原始信息；

34、注意力机制重要性评估单元，用于利用注意力机制评估所述原始信息中不同部分的信息重要性；

35、自适应压缩策略选择单元，用于根据下游的所述专业技能智能体的任务类型、当前上下文信息以及信息重要性，自适应地选择压缩比例和压缩策略；

36、码本量化压缩编码单元，用于采用基于码本的表征量化压缩算法，将所述原始信息的高维特征向量映射为码字索引，并生成对应的残差信息；

37、解码重构与信息还原单元，用于下游的所述专业技能智能体接收码字索引和残差信息，通过解码重构得到所述原始信息的近似表达。

38、进一步的，所述专业技能协同处理模块中，类型为可视化图表智能体的所述专业技能智能体，执行生成图表配置的子任务的过程包括：

39、图表类型智能推荐单元，用于根据所述分析智能体的输出结果、数据特征及模板预设偏好，智能推荐图表类型；

40、json配置代码生成单元，用于利用大语言模型的代码生成能力，基于推荐或指定的所述图表类型，生成符合前端可视化库规范的json格式配置；

41、指标卡片与图表配置整合单元，用于生成包含关键指标的指标卡片配置，所述指标卡片配置能通过前端解析引擎渲染为动态变化的微图表，将所述json格式配置与指标卡片配置整合为统一的图表配置；

42、图表交互逻辑编码单元，用于为生成的所述图表配置设计并编码交互逻辑，所述交互逻辑以json格式描述，以便于所述前端解析引擎实现图表钻取、筛选及联动交互。

43、进一步的，所述多维评估与迭代反馈模块中，所述反思与迭代优化流程，具体包括：

44、反思触发条件监测单元，用于预设周期性触发、阈值触发、异常触发和矛盾触发中的一种或多种反思触发条件；

45、多维度评分评估单元，用于当任一所述反思触发条件被满足时，启动评估流程；所述评估智能体对生成的中间结果和最终报告内容的数据准确性、分析合理性、表达清晰性、可视化效果和需求满足度中的至少一个维度进行评分；

46、结构化反馈报告生成单元，用于若任一维度的评分低于其预设阈值，则生成包含具体问题和改进建议的结构化反馈报告；

47、迭代优化执行单元，用于接收到所述结构化反馈报告的相关专业技能智能体，根据所述结构化反馈报告对自身生成的内容进行迭代优化，直至所有评估维度的评分均高于其预设阈值，或达到预设的最大迭代次数。

48、进一步的，所述多维度评分评估单元中，所述数据准确性的评估通过数据一致性校验机制实现，包括：

49、正向验证步骤：从原始的所述excel数据文件出发，计算关键指标的预期结果；

50、反向追溯步骤：从所述最终报告内容中引用的数据出发，追溯至原始的所述excel数据文件以验证来源的准确性；

51、比对与修正步骤：当正向验证与反向追溯的结果不一致，或计算得到的预期结果与所述最终报告内容中的计算结果不一致时，自动标记为不一致项并触发修正流程。

52、本发明的优点在于：

53、1、通过构建由前端渲染与交互响应模块‌驱动的交互式可视化报告生成框架，结合‌可视化图表智能体‌直接生成符合前端库规范的‌json格式配置‌并编码交互逻辑，直接提升了报告的‌交互式可视化能力‌；通过‌任务分解与路由调度模块‌中‌基于强化学习驱动的动态路由机制‌，构建包含任务特征维度与智能体状态维度的‌状态空间‌，并定义包含‌任务重路由‌的‌动作空间‌，利用‌多目标奖励函数‌学习路由策略，依据‌实时状态信息‌进行‌动态任务分配‌与在异常时触发‌任务重路由‌，从而显著提升了‌多智能体动态路由与负载均衡能力‌；通过建立‌三级层次化记忆管理架构‌的‌共享记忆库‌来组织‌即时工作记忆层‌、‌会话级记忆层‌（包含‌智能体记忆事件表‌、‌任务协作轨迹表‌等）与‌长期知识记忆层‌，并利用‌基于上下文感知的信息压缩传递机制‌，运用‌注意力机制‌评估重要性并‌自适应选择压缩策略‌，通过‌码本量化压缩编码‌来高效传递信息，大幅提升了‌上下文信息层级记忆传递效率‌；通过‌数据接收与安全隔离模块‌创建包含隔离文件系统、网络访问限制、cpu内存资源配额及最小权限原则的‌安全沙箱环境‌来处理用户excel数据，有效增强了‌本地化数据安全隔离与防护能力‌；通过‌多维评估与迭代反馈模块‌设计包含周期性、阈值、异常及矛盾触发的‌反思与迭代优化流程‌，由‌评估智能体‌执行涵盖数据准确性、分析合理性等维度的‌多维度评分评估‌，并在数据准确性校验中引入‌数据一致性校验机制‌进行正向验证、反向追溯与比对修正，进而生成‌结构化反馈报告‌驱动‌迭代优化执行‌，全面实现了系统的‌自动化质量控制与数据一致性校验能力‌。

54、2、通过限定‌报告编排与结构化输出模块‌负责生成结构化的json格式报告数据，并由‌前端渲染与交互响应模块‌将此数据渲染为‌交互式可视化报告‌，直接响应用户的交互操作；特别是对‌可视化图表智能体‌的能力进行了详细限定，该智能体能够基于分析结果和‌前端可视化库规范‌，直接生成包含交互逻辑（如图表钻取、筛选及联动）的json格式图表配置；这一整套技术方案意味着系统不仅仅是进行简单的文本填充，而是从数据到呈现的完整自动化的交互动态报告生成链路，有效解决了现有报告生成系统以纯文本或静态图片输出为主，用户需要在外部工具另行制作图表，导致流程割裂、效率低下的问题。

55、3、‌任务分解与路由调度模块‌所采用的‌基于强化学习驱动的动态路由机制，其核心在于构建包含‌任务特征维度‌和‌智能体状态维度‌（如当前负载率、历史技能匹配度）的‌状态空间‌与包含‌智能体选择、任务拆分、任务合并、任务重路由‌的‌动作空间‌，并基于一个综合考量‌任务完成质量、响应时间及负载均衡‌的‌多目标奖励函数‌进行学习；这使得系统的路由器智能体可以依据子任务的实时特性及各专业技能智能体的实时状态（实时状态信息）进行最优化动态分配，并在任务执行异常时动态触发重路由；这直接针对并解决了现有系统多采用僵化的静态任务分配机制，在路由决策的智能化深度和多策略融合方面存在欠缺，无法根据任务动态特征和智能体实时负载调整，缺乏有效的任务重路由能力，易导致系统效率下降或任务中断。

56、4、‌专业技能协同处理模块‌中智能体间采用的‌基于上下文感知的信息压缩传递机制，该机制利用注意力机制评估信息重要性，并根据下游智能体的任务类型及上下文，自适应地选择压缩策略，并通过基于码本的表征量化压缩算法将高维信息高效编码传输；同时，共享记忆库的‌三级层次化记忆管理架构‌，分别由‌即时工作记忆层、会话级记忆层、长期知识记忆层‌组成，并配合向量数据库和知识图谱进行结构化、语义化存储与检索；这一整套方案极大地优化了协同过程中上下文信息的存储、管理与传递，能够有效减少通信开销与信息冗余，提升信息检索效率。

57、5、系统初始化时会为处理excel数据文件创建‌安全沙箱环境‌，包括构建‌隔离的文件系统‌、‌限制网络访问权限‌、对cpu与内存资源进行‌配额限制‌以及采用‌权限最小化原则运行，有效隔离了数据处理进程，避免了对主机系统和其他数据的安全威胁，使得报告生成的整个过程（从数据接收、安全隔离、解析处理到最后报告生成）都可以在受控的本地环境中完成；这直接解决了依赖云端大模型服务的现有方案存在数据泄露风险。

58、6、通过预设周期性、阈值、异常等多种‌反思触发条件‌，并由专门的‌评估智能体‌对中间结果和最终报告的‌数据准确性、分析合理性、表达清晰性、可视化效果‌等多维度进行评分，生成结构化反馈报告以驱动智能体迭代优化；尤为关键的是，加入了针对‌数据准确性‌的‌数据一致性校验机制‌，通过正向验证、反向追溯和比对修正三个步骤，系统化地确保了报告内容与原始excel数据的一致性，有效自动标记和修正不一致项；这一整套闭环的质量控制与数据校验体系，精准地补足了传统系统缺乏有效的自动化质量评估、反馈与数据一致性保障机制，避免了过度依赖人工核查或修正。

59、7、报告生成效率显著提升：通过多智能体并行协作和动态任务路由，实现了报告生成流程的高度自动化，大幅缩短了报告生成时间。传统的手动报告生成方式往往需要数小时甚至数天，而本发明能够在数分钟内完成从数据上传到报告输出的全过程，具体体现在：excel解析智能体能够在秒级完成大规模excel数据文件的结构解析和语义理解，相比人工查看和理解数据快几个数量级；分析智能体能够同时执行多种分析任务（统计分析、趋势分析、对比分析等），并行处理大幅提升效率；动态路由机制确保任务被分配给最合适的智能体，避免了传统静态分配导致的资源浪费和等待时间；反思与迭代机制虽然增加了质量控制环节，但由于能够在生成过程中自动纠错，避免了最终报告需要大量人工修改的情况，整体效率仍然显著提升。

60、8、报告质量与数据一致性保障：通过反思与迭代机制、数据一致性校验机制，有效保障了生成报告的质量和数据准确性，具体体现在：评估智能体的多维度评估（数据准确性、分析合理性、表达清晰性、可视化效果、需求满足度）确保报告各方面质量达标；数据一致性校验机制确保报告中引用的每个数值、每个结论都能追溯到原始excel数据，避免了凭空捏造或数据错位的问题；迭代优化流程使得报告能够通过多轮打磨不断改进，直至达到预设质量阈值；自动化的反思触发条件（周期性触发、阈值触发、异常触发、矛盾触发）能够捕捉各类潜在问题，提升报告的鲁棒性。

61、9、报告可视化水平与交互性大幅增强：打破了传统大模型报告生成系统纯文本输出的局限，实现了丰富的可视化组件和交互功能，具体体现有：报告自动嵌入动态图表、数据表格、关键指标卡片，表现形式丰富多样；图表不是静态图片，而是基于echarts的交互式图表，支持缩放、筛选、钻取、联动等交互操作；用户可通过筛选器调整分析参数，报告内容实时更新，实现"所见即所得"的分析体验；可视化图表智能体能够根据数据特征智能推荐最合适的图表类型，降低用户的专业门槛；报告输出为结构化json格式，前端解析引擎可灵活渲染，支持多种展示终端。

62、10、数据安全保障与隐私保护：通过多层次安全防护体系，有效解决了大模型处理本地敏感excel数据的安全问题，具体体现在：安全沙箱环境确保excel数据文件在隔离环境中处理，数据不会泄露到外部网络；容器隔离、文件系统隔离、网络限制等多重隔离措施，防止数据被非授权访问；访问控制机制（rbac、acl）确保只有授权用户和智能体能够访问特定数据。

63、11、系统灵活性与可扩展性强：多智能体架构和动态路由机制赋予了系统高度的灵活性和可扩展性，具体体现有：新增专业技能智能体时，只需注册到智能体池并更新路由器配置，无需修改系统核心代码；动态路由机制支持多种路由策略的灵活切换，能够适应不同的业务场景和负载情况；多层记忆管理架构支持记忆的持久化和跨会话复用，系统能够从历史经验中学习；模板解析引擎支持用户自定义报告模板，满足不同行业、不同场景的报告需求。前端解析引擎支持多种前端框架的接入，便于与现有系统集成。