智能体生成方法及系统与流程

本申请属于数据处理，尤其涉及一种智能体生成方法及系统。

背景技术：

1、随着数字经济与人工智能产业高速发展，各行业数智化转型需求激增，人工智能（artificial intelligence，ai）技术正逐步向各行业渗透，但现有中小型ai研发团队的研发模式高度依赖“手工作坊”式的生产流程：研发人员通常针对每一个特定的智能体，从零开始收集数据、训练一个专属的模型，再依据该模型构建智能体。这种“一对一”的开发模式存在开发效率低的问题。

技术实现思路

1、本申请的实施例提供了一种智能体生成方法及系统，进而至少在一定程度上可以提高智能体的开发效率。

2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

3、根据本申请实施例的第一方面，提供了一种智能体生成方法，包括：

4、获取目标应用场景；

5、基于目标应用场景，从多个应用场景分别对应的模型中筛选出目标模型，模型包括第一模型和第二模型中的至少一种；第一模型是通过目标行业通识数据集对初始模型进行模型训练得到的；第二模型是通过目标行业专识数据集对初始模型进行模型训练得到的；

6、基于目标模型生成目标应用场景对应的智能体，其中，

7、智能体用于对目标应用场景对应的待处理数据进行处理，得到处理结果。

8、在一些实施例中，智能体生成方法还包括：

9、基于数据基础设施获取目标行业通识数据集、目标行业专识数据集和初始模型；

10、基于目标行业通识数据集对初始模型进行模型训练，得到第一模型，和/或，基于目标行业专识数据集对初始模型进行模型训练，得到第二模型。

11、在一些实施例中，基于数据基础设施获取目标行业通识数据集、目标行业专识数据集和初始模型，包括：

12、基于数据基础设施获取原始数据；

13、基于数据基础设施对原始数据进行分类，得到初始行业通识数据集和初始行业专识数据集；

14、基于数据基础设施对初始行业通识数据集和初始行业专识数据集均进行数据治理和安全隔离处理，对应得到目标行业通识数据集和目标行业专识数据集，其中，安全隔离处理包括隐私计算、数据沙箱处理中的一者或多者。

15、在一些实施例中，智能体生成方法还包括：

16、确定数据处理任务的优先级，其中，数据处理任务包括模型训练任务、数据分类任务、数据治理任务、安全隔离处理任务、智能体生成任务；

17、基于数据处理任务的优先级，为对应数据处理任务分配算力资源。

18、在一些实施例中，智能体生成方法还包括：

19、为目标行业通识数据集和目标行业专识数据集建立标准化身份信息，以及按标准化资源目录对目标行业通识数据集和目标行业专识数据集中的数据进行编目。

20、在一些实施例中，智能体生成方法还包括：

21、将初始模型发送至联合建模对象，以使联合建模对象基于私有数据对初始模型进行训练并得到加密后的模型更新梯度；

22、若接收到联合建模对象发送的加密后的模型更新梯度，则对所有的加密后的模型更新梯度进行加权平均后聚合至初始模型，得到候选模型；

23、将候选模型发送至联合建模对象，以使联合建模对象基于私有数据对候选模型继续训练。

24、在一些实施例中，智能体生成方法还包括：

25、确定第一模型和/或第二模型的准确性、稳定性、安全性、合规性、鲁棒性、幻觉率和响应效率中的至少一者；

26、基于准确性、稳定性、安全性、合规性、鲁棒性、幻觉率和响应效率中的至少一者对对应模型的性能进行评估。

27、在一些实施例中，基于目标模型生成目标应用场景对应的目标智能体，包括：

28、基于目标模型、系统提示词、记忆数据库、编排框架和待接入工具，构建目标应用场景对应的目标智能体。

29、根据本申请实施例的第二方面，提供了一种智能体生成系统，包括：

30、智能体研发层，用于获取目标应用场景；基于目标应用场景，从多个应用场景分别对应的模型中筛选出目标模型，模型包括第一模型和第二模型中的至少一种；第一模型是通过目标行业通识数据集对初始模型进行模型训练得到的；第二模型是通过目标行业专识数据集对初始模型进行模型训练得到的；基于目标模型生成目标应用场景对应的智能体；其中，智能体用于对目标应用场景对应的待处理数据进行处理，得到处理结果。

31、在一些实施例中，智能体生成系统还包括：

32、数据资源层，用于基于数据基础设施获取目标行业通识数据集、目标行业专识数据集和初始模型；

33、模型训练层，基于目标行业通识数据集对初始模型进行模型训练，得到第一模型，和/或，基于目标行业专识数据集对初始模型进行模型训练，得到第二模型；

34、算力调度层，用于接入多个算力平台的算力资源，并为数据资源层、模型训练层和智能体研发层分配算力资源；

35、模数共振空间运营层，用于对目标行业通识数据集、目标行业专识数据集、第一模型、第二模型和智能体进行商业运营管理。

36、本申请在生成智能体时仅需要基于目标应用场景从已训练的模型中筛选出最适配的一个目标模型，再基于该目标模型生成智能体，省去了针对每个智能体进行数据预处理和模型训练的过程，缩短了智能体的开发周期，提高了智能体的开发效率。并且由于智能体是基于与目标应用场景对应的目标模型构建，因此该智能体在处理目标应用场景对应的待处理数据时，相对于利用通用大模型生成的智能体而言，可以得到更优的处理结果。

37、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

1.一种智能体生成方法，其特征在于，包括：

2.根据权利要求1所述的智能体生成方法，其特征在于，还包括：

3.根据权利要求2所述的智能体生成方法，其特征在于，所述基于数据基础设施获取所述目标行业通识数据集、所述目标行业专识数据集和初始模型，包括：

4.根据权利要求3所述的智能体生成方法，其特征在于，还包括：

5.根据权利要求2所述的智能体生成方法，其特征在于，还包括：

6.根据权利要求2所述的智能体生成方法，其特征在于，还包括：

7.根据权利要求2所述的智能体生成方法，其特征在于，还包括：

8.根据权利要求1所述的智能体生成方法，其特征在于，所述基于所述目标模型生成所述目标应用场景对应的目标智能体，包括：

9.一种智能体生成系统，其特征在于，包括：

10.根据权利要求9所述的智能体生成系统，其特征在于，还包括：