一种基于插件化架构的多智能体协同编排引擎系统的制作方法

本发明涉及任务自动化编排，尤其涉及一种基于插件化架构的多智能体协同编排引擎系统。

背景技术：

1、在多智能体协同编排应用场景中，为满足复杂任务下高并发、低延迟、高可靠性的协同处理需求，普遍采用多智能体并行调度与插件化集成的架构方式，通过多路冗余执行与负载协同分配来提升任务处理的整体效能。但在任务类型动态变化、智能体能力参差不齐、外部执行环境存在不确定性的复杂条件下，传统多智能体协同编排方案暴露出任务流程固化、缺乏动态调整能力问题，导致系统难以根据任务语义和执行状态实时优化执行路径，异常发生时无法实现灵活容错与弹性恢复，最终影响复杂任务执行的连续性与可靠性。因此，如何在多智能体协同机制下保障复杂任务执行的连续性与可靠性已成为本领域技术人员亟待解决的技术问题。

2、中国专利公开号cn122174858a公布了一种基于分层协同协议的多智能体协同架构系统，包括：至少两个ai智能体、分层协同协议模块和防循环依赖机制。所述分层协同协议模块包括状态同步层、任务协调层、知识共享层和监督反馈层，用于实现智能体之间的高效协同；所述防循环依赖机制包括事件总线异步通信模块、单向数据流控制模块和监督对象分离模块，用于防止智能体之间的循环依赖。但是上述方案存在以下问题：未考虑智能体能力的动态评估、上下文信息的分级按需传递以及异常发生时的弹性容错恢复，导致系统在任务动态变化与环境不确定性条件下的自适应能力和鲁棒性较差。

技术实现思路

1、为此，本发明提供一种基于插件化架构的多智能体协同编排引擎系统，用以克服现有技术中未考虑智能体能力的动态评估、上下文信息的分级按需传递以及异常发生时的弹性容错恢复，导致系统在任务动态变化与环境不确定性条件下的自适应能力和鲁棒性较差的问题。

2、为实现上述目的，本发明提供一种基于插件化架构的多智能体协同编排引擎系统，包括：

3、插件注册中心模块，其用以获取各功能插件的插件清单文件，并以热插拔方式将各功能插件注册至插件运行时，根据能力描述符生成各功能插件的静态能力向量，并基于各功能插件的历史运行反馈指标动态修正所述静态能力向量，生成各功能插件的实时动态能力向量；

4、意图解析模块，其用以获取用户输入的自然语言任务指令，并生成任务意图向量；

5、任务拆分与插件匹配模块，其用以将所述任务意图向量拆解为多个子任务，并将各子任务与所述实时动态能力向量进行匹配预演，当存在子任务的匹配度小于预设匹配度或闭环验证指数小于预设闭环验证指数时触发拆分粒度回溯调整，输出经匹配验证的子任务序列；

6、工作流编排模块，其用以根据各子任务之间的依赖关系生成初始工作流图，并针对匹配度处于预设匹配度范围或闭环验证指数处于预设闭环验证指数范围的子任务配置备选路径，并预置路径切换条件，输出包含主选路径和备选路径的工作流图；

7、上下文隔离与传递模块，其用以根据工作流图对应各任务节点间的依赖关系确定上下文继承策略，并在检测到上下文污染时触发路径切换信号；

8、执行调度引擎模块，其用以根据所述工作流图调用各子任务对应的功能插件执行，并在子任务不满足预设执行标准时切换至所述备选路径继续执行；

9、插件演化与经验回写模块，其用以聚合各子任务的执行结果并输出，同时将执行反馈回写至所述插件注册中心模块以更新所述动态能力向量，将执行记录存储至经验库，并依据所述经验库触发对应功能插件的动态加载、动态卸载或版本热切换。

10、进一步地，所述插件注册中心模块基于历史运行反馈指标动态修正各功能插件的静态能力向量包括：

11、以当前时刻为终点截取预设时间窗口内的历史运行反馈指标；

12、基于截取的各次历史运行反馈指标的平均值确定各功能插件在各技能维度的实时动态能力值；

13、基于所述实时动态能力值更新该插件的动态能力向量；

14、其中，所述历史运行反馈指标至少包括执行准确率、响应延迟以及资源消耗，所述静态能力向量为各功能插件初始注册时由所述能力描述符映射得到的各技能维度的初始评分值集合。

15、进一步地，所述任务拆分与插件匹配模块中的拆分粒度回溯调整包括：

16、当子任务存在匹配度小于预设匹配度或闭环验证指数小于预设闭环验证指数时，将该子任务重新拆分为更细粒度的子任务，或将该子任务与相邻子任务合并后重新拆分，迭代执行匹配预演与回溯调整，直至所有子任务的匹配度均大于或等于预设匹配度且闭环验证指数大于或等于预设闭环验证指数；

17、其中，所述匹配预演为计算各子任务与所述实时动态能力向量的余弦相似度作为匹配度，将该子任务输出正确性所需的独立验证条件数量与该子任务输出正确性所需的全部验证条件数量的比值作为闭环验证指数，并将匹配度和闭环验证指数与对应预设值进行比较。

18、进一步地，所述工作流编排模块生成初始工作流图包括：

19、获取所述子任务序列中各子任务的描述信息及依赖关系，所述依赖关系包括数据依赖关系和控制依赖关系；

20、以各子任务为节点、以所述依赖关系为有向边，生成有向无环图作为所述初始工作流图，所述有向边的方向由前置子任务指向后置子任务；

21、根据所述有向无环图确定各节点的执行顺序，将无前置依赖的节点标记为起始节点并优先执行，将依赖关系全部满足的节点标记为就绪节点并依序或并行执行，将无后置依赖的节点标记为末尾节点并最后执行；

22、针对匹配度处于预设匹配度范围或闭环验证指数处于预设闭环验证指数范围的子任务所对应的节点，在所述有向无环图中配置备选执行路径及路径切换条件，生成包含主选路径和备选路径的工作流图。

23、进一步地，所述上下文隔离与传递模块根据工作流图对应各任务节点间的依赖关系确定上下文继承策略包括：

24、对于依赖关系类型为当前节点的执行必须完全依赖前置节点的完整输出结果的强依赖关系的任务节点，上下文继承策略为继承前置节点的精简结果摘要信息；

25、对于依赖关系类型为当前节点的执行仅需参考前置节点的结论而非中间推理细节的弱依赖关系的任务节点，上下文继承策略为仅继承前置节点的结论标签信息；

26、对于依赖关系类型为当前节点的执行与前置节点无依赖关系的独立关系的任务节点，上下文继承策略为不继承任何前置上下文信息；

27、其中，所述精简结果摘要信息通过将前置节点的完整输出输入大语言模型进行信息压缩生成。

28、进一步地，所述上下文隔离与传递模块检测上下文污染的方式为：

29、计算当前节点的输入上下文与所述任务意图向量之间的语义相似度，当所述语义相似度小于预设语义相似度时判定存在上下文污染，并触发路径切换信号。

30、进一步地，所述备选路径包括以下类型中的至少一种：

31、使用同一功能插件的备选版本执行子任务的路径；调整子任务执行顺序的路径；使用轻量级插件替代重量级插件执行子任务的路径；以及将子任务降级至插件沙箱隔离执行的路径。

32、进一步地，所述执行调度引擎模块切换至备选路径后，若备选路径执行成功，则将该节点标记为弹性恢复并继续执行后续节点；

33、若备选路径执行失败，则将该子任务与下一子任务合并后重新执行。

34、进一步地，所述子任务不满足预设执行标准包括：主选功能插件执行质量参考值低于预设执行质量参考值、主选功能插件响应超时、主选功能插件输出格式不符合所述标准化接口契约中的至少一种。

35、进一步地，所述经验库中的执行记录包括：任务类型标签、触发路径切换的失败条件、切换前主选功能插件标识、切换后备选路径描述、切换后执行结果评价信息，所述工作流编排模块在生成初始工作流图时，调用所述经验库中与当前任务类型相匹配的历史执行记录以优化备选执行路径的配置策略。

36、与现有技术相比，本发明的有益效果在于，本发明技术方案中，通过实时动态能力向量动态表征各功能插件在各技能维度上的实际执行能力，通过闭环验证指数量化子任务在无外部反馈条件下完成输出结果自检的能力，进而根据匹配度与闭环验证指数共同确定子任务与插件之间的适配状态，能够从源头识别因插件能力退化或任务拆解粒度不当导致的执行失配风险，显著提升任务匹配的准确性与执行可靠性。

37、进一步地，本发明中通过匹配预演机制在任务实际执行前即完成子任务与功能插件的适配性验证，所述匹配度为子任务技能需求向量与插件动态能力向量的余弦相似度，将匹配度小于预设匹配度或闭环验证指数小于预设闭环验证指数的子任务触发拆分粒度回溯调整，有利于聚焦于真正存在适配瓶颈的关键子任务进行细粒度拆分或相邻合并重拆分，避免因任务拆解粒度过粗或过细而掩盖插件能力与子任务需求之间的真实失配程度，提升任务拆解与插件匹配的协同优化能力。

38、进一步地，本发明中通过匹配度与预设匹配度范围的比对判定子任务节点为单一主选路径状态或主备路径并存状态，进而根据不同类型执行风险的成因与严重程度匹配差异化的容错策略，在匹配度处于较高区间时避免过度配置备选路径造成的资源浪费，在匹配度处于临界区间时确保足够强度的弹性冗余机制以应对潜在执行失败风险，提升系统执行容错资源配置的合理性与任务调度的针对性和有效性。

39、进一步地，本发明根据上下文污染检测结果触发路径切换信号，针对工作流执行过程中各任务节点的上下文继承策略进行动态调整，有利于将上下文语义偏离程度及上下文污染风险量化为路径切换的触发条件，使上下文隔离策略与实际执行语义环境精准匹配，进而有效抑制因上下文混淆导致的任务输出偏离、降低结果不可控风险；在路径切换执行后，基于经验库中的历史执行记录针对后续类似任务场景的备选路径配置策略进行优化，有利于在主选路径切换调节效果有限时启动经验驱动的协同补偿机制，通过统计高频失败条件和有效备选策略进一步优化多重备选路径配置，实现系统容错机制的多层级协同与持续演化。

40、进一步地，本发明通过插件演化与经验回写模块将执行反馈回写至插件注册中心以更新动态能力向量，同时将执行记录存储至经验库并据此触发功能插件的动态加载、动态卸载或版本热切换，系统无需停机即可完成插件能力的动态修正与替换，持续提升系统整体的任务执行成功率与资源利用效率。