一种基于情绪权重记忆管理的AI优化决策系统的制作方法

本发明涉及生物模型，尤其涉及一种基于情绪权重记忆管理的ai优化决策系统。

背景技术：

1、现有ai对话多采用单一的大语言模型推理通道处理所有任务，简单问题与复杂问题共享相同的计算资源，导致简单场景响应延迟、词元消耗高，而复杂场景又缺乏足够的推理深度，在记忆管理方面，现有方案主要依赖对话历史的向量检索，缺乏基于事件重要性的差异化记忆保留与主动遗忘机制，所有记忆被同等对待，导致记忆库臃肿、检索质量下降，此外，现有智能体缺乏对用户情绪的实时感知与自适应响应能力，也无法将已验证的解决方案自动固化为可复用的规则，用户的重复使用不会带来系统效率的提升和情感的适配。

2、公开号为cn121434926b的中国专利文件公开了一种多智能体交互系统的记忆管理方法，通过任务记忆、对话记忆、状态记忆三个层级进行分级存储，然而，此方案仅聚焦于记忆的分层存储架构，未涉及认知决策的分层设计，简单任务仍需调用完整推理流程，导致响应慢且成本高。

3、公开号为cn122045365a的中国专利文件公开了一种多智能体协作决策与认知进化方法及系统，通过三层仲裁引擎进行主导权裁决，并将对话经验沉淀为知识图谱，然而，此方案面向多智能体间的协作仲裁，缺乏单个智能体内部的情绪权重驱动的差异化记忆管理，重复问题反复进行完整推理，造成算力空耗。

4、公开号为cn122113163a的中国专利文件公开了一种基于端侧隐私计算的记忆驱动、情绪感知与输出可控ai实现方法，构建以认知因果权重为分级标准的专属记忆系统，然而，此方案仅将情绪作为记忆分级的辅助因子，未形成独立的情绪决策脑区，也未涉及认知分层决策与经验固化机制，导致用户情绪适配度不足。

技术实现思路

1、有鉴于此，本发明提供一种基于情绪权重记忆管理的ai优化决策系统，用以克服现有技术中缺乏认知分层决策、差异化记忆管理与经验固化能力，导致简单任务响应慢且成本高、重复问题算力空耗、用户情绪适配度不足的问题。

2、具体地，本发明是通过如下技术方案实现的：

3、根据本发明提供的一种基于情绪权重记忆管理的ai优化决策系统，包括：

4、信息采集模块，用以对用户消息信息进行采集；

5、三脑并行模块，用以根据用户消息信息对标准化事件对象进行获取，并根据标准化事件对象进行三脑并行处理，得到并行处理结果；

6、情绪驱动模块，用以根据并行处理结果进行综合仲裁，得到仲裁结果，还用以根据仲裁结果对交互情绪权重值进行输出；

7、记忆管理模块，用以根据交互情绪权重值对记忆管理策略进行输出，并对记忆管理策略的输出过程进行策略调整，还用以根据记忆管理策略进行规则总结，得到目标新规则和新规置信度，还用以根据目标新规则和新规置信度对三脑并行处理的过程进行规则固化；

8、规则更新模块，用以对规则固化的过程进行规则更新，还用以对综合仲裁的过程进行仲裁更新。

9、可选地，所述三脑并行模块根据用户消息信息对标准化事件对象进行获取，具体为：对用户消息信息进行字段提取，得到目标关键字段，并对目标关键字段进行系统字段补充，生成补充后字段，还对补充后字段进行结构化封装，得到标准化事件对象。

10、可选地，所述三脑并行模块根据标准化事件对象进行三脑并行处理，具体包括以下步骤：

11、步骤s1，将标准化事件对象分别传输至本能脑单元、情绪脑单元、理性脑单元；

12、步骤s2，所述本能脑单元将标准化事件对象与预设规则库进行标识匹配，得到本能匹配结果，所述本能匹配结果包括紧急标志位、规则命中状态和执行动作；

13、步骤s3，所述情绪脑单元根据标准化事件对象对情绪即时分g进行计算，并将情绪即时分g作为情绪感知结果；

14、步骤s4，所述理性脑单元根据标准化事件对象对问题复杂度f进行计算，并将问题复杂度f作为理性分析结果；

15、步骤s5，将本能匹配结果、情绪感知结果、理性分析结果作为并行处理结果进行输出。

16、可选地，所述情绪驱动模块根据并行处理结果进行综合仲裁，具体为：当紧急标志位为真时，则将紧急避险作为仲裁结果进行输出；

17、当紧急标志位为假且情绪即时分g大于等于第一预设阈值g1时，则将情绪共情作为仲裁结果进行输出；

18、当紧急标志位为假且情绪即时分g小于第二预设阈值g2且规则命中状态为真时，则将快速响应作为仲裁结果进行输出；

19、否则，将深度分析作为仲裁结果进行输出；

20、其中，g2＜g1。

21、可选地，所述情绪驱动模块根据仲裁结果对交互情绪权重值进行输出，具体为：根据仲裁结果对合并内容文本进行获取，并根据合并内容文本进行用户回复，得到用户反馈，并根据用户反馈得到用户纠正事件系数uc和结果反馈评分rf，根据用户纠正事件系数uc、结果反馈评分rf、交互强度li、时间异常度tm对交互情绪权重值ew进行计算，设定ew=uc×α1+li×α2+rf×α3+tm×α4，其中，α1为用户纠正事件系数权重系数，α2为交互强度权重系数、α3为结果反馈评分权重系数、α4为时间异常度权重系数，且α1+α2+α3+α4=1。

22、可选地，所述记忆管理模块根据交互情绪权重值对记忆管理策略进行输出，具体为：将交互情绪权重值ew与第一预设交互情绪权重值ew1和第二预设交互情绪权重值ew2进行比对，且ew1＜ew2，根据比对结果对交互情绪权重值的状态进行判断，并根据判断结果对记忆管理策略进行输出，其中：

23、当ew≥ew2时，所述记忆管理模块判定交互情绪权重值的状态为高权重，将永久保留策略作为记忆管理策略进行输出；

24、当ew1≤ew＜ew2时，所述记忆管理模块判定交互情绪权重值的状态为中权重，将条件保留策略作为记忆管理策略进行输出；

25、当ew＜ew1时，所述记忆管理模块判定交互情绪权重值的状态为低权重，将临时保留策略作为记忆管理策略进行输出。

26、可选地，所述记忆管理模块根据记忆管理策略进行规则总结，具体为：当记忆管理策略为永久保留策略时，在每日复盘期内，对交互触发次数pm进行获取，将交互触发次数pm和满意度评分mf分别与预设交互触发次数pm0和预设满意度评分mf0进行比对，根据比对结果对新规生成必要性进行判断，并根据判断结果对目标新规则和新规置信度进行输出，其中：

27、当pm＞pm0且mf≥mf0时，所述记忆管理模块判定新规生成必要性为必要，对目标新规则和新规置信度进行输出：通过规则挖掘算法对永久保留策略对应的交互记录进行模式提取，得到目标新规则，并通过规则验证集对目标新规则的准确率进行测试，将目标新规则的准确率作为新规置信度cr进行输出；

28、否则，所述记忆管理模块判定新规生成必要性为不必要，不对目标新规则和新规置信度进行输出。

29、可选地，所述记忆管理模块根据目标新规则和新规置信度对三脑并行处理的过程进行规则固化，具体为：将新规置信度cr与第一预设新规置信度cr1和第二预设新规置信度cr2进行比对，且cr1＜cr2，根据比对结果对新规置信度的状态进行判断，并根据判断结果对三脑并行处理的过程进行规则固化，其中：

30、当cr≥cr2时，所述记忆管理模块判定新规置信度的状态为高置信度，对三脑并行处理的过程进行规则固化：将目标新规则写入本能脑单元的预设规则库；

31、当cr1≤cr＜cr2时，所述记忆管理模块判定新规置信度的状态为中置信度，不对三脑并行处理的过程进行规则固化，并对目标新规则进行观察期验证；

32、当cr＜cr1时，所述记忆管理模块判定新规置信度的状态为低置信度，不对三脑并行处理的过程进行规则固化，并将目标新规则进行物理删除。

33、可选地，所述规则更新模块对规则固化的过程进行规则更新，具体为：对核对准确率z进行获取，将核对准确率z与预设核对准确率z0进行比对，根据比对结果对核对准确率的达标状态进行判断，并根据判断结果对规则固化的过程进行规则更新，其中：

34、当z≥z0时，所述规则更新模块判定核对准确率的达标状态为达标，对规则固化的过程进行规则更新：将新规置信度的状态为中置信度提升为高置信度；

35、当z＜z0时，所述规则更新模块判定核对准确率的达标状态为不达标，对规则固化的过程进行规则更新：将新规置信度的状态为高置信度降低为中置信度，将新规置信度的状态为中置信度降低为低置信度，并对低置信度对应的目标新规则进行物理删除。

36、可选地，所述规则更新模块对综合仲裁的过程进行仲裁更新，具体为：对特殊场景冲突进行获取，所述特殊场景冲突包括存在冲突和不存在冲突，其中：

37、当特殊场景冲突为不存在冲突时，不对仲裁结果的输出过程进行仲裁更新；

38、当特殊场景冲突为存在冲突时，对仲裁结果的输出过程进行仲裁更新：在同类场景触发情况下，对上调量β进行获取，根据上调量β对情绪即时分g进行更新，得到更新后情绪即时分gp，设定gp=g+β，将更新后情绪即时分gp作为情绪即时分g。