多智能体的人机协同任务决策与执行系统及方法

本发明涉及人工智能与人机交互，尤其涉及一种多智能体的人机协同任务决策与执行系统及方法。

背景技术：

1、随着大型语言模型（large language model，llm）和多智能体系统（multi-agentsystems，mas）技术的快速发展，ai agent（智能体）已能够通过协作分工完成文档写作、代码生成、数据分析等复杂任务。

2、目前多智能体系统在实际应用中存在以下技术缺陷，

3、（1）缺乏有效的人类参与机制，现有多智能体框架以全自动化执行为主要设计目标，人类仅在任务开始时输入指令、在任务结束时查看结果，无法在执行过程中进行有效干预与引导；这导致ai系统在遇到歧义、高风险或需要领域专家判断的场景时，容易产生系统性偏差而得不到及时纠正。

4、（2）人类专家知识难以融入自动决策流程，由于缺少结构化的人机交互接口，人类专家的隐性知识（tacit knowledge）和领域经验无法在任务执行的关键节点被有效捕捉并注入智能体的决策逻辑，造成人类智识资源的浪费。

5、（3）智能体间协作策略缺乏动态优化，现有系统多采用静态的任务编排方式，智能体的分配策略在任务启动时确定后不再调整，无法响应执行过程中的动态变化（如子任务提前完成、执行失败或人类修正输入带来的计划变更）。

6、（4）人机协作效率与可信度有待提升，在缺乏学习机制的情况下，系统无法积累人机协作经验，相似任务场景下需要相同程度的人类干预，人类专家负担持续较高，系统的自主性和可靠性难以随使用时长提升。

技术实现思路

1、旨在至少解决现有技术中存在的技术问题之一，本发明提供一种多智能体的人机协同任务决策与执行系统及方法。

2、本发明的一方面提供了一种多智能体的人机协同任务决策与执行系统，包括：

3、任务解析模块，用于对用户输入任务采用分层递进的语义解析架构执行处理，得到结构化任务表示；根据结构化任务表示采用递归分解策略将用户输入任务分解为子任务；对子任务采用多因素加权融合模型计算人类干预必要性评分，对子任务的进行依赖关系分析与拓扑排序，进而生成子任务的有向无环图；

4、智能体能力匹配模块，用于根据结构化任务表示确定子任务需求，根据基准数据集和反馈学习确定智能体能力，采用基于加权余弦相似度的动态匹配算法对子任务需求和智能体能力进行处理，得到子任务的分配方案；

5、智能体协作调度模块，用于根据子任务的分配方案和有向无环图生成任务调度计划，根据任务调度计划采用关键路径法进行并行调度处理，以及，还用于在触发重调度事件时，对剩余子任务根据多因素优先级进行重新调度处理；

6、人类决策点模块，用于根据预设触发条件对任务节点的风险等级和紧迫程度执行组合判断，当组合判断结果触发人类干预后，采用面向专家的上下文呈现信息模型进行展示，以及，采用结构化接口协议和干预注入的下游影响传播算法对人类干预进行自适应修正；

7、反馈学习模块，用于对智能体执行子任务时采用以多目标奖励函数为优化目标，进行强化学习优化；用于采用模仿学习精化将人类干预记录作为经验对智能体进行微调；

8、共享上下文存储模块，用于采用包括内存键值数据库和文档数据库的混合存储架构，对实时执行状态和执行历史进行存储。

9、根据所述的多智能体的人机协同任务决策与执行系统，其中对用户输入任务采用分层递进的语义解析架构执行处理，得到结构化任务表示，包括：

10、所述语义解析架构包括意图识别层、实体-关系联合层及需求结构化层；

11、所述意图识别层用于采用基于transformer的意图分类模型将用户输入任务映射至任务意图类别集合，其中意图分类模型通过全连接分类层输出意图概率分布：

12、；

13、其中，表示第个任务意图类别的分类概率，为任务意图类别总数；和为激活函数；表示通过预训练模型对用户输入任务处理后得到的语义编码向量；，为偏置项；，为可训练权重矩阵；

14、所述实体-关系联合抽取层用于采用指针网络的联合抽取方法，以实体起始位置和实体终止位置的注意力概率分布形式确定实体及其语义关系，得到实体集合和关系三元组；

15、所述需求结构化层用于将任务意图类别、实体集合和关系三元组采用层级化json-ld格式编码整合为结构化任务表示，其中json-ld格式编码的字段包括任务目标、约束条件、预期输出格式和质量要求。

16、根据所述的多智能体的人机协同任务决策与执行系统，其中根据结构化任务表示采用递归分解策略将用户输入任务分解为子任务，包括：

17、根据预设分解终止条件，以每个待分解的用户输入任务作为任务节点，对任务节点进行复杂度评分：

18、；

19、；

20、其中，表示任务节点的复杂度评分，为任务节点所需的实体数量，为任务节点在分解树中的深度，为描述任务节点t的语义模糊度，为任务节点与其他子节点的依赖关系数量，为可配置权重系数，为预设终止条件。

21、根据所述的多智能体的人机协同任务决策与执行系统，其中对子任务采用多因素加权融合模型计算人类干预必要性评分，对子任务的进行依赖关系分析与拓扑排序，进而生成有向无环图，包括：

22、采用多因素加权融合模型对任务固有属性、历史执行统计和用户个性化偏好进行人类干预必要性评分计算：

23、；

24、；

25、其中，为人类干预必要性评分；为不同任务类型在造成不可逆后果上的先验风险差异，通过任务类型标签将风险因子预设至区间，其中任务类型标签包括伦理判断类、法律合规类、最终决策类、数据解释类、常规生成类及格式化操作类；，，为相应的权重系数，通过所述反馈学习模块进行在线自适应调整；为用户偏好因子，用于表示不同用户面对相同风险的任务时的容忍度；为历史执行置信度因子，通过历史相似子任务的智能体执行置信度分布计算得到：

26、；

27、其中，为历史相似子任务的置信度均值，历史相似子任务的历史相似度采用子任务类型标签和需求向量的余弦相似度联合判定；为单调递增归一化函数，用于将置信度均值映射至区间；

28、根据人类干预必要性评分，对子任务进行依赖关系分析，得到依赖关系分析结果，其中依赖关系分析结果包括严格顺序依赖、并行独立、条件依赖、互斥关系及汇聚等待；

29、根据依赖关系分析结果，采用kahn算法进行拓扑排序，根据拓扑排序结果构建有向无环图。

30、根据所述的多智能体的人机协同任务决策与执行系统，其中智能体能力匹配模块，包括：

31、用于根据结构化任务表示确定子任务需求为：

32、；

33、其中，为子任务，为子任务索引，为子任务需求向量，为需求索引，为需求总数；

34、根据基准测试集确定智能体的能力向量初始值，通过所述反馈学习模块对智能体的能力向量初始值进行动态更新，得到智能体能力为：

35、；

36、其中，为智能体，为智能体索引，表示智能体在能力维度上的能力水平；

37、根据子任务需求和智能体能力确定维能力向量空间，能力向量空间用于表征智能体能力和子任务需求的公共数学基础；

38、采用加权余弦相似度算法对子任务需求和智能体能力进行匹配：

39、；

40、其中，为能力维度的任务敏感权重，通过子任务类型和需求特征进行计算得到：

41、；

42、为除维度外其余维度需求值的方差，为敏感度调节系数，为加权余弦相似度算法；

43、当加权余弦相似度算法计算得到的最高相似度低于预设阈值，执行多智能体联合执行策略，包括识别子任务的能力缺口集合：

44、；

45、其中，为初始匹配的最优智能体，为在维度上的能力值，为能力达标阈值；

46、根据能力缺口集合从能力库筛选互补智能体集合，互补智能体集合中的智能体同时满足以下条件：

47、；

48、；

49、；

50、以及，互补智能体集合中的智能体与主智能体在非缺口维度上的能力重叠度不超过预设重叠阈值；

51、将子任务采用最小覆盖原子分解为多个能力子任务，以使每个子能力任务与智能体的能力优势区域进行对应，通过所述智能体协作调度模块为每个子能力任务分配独立的执行通道并协同执行，以及，通过所述共享上下文存储模块对中间结果进行实时共享与整合。

52、根据所述的多智能体的人机协同任务决策与执行系统，其中智能体协作调度模块，包括：

53、用于计算子任务的有向无环图中每个节点的时间参数：

54、；

55、；

56、；

57、；

58、其中，、、及为时间参数，为子任务最早开始的时刻，为最早完成的时刻，为最晚必须完成的时间，为最晚必须开始的时间，为子任务的基准预估时长，为分配智能体的能力匹配得分；

59、根据时间参数及智能体能力进行分配，得到任务调度计划；

60、当在触发重调度事件时，使用多因素优先级计算模型计算调度优先级，根据调度优先级对剩余子任务进行动态重调度，其中调度优先级的计算方式为：

61、；

62、其中，表示时间松弛度倒数，用于表示子任务时间裕量；为关键路径权重；表示当前agent池的负载分布情况，用于在动态重调度时衡量将子任务分配后对各agent负载均衡程度的影响；、、为权重系数。

63、根据所述的多智能体的人机协同任务决策与执行系统，其中人类决策点模块，包括：

64、用于当任务节点的风险等级和紧迫程度满足任一预设触发条件时，暂停子任务的自动执行流程，其中预设触发条件包括子任务的人类干预必要性评分超过预设阈值、子任务的任务类型标签属于高风险类别、子任务的智能体连续执行失败次数超过预设容错上限及人类干预，其中人类干预包括采纳、替换、修正及重执行；

65、采用交互界面和面向人类专家的上下文呈现信息模型对暂停的子任务进行层次化显示，其中显示信息包括子任务的核心信息、智能体的完整推理路径、子任务在有向无环图中的位置及历史干预信息；

66、将人类干预采用结构化接口协议进行转换，得到结构化操作；

67、根据结构化操作，采用基于图遍历的影响传播算法计算影响范围，包括：

68、标记触发干预的字节点和修正内容；

69、以标记触发干预的字节点作为起点，沿有向无环图的有向边进行bfs遍历，得到下游可达节点集合；

70、对下游可达节点集合根据修正类型和下游可达节点的输入依赖关系确定影响类型，其中影响类型包括重执行、增量更新及无影响；

71、根据影响类型确定影响范围，将影响类型和影响范围发送至所述智能体协作调度模块。

72、根据所述的多智能体的人机协同任务决策与执行系统，其中智能体协作调度模块还包括：

73、对影响类型为重执行或增量更新的子任务进行调度重算，对影响类型为无影响保持原调度计划不变，以及，对影响类型为增量更新的子任务采用差异注意方式进行处理并添加修正标记。

74、根据所述的多智能体的人机协同任务决策与执行系统，其中反馈学习模块，包括：

75、对子任务执行过程构建为马尔可夫决策过程，以多目标奖励函数为优化目标进行强化学习优化，奖励函数为：

76、；

77、其中，为任务完成质量，为执行效率，为人类干预频次，为权重系数；强化学习优化采用近端策略优化算法更新智能体选择策略网络和调度策略网络的参数；

78、获取人类干预的记录，将人类干预的记录中的干预状态、干预动作及干预结果生成三元组，将三元组添加至人机协作经验库，根据人机协作经验库对智能体执行相应任务类型时进行微调。

79、本发明的另外一方面提供了一种多智能体的人机协同任务决策与执行方法，包括：

80、对用户输入任务采用分层递进的语义解析架构执行处理，得到结构化任务表示；根据结构化任务表示采用递归分解策略将用户输入任务分解为子任务；对子任务采用多因素加权融合模型计算人类干预必要性评分，对子任务的进行依赖关系分析与拓扑排序，进而生成子任务的有向无环图；

81、根据结构化任务表示确定子任务需求，根据基准数据集和反馈学习确定智能体能力，采用基于加权余弦相似度的动态匹配算法对子任务需求和智能体能力进行处理，得到子任务的分配方案；

82、根据子任务的分配方案和有向无环图生成任务调度计划，根据任务调度计划采用关键路径法进行并行调度处理，以及，还用于在触发重调度事件时，对剩余子任务根据多因素优先级进行重新调度处理；

83、根据预设触发条件对任务节点的风险等级和紧迫程度执行组合判断，当组合判断结果触发人类干预后，采用面向专家的上下文呈现信息模型进行展示，以及，采用结构化接口协议和干预注入的下游影响传播算法对人类干预进行自适应修正；

84、对智能体执行子任务时采用以多目标奖励函数为优化目标，进行强化学习优化；用于采用模仿学习精化将人类干预记录作为经验对智能体进行微调；

85、采用包括内存键值数据库和文档数据库的混合存储架构，对实时执行状态和执行历史进行存储。

86、本发明的有益效果为：通过人类决策节点模块的结构化设计，不仅使得人机分工从不可解释转变为数据驱动的可量化模型，更保障了系统在面临高风险、高复杂度的长链条推理任务时，能够以节点级颗粒度精准锚定需要人类智识介入的关键环节。相较于现有技术中全局一刀切的自动化策略，本机制在最大化执行效率的同时，从底层逻辑上规避了系统性偏差的累积放大风险；突破了传统任务与智能体一对一或预设模板的刚性约束，实现了多智能体能力的液态化”重组与按需分配。这种弹性化的资源调度不仅大幅提升了长尾复杂任务的匹配精度，还通过多维度能力互补，有效解决了单体大语言模型在多模态或跨学科任务中存在的知识盲区问题；通过将人类的不确定性干预行为转化为可精确计算的拓扑状态图变更事件，本发明实现了人类决策与机器自动调度的无缝融合；增量更新与差异注入策略不仅极大降低了无效的数据传输与智能体的重复推理，更在动态多变的任务环境下，赋予了系统较强的鲁棒性与自适应恢复能力；随着系统使用深度的增加，智能体不仅在资源调度上愈发高效，更在业务逻辑上逐步对齐并内化了人类专家的判断模式与思维倾向。这使得系统在处理同类任务时能显著并持续地降低人类干预请求的触发频次，最终实现了从人机协作向高度自治的平滑演进，大幅减轻了人类专家的心智负担。