面向FICC智能投研的大模型多智能体协作与动态DAG编排方法、系统及计算机可读存储介质与流程

本发明属于人工智能与金融科技交叉业务，具体涉及面向ficc智能投研的大模型多智能体协作与动态dag编排方法、系统及计算机可读存储介质。

背景技术：

1、在ficc（固定收益、外汇及大宗商品）智能投研中，大语言模型（llm）系统存在以下严重问题：

2、1.黑盒问题与数据幻觉；缺乏严密约束的模型常产生逻辑断层。

3、2.现有工作流多采用静态dag，无法根据推理产生的异常中间结果进行自适应拓扑扩展。

4、3.不仅浪费高昂算力，而且静态黑盒架构难以满足金融机构严苛的合规审计追溯要求。

技术实现思路

1、本发明的目的在于提供面向ficc智能投研的大模型多智能体协作与动态dag编排方法、系统及计算机可读存储介质，以解决现有技术的黑盒幻觉等问题。

2、为实现上述目的，本发明提供面向ficc智能投研的大模型多智能体协作与动态dag编排方法，包含如下步骤：

3、步骤s101：解析多个智能体间的逻辑依赖约束，计算节点的初始入度，构建初始动态有向无环图拓扑结构；

4、步骤s102：调度分布式多智能体节点，按照所述动态有向无环图拓扑结构的入度优先级并行执行金融投研推理与计算任务；

5、步骤s103：实时监控各智能体节点的输出数据，计算所述智能体节点输出概率分布的信息熵分值，并匹配预设逻辑校验规则计算置信度，若所述信息熵分值高于设定熵阈值或置信度低于预设置信度阈值，触发动态熔断机制；

6、步骤s104：所述动态熔断机制挂起当前智能体节点的原下游节点，实例化补救智能体节点，并由所述补救智能体节点继承被挂起节点的上下文内存指针以重构计算图的内存分配；

7、步骤s105：提取各智能体节点的输入哈希、运行prompt、输出结果及微秒级时间戳，构建默克尔树结构并计算全局因果根哈希值，输出附带所述因果根哈希值的结构化决策结论。

8、优选的，步骤s101之前还包含：从行情中间件与宏观数据接口接收包含宏观经济指标、债券利差及tick级交易数据的ficc多源异构数据流，按统一模式结构化清洗为带微秒时间戳的列式结构，作为所述动态有向无环图拓扑结构的底层上下文输入数据。

9、优选的，步骤s101包含在内存中维护节点表与邻接表；节点表每条记录包含节点编号、agent类型、入度计数器与状态机字段，状态机取值包括等待、运行、挂起、已复核、熔断五种；邻接表记录每个节点的直接下游节点编号列表；就绪队列以无锁先进先出队列实现。

10、优选的，在内存中维护节点表与邻接表包含依据智能体间的输入输出强依赖关系建立有向边：读取依赖配置后生成邻接表，统计各节点入度得到入度表，将入度为0的n1推入就绪队列。

11、优选的，步骤 s102中调度的具体过程包含：

12、将入度为0的智能体节点推入就绪队列，分配gpu/cpu计算资源并触发执行；

13、当前智能体节点执行完毕后，将其直接下游节点的入度减1；若下游节点入度递减至0，则重新推入所述就绪队列进行调度。

14、优选的，步骤s104中继承被挂起节点的上下文内存指针的具体过程包含：

15、读取被挂起节点的内存首地址与上下文状态句柄，并通过读写锁和引用计数机制进行并发保护；

16、将所述内存首地址直接映射至新实例化的补救智能体节点的输入缓冲区，实现零拷贝内存共享。

17、优选的，补救执行流程为：补救验证智能体节点n3’读取共享内存中的上游中间结果，更换校验prompt并将采样温度参数调低后重新生成，再次执行步骤s103；复核通过后，将n3’的输出重接至原下游n4，恢复被挂起分支的调度。

18、优选的，触发动态熔断机制后还包含异常重试闭环策略：若所述补救智能体节点经限定次数的重试执行后，其输出信息熵仍高于阈值，则触发系统级降级策略，提前终止计算分支的图计算并标记告警日志。

19、本发明还提供面向ficc智能投研的大模型多智能体协作与动态dag编排系统，基于上述的方法实现，包含：

20、数据输入模块，用于接收 ficc 多源数据流；

21、动态dag编排引擎，用于解析agent依赖关系并维护动态拓扑；

22、分布式智能体执行集群，包含并行运行的宏观分析智能体、因子计算智能体和风控合规智能体；

23、动态重路由与逻辑熔断模块，用于计算信息熵分值并在触发熔断时调度补救智能体节点与内存指针继承；

24、默克尔树白盒因果链持久化模块，用于生成并存储默克尔根哈希值；

25、决策输出终端，用于展示带因果根哈希值的结论。

26、本发明还提供计算机可读存储介质，其上存储有计算机程序，被处理器执行时实现如上任一项所述的方法。

27、与现有技术相比，本发明的有益效果是：通过入度递减调度机制提升并行效率、大模型信息熵熔断机制针对性拦截逻辑幻觉、上下文内存指针零拷贝继承机制实现补救agent的零拷贝插补与异常闭环、最后将执行快照构建为默克尔树（merkle tree）存证，确保计算过程100%防篡改，消除了智能投研的合规审计盲区。本发明将四项技术手段协同，克服了传统大模型在金融场景中的黑盒幻觉难题，通过内存指针零拷贝继承解决了静态工作流不可动态自适应扩展的技术瓶颈，实现了白盒可追溯的高可靠智能投研决策。

1.面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，包含如下步骤：

2.根据权利要求1所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述步骤s101之前还包含：从行情中间件与宏观数据接口接收包含宏观经济指标、债券利差及tick级交易数据的ficc多源异构数据流，按统一模式结构化清洗为带微秒时间戳的列式结构，作为所述动态有向无环图拓扑结构的底层上下文输入数据。

3.根据权利要求1所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述步骤s101包含在内存中维护节点表与邻接表；节点表每条记录包含节点编号、agent类型、入度计数器与状态机字段，状态机取值包括等待、运行、挂起、已复核、熔断五种；邻接表记录每个节点的直接下游节点编号列表；就绪队列以无锁先进先出队列实现。

4.根据权利要求3所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述在内存中维护节点表与邻接表包含依据智能体间的输入输出强依赖关系建立有向边：读取依赖配置后生成邻接表，统计各节点入度得到入度表，将入度为0的n1推入就绪队列。

5.根据权利要求1所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述步骤 s102中调度的具体过程包含：

6.根据权利要求1所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述步骤s104中继承被挂起节点的上下文内存指针的具体过程包含：

7.根据权利要求6所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述补救执行流程为：补救验证智能体节点n3’读取共享内存中的上游中间结果，更换校验prompt并将采样温度参数调低后重新生成，再次执行步骤s103；复核通过后，将n3’的输出重接至原下游n4，恢复被挂起分支的调度。

8.根据权利要求1所述的面向ficc智能投研的大模型多智能体协作与动态dag编排方法，其特征在于，所述触发动态熔断机制后还包含异常重试闭环策略：若所述补救智能体节点经限定次数的重试执行后，其输出信息熵仍高于阈值，则触发系统级降级策略，提前终止计算分支的图计算并标记告警日志。

9.面向ficc智能投研的大模型多智能体协作与动态dag编排系统，基于权利要求1-8中任意一项所述的方法实现，其特征在于，包含：

10.计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法。