面向生态环境监测业务的多智能体动态编排与决策方法及系统与流程

本技术涉及生态环境监测，尤其涉及一种面向生态环境监测业务的多智能体动态编排与决策方法及系统。

背景技术：

1、生态环境监测是开展污染防治、生态保护、环境风险预警、环境质量评价的基础性工作，随着我国生态环境监测网络不断完善，形成由自动在线监测、人工监督性监测、应急监测、企事业单位自行监测、遥感生态监测构成的多类型监测体系。

2、当前生态环境监测业务处理主要依赖以下方式：

3、1.传统信息系统查询模式：业务人员通过监测数据平台、业务中台或报表系统，手工检索监测数据、标准限值与历史案例，再人工撰写分析报告或处置建议。该方式流程割裂、响应周期长。

4、2.单一问答式大模型应用模式：将用户问题直接输入通用大语言模型，由模型一次性生成分析结论或报告。该方式缺乏对监测数据源、业务规则、专业分工的结构化调用，易产生“幻觉”结论，难以满足监管场景对可追溯性与可审计性的要求。

5、3.固定流程工作流模式：通过预设 bpm/规则引擎编排固定节点（如“取数—制图—出报告”），节点逻辑固化，难以根据任务类型、数据可用性与业务约束动态调整协同链路。

6、4.多模块串联脚本模式：将数据采集、统计分析、知识检索等能力封装为独立脚本或服务，由人工或简单调度器顺序调用。该方式缺乏统一的任务理解层、冲突消解机制与闭环优化能力。

7、现有技术存在以下不足：

8、1.缺乏面向生态环境业务的统一任务理解机制：无法从自然语言业务请求中稳定提取任务类型、业务领域、目标对象、输出形式与约束条件，导致后续调度策略难以自适应。

9、2.智能体协同关系静态、不可演进：多数系统采用固定角色链路，不能依据任务特征从能力库中动态选择 agent 组合，也不能在运行期插入补充任务或调整依赖关系。

10、3.复杂业务任务拆解能力不足：如“月度会商”“异常溯源”“处置建议生成”等任务涉及多数据源、多专业判断，现有方案难以自动分解为可并行执行的子任务图（dag）。

11、4.多智能体意见冲突时缺乏量化协商机制：当趋势研判 agent 建议预警、法规agent 认为未达标准、知识 agent 建议加强监测时，缺少基于历史准确率、专业匹配度与任务适应度的加权投票决策，往往简单覆盖或人工仲裁，可靠性不足。

12、5.缺乏可审计的闭环反馈优化：任务执行过程、投票过程、人工修正信息未结构化沉淀，agent 权重与编排策略无法持续优化。

13、6.人机协同节点缺失：生态环境监管对重点对象确认、计划审批、补充任务核准等有刚性要求，现有自动化方案难以在关键节点引入可恢复的人工闸门。

14、因此，亟需一种面向生态环境监测业务、以总控 agent 为核心、支持任务自动拆解与可信投票协商、并具备反馈学习能力的多智能体决策方法。

技术实现思路

1、本技术的目的在于提供一种面向生态环境监测业务的多智能体动态编排与决策方法及系统，面向生态环境监测业务、以总控 agent 为核心、支持任务自动拆解与可信投票协商、并具备反馈学习能力的多智能体决策方法。

2、为达到上述目的，本技术提供一种面向生态环境监测业务的多智能体动态编排与决策方法，该方法包括：接收用户或上游业务系统输入的生态环境业务请求；调用总控调度智能单元对生态环境业务请求进行解析，并获取任务特征向量；总控调度智能单元根据任务特征向量，从智能体能力库中筛选匹配的候选智能体组合，并构建智能体协同图；

3、对生态环境业务请求的请求任务拆解为多个子任务，形成子任务集合；

4、根据智能体协同关系图的依赖关系，调度子任务集合中的子任务进行执行；根据构建的投票协商机制，对多智能体给出的候选结果进行冲突验证，若存在冲突，则启动可信度加权投票协商；输出可信度加权投票协商的协商结果；对输出的协商结果进行优化。

5、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，接收用户或上游业务系统输入的生态环境业务请求包括：

6、接收用户或上游业务系统输入的生态环境业务请求,并接收可选上下文参数；

7、将生态环境业务请求和可选上下文参数写入工作记忆日记；

8、为工作记忆日记中的生态环境业务请求标记会话标识。

9、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，调用总控调度智能单元对生态环境业务请求进行解析，并获取任务特征向量包括：

10、调用总控 agent对生态环境业务请求进行解析，获得标准化业务信息；

11、总控 agent从标准化业务信息中提取任务特征向量。

12、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，总控调度智能单元根据任务特征向量，从智能体能力库中筛选匹配的候选智能体组合，并构建智能体协同图包括：

13、总控调度智能单元根据任务特征向量，从智能体能力库中筛选匹配的候选智能体组合；

14、基于任务类型与业务领域，确定智能体协同关系，生成智能体协同关系图；

15、将智能体协同关系图持久化为状态图。

16、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，总控调度智能单元根据任务特征向量，从智能体能力库中筛选匹配的候选智能体组合，并构建智能体协同图还包括：响应于接入新的智能体，更新智能体能力库中的智能体。

17、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，响应于接入新的智能体，更新智能体能力库中的智能体包括：

18、采集智能体能力库中智能体的能力向量；

19、根据智能体能力库中智能体的能力向量，计算待接入新的智能体的初始能力向量；

20、根据计算的新的智能体的初始能力向量为待接入新的智能体分配初始能力。

21、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，对生态环境业务请求的请求任务拆解为多个子任务，形成子任务集合包括：

22、总控调度智能单元对生态环境业务请求的请求任务拆解为多个子任务，形成子任务集合；

23、为各个子任务匹配对应的智能体；

24、根据各个子任务的依赖关系，建立各子任务之间的依赖任务列表。

25、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，根据智能体协同关系图的依赖关系，调度子任务集合中的子任务进行执行包括：

26、根据各个子任务匹配对应的智能体在智能协同关系图中的依赖关系，识别就绪子任务；

27、根据各个子任务匹配对应的智能体在智能协同关系图中的依赖关系，执行就绪的子任务；

28、采集智能体的阻滞潜势指标数据，根据智能体的阻滞潜势指标数据，计算智能体的阻滞态势指数；

29、根据智能体的阻滞态势指数，调整智能体的资源任务分配策略。

30、如上所述的面向生态环境监测业务的多智能体动态编排与决策方法，其中，可信度加权投票协商包括：

31、获取各个智能体的历史准确率、专业匹配度、任务匹配度，根据历史准确率、专业匹配度、任务匹配度计算智能体的综合可信度；

32、根据各个智能体的综合可信度，计算不同候选结论的可信度加权得分；

33、对各个候选结论的可信度加权得分进行从大到小排序；

34、获取可信度加权得分最大的候选结论，计算其置信度。

35、作为本技术的第二方面，本技术提供一种面向生态环境监测业务的多智能体动态编排与决策系统，该系统包括：

36、用户业务系统，用于接收用户或上游业务系统输入的生态环境业务请求；

37、总控agent模块，用于对生态环境业务请求进行解析，并获取任务特征向量；

38、总控agent模块，还用于根据任务特征向量，从智能体能力库中筛选匹配的候选智能体组合，并构建智能体协同图；

39、任务编排模块，用于对生态环境业务请求的请求任务拆解为多个子任务，形成子任务集合；

40、协同执行模块，用于根据智能体协同关系图的依赖关系，调度子任务集合中的子任务进行执行；

41、投票协商决策模块，用于根据构建的投票协商机制，对多智能体给出的候选结果进行冲突验证，若存在冲突，则启动可信度加权投票协商；

42、业务输出模块，用于输出可信度加权投票协商的协商结果；

43、反馈学习模块，用于对输出的协商结果进行优化。

44、本技术实现的有益效果如下：

45、（1）本技术通过多维能力向量表征各智能体，根据智能体协同关系图的依赖关系，调度子任务集合中的子任务进行执行，解决了传统系统中agent选择依赖人工配置、无法自适应任务变化的问题，使任务-智能体匹配准确率提升40%以上。

46、（2）本技术总控 agent 通过自然语言理解模型从自然语言业务请求中提取请求意图、业务类型、业务领域、目标对象、时间约束、输出形式等标准化信息，并生成任务特征向量，解决了现有技术缺乏面向生态环境业务的统一任务理解机制、后续调度策略难以自适应的问题。

47、（3）本技术将复杂业务请求自动分解为带依赖关系的子任务集合，调度器依据协同关系图在并发上限约束下并行执行就绪子任务。相比传统固定流程工作流模式节点逻辑固化、难以动态调整协同链路的缺陷，本方案缩短了任务响应周期，提升了多源数据协同处理效率。

48、（4）本技术通过采集智能体的资源负载、依赖状态、任务属性等多维阻滞潜势指标，计算阻滞态势指数，根据智能体的阻滞态势指数，调整智能体的资源任务分配策略，提前识别协同瓶颈、缓解级联阻塞、提升系统整体吞吐量与鲁棒性，避免单一智能体过载导致整条任务链停滞。

49、（5）本技术基于各 agent（智能体）的历史准确率、专业匹配度、任务匹配度计算综合可信度，进行可信度加权投票，并输出最终结论的置信度，相比简单覆盖或人工仲裁，提升了冲突决策的量化性、可靠性。