一种基于多Agent协同的智能质检效果优化与评估系统的制作方法

本发明涉及人工智能，尤其涉及一种基于多agent协同的智能质检效果优化与评估系统。

背景技术：

1、随着人工智能技术的快速发展，智能质检系统已广泛应用于在线教育、客户服务、电商零售等行业的服务质量管理中。在教育营销领域，智能质检系统需要对规划师、辅导老师与家长之间的沟通对话进行实时或离线质量检测，识别是否存在不当营销、过度承诺、违反广告法及国家政策（如“双减”政策）等违规行为。然而，教育营销环境具有高度的动态性——监管政策持续更新、市场需求不断变化、用户画像实时演化——这对智能质检系统的自适应能力提出了极高要求。

2、目前，智能质检系统主要采用以下三类技术方案：

3、（一）基于规则引擎的质检方法

4、此类方法通过预置关键词、正则表达式等规则对客服对话内容进行匹配检测。例如，设置“承诺”“赠送”“补偿”等关键词来检测过度承诺行为，通过关键词匹配识别违规话术。此类方法实现简单、执行效率高，但语义理解能力薄弱，对复杂、非结构化质检项的识别覆盖率低、漏检率高。更重要的是，当业务规则或政策法规发生变化时，需要人工逐一更新规则，响应周期长、维护成本高，系统性能随环境变化而持续衰减。

5、（二）基于单一模型的质检方法

6、此类方法采用单一机器学习模型或深度学习模型对对话进行分类和评分。相比规则引擎，语义理解能力有所提升，但单一模型难以同时覆盖多种类型的质检项（如态度检测、承诺检测、广告法违规检测等），且模型更新迭代周期长，难以适应业务规则的快速变化。

7、（三）基于大语言模型与多agent协同的质检方法

8、近年来，利用大语言模型构建多agent协同系统成为研究热点。以下列举与本申请相关的对比文件：

9、对比文件1（cn121523815a）——“基于大语言模型的软件多智能体协同方法及系统”中公开了一种基于大语言模型的软件多智能体协同方法，通过预训练的大语言模型中枢进行语义理解与意图识别，生成结构化任务要素集合；基于任务依赖图的拓扑结构和资源需求特征，采用双层图注意力网络动态匹配具有特定领域能力的专业智能体，形成分布式协同网络；当检测到专业智能体间的执行冲突时，由大语言模型中枢基于全局状态上下文生成冲突消解策略。然而，该方案仍存在以下不足：

10、其动态匹配仅基于任务依赖图的静态拓扑结构，缺乏对环境变化的实时感知与响应机制，无法根据外部环境（如政策变化、市场波动）的动态演化自适应调整agent协作网络的整体拓扑；缺乏对多agent协作效果的系统性评估与闭环反馈优化机制，仅记录协同过程数据用于系统自适应优化，未能形成“评估→反馈→重构”的完整闭环；其应用场景局限于软件开发领域的任务协同，未涉及教育营销质检领域特有的动态监管环境与多维度合规要求。

11、对比文件2（us 2026/0057331 a1）——“multi-agent simulation system andmethod”中公开了一种多agent模拟系统，使用第一大语言模型模拟销售代理生成销售话术，第二大语言模型模拟客户进行对话响应，第三大语言模型模拟评审员对对话进行评分；该多agent模拟用于创建销售代理与客户之间真实对话的数字孪生。然而，该方案存在以下明显缺陷：各agent的角色和交互拓扑是预设且固定的（销售agent→客户agent→评审agent的线性链式结构），不具备根据任务复杂度动态调整agent类型、数量及协作关系的能力；其数字孪生仅用于对“已发生”对话的事后评分模拟，缺乏对未来多轮咨询过程的前瞻性推演与多路径搜索能力；其评审agent仅输出单一评分，无法提供多维度的质检结果与可解释的证据链。

技术实现思路

1、有鉴于此，本发明实施例提供了一种基于多agent协同的智能质检效果优化与评估系统，用以解决现有智能质检系统缺乏对动态变化的教育营销环境的实时感知与自适应能力，导致质检规则僵化、决策协作结构固定、无法前瞻性评估营销策略风险，且系统性能随环境和业务变化而持续衰减的问题。

2、本发明实施例提供一种基于多agent协同的智能质检效果优化与评估系统，包括：

3、s1：构建教育营销世界模型，融合用户画像、课程信息、历史成交案例、营销规则及监管政策，形成可推演的营销状态空间；

4、s2：基于世界模型生成当前咨询任务对应的动态图agent协作网络，自适应确定参与agent的类型、数量、连接关系及执行顺序；

5、s3：基于营销生成agent、营销质检agent、法规约束agent及成交预测agent在动态图网络中通过自博弈机制迭代生成多组候选营销策略，并实时调整各agent输出；

6、s4：通过世界模型分别对各候选营销策略进行未来多轮咨询过程推演，预测成交概率、投诉风险、违规风险、退款风险及长期客户价值；

7、s5：基于决策agent综合多目标优化结果选择目标营销策略，并输出实时营销指导、质检结果及证据链。

8、与现有技术相比，本发明具有以下有益效果：

9、本发明首先构建教育营销世界模型，建立环境层、状态层、行为层与结果层的动态演化关系，让系统实时感知教育营销环境变化，再依据真实执行结果与数字孪生预测结果的偏差反馈，分层自适应修正状态转移矩阵，完成质检规则和状态空间的自演化更新，解决了现有技术里质检规则依赖人工预设更新、无法随环境动态变化的僵化问题；其次，本发明根据当前营销任务的状态复杂度完成任务解耦，基于agent能力向量与子任务需求的动态匹配度生成初始agent协作图，再根据agent间实时交互数据的协作熵值触发拓扑演化事件，依据连接边边际贡献值删除冗余边、新增增强型agent，同时配合原子性快照机制实现拓扑结构无缝热迁移，让多agent协作拓扑可根据任务复杂度、历史协同成功率及实时决策贡献度完成自适应调整，克服了现有技术中agent协作关系预先固定、无法随任务自优化的结构性缺陷；最后，本发明构建对应真实营销环境的数字孪生环境，以目标营销策略为初始路径自动生成多个反事实营销策略，分别构建多层营销决策搜索树进行多轮递归扩展与状态搜索，前瞻性综合评估成交概率、违规风险等多维度指标，同时引入帕累托多目标评价机制执行动态剪枝保留最优候选路径，让系统可在营销策略实际执行前完成多路径合规风险与营销收益的推演优选，改变了现有质检系统仅能事后判定已发生对话的被动模式，实现了从事后检测到事前推演预防的转变。

1.一种基于多agent协同的智能质检效果优化与评估系统，其特征在于，包括：

2.根据权利要求1所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s1包括如下步骤：

3.根据权利要求2所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述根据各营销行为事件之间的时间顺序、上下文引用关系以及营销目标关联关系建立事件关联网络，计算各营销行为事件之间的状态转移关系，并生成教育营销状态图，包括如下步骤：

4.根据权利要求2所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s15包括如下步骤：

5.根据权利要求1所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s2包括如下步骤：

6.根据权利要求1所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述对所述动态图agent协同网络进行拓扑自调整包括以下步骤：

7.根据权利要求1所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s3包括如下步骤：

8.根据权利要求7所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s4包括如下步骤：

9.根据权利要求8所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s43包括如下步骤：

10.根据权利要求8所述的基于多agent协同的智能质检效果优化与评估系统，其特征在于，所述s43之前还包括：