一种基于四类协作协议的多智能体任务编排方法与流程

本申请涉及人工智能与多智能体系统技术，具体涉及一种用于生鲜产业互联网平台、供应链管理系统等复杂业务场景下的多智能体任务编排系统及方法。该系统通过标准化的四类协作协议，实现任务分发、结果校验、异常上报及辩论优化的全流程自动化协同，有效提升多智能体集群的执行效率与决策可靠性。

背景技术：

1、随着人工智能技术的快速发展，多智能体系统被广泛应用于自动化调度、智能决策等领域。然而，现有的多智能体协作机制仍存在显著的技术瓶颈。首先，主从式架构中，主智能体下发任务后缺乏标准化的结果校验机制，导致错误结果无法被自动拦截，任务返工率高。其次，当智能体遭遇超出自身能力边界的问题（如模糊意图识别、业务规则冲突）时，缺乏统一的上报流程，往往造成任务无限期挂起或错误累积。再次，面对多个智能体对同一问题的判断分歧（如定价冲突、分类差异），现有系统缺乏结构化的协商机制，通常依赖人工仲裁，响应滞后且主观性强。最后，不同智能体间的接口规范各异，导致系统扩展性差，新智能体接入成本居高不下。因此，构建一套覆盖任务全生命周期、具备自我修正与决策博弈能力的标准化协作协议体系，成为亟待解决的技术难题。

技术实现思路

1、本发明要解决的技术问题是：现有多智能体系统在协同执行复杂任务时，普遍存在任务意图传达模糊导致执行偏差、缺乏标准化校验机制导致输出质量不可控、异常处置流程缺失导致任务易中断，以及多智能体决策分歧缺乏结构化解决机制导致决策效率低且主观性强的问题。

2、为解决上述技术问题，本发明提供的技术方案是：一种基于四类协作协议的多智能体任务编排系统，通过协议调度模块统筹任务分发、结果校验、异常上报及辩论优化四个标准化协议模块，构建覆盖任务全生命周期的闭环协作体系。该系统包括：

3、任务分发模块、结果校验模块、异常上报模块、辩论优化模块及协议调度模块。

4、任务分发模块依据任务分发协议生成标准化的任务描述对象。该对象包含任务目标字段、执行标准字段、截止时间字段及输出格式字段。其中，执行标准字段定义准确率、时效性等可量化指标，输出格式字段规范数据结构。该设计通过结构化描述消除了人机及机机之间的理解歧义，提升了任务执行的准确性。

5、结果校验模块对接任务分发模块，对子智能体返回的结果进行合规性及准确性校验。其内部设有合规性校验单元和重试计数单元。当校验不通过时，触发重新执行指令；当连续失败次数超过阈值，重试计数单元自动触发异常上报流程。这种闭环校验机制有效保障了任务产出的质量下限。

6、异常上报模块负责处理系统运行中的非正常状态。异常检测单元识别输入无法识别、业务规则冲突等异常，报告生成单元生成包含异常类型、问题描述及脱敏上下文数据的异常报告，并通过交互单元上报至人类直接责任人。此举建立了智能体与人类专家的高效沟通渠道，避免了系统因未知异常而崩溃。

7、辩论优化模块用于解决多智能体间的决策分歧。观点管理单元收集各智能体的判断结论及支撑数据（如历史案例、模型置信度、特征重要性）；迭代收敛单元控制辩论轮次，防止资源浪费；最优方案输出单元基于加权投票或置信度排序算法输出最终决策。该模块赋予了系统自洽的冲突解决能力，提升了决策的鲁棒性。

8、协议调度模块是系统的核心枢纽，与各模块通信连接，响应于任务生命周期的事件触发，动态调度并启动对应的协议模块。所述事件触发包括但不限于任务状态变更为完成、失败或超时，以及外部系统发送的api回调信号。该模块建立了四类协议间的逻辑调用关系：任务分发后触发校验；校验失败超限触发上报；分发前存在分歧触发辩论；辩论结果作为新任务回流分发。这种调度机制实现了任务处理的自动化闭环。

9、此外，系统还包括知识库存储模块，配置为存储辩论优化模块产生的输入数据、中间辩论日志及最终收敛的最优方案；所述辩论优化模块还配置为在触发辩论时，调用所述知识库存储模块中的历史数据进行辅助决策。

10、基于上述系统，本实施还提供了一种多智能体任务编排方法，通过协议调度模块统筹任务分发、校验、上报及辩论优化的执行顺序，实现业务流程的自动化流转。同时，本申请还提供了存储有相应计算机程序的存储介质，以实现上述方法的物理承载。

11、本技术方案相较于现有技术具有显著的优势：

12、1、通过设置包含任务目标、执行标准及输出格式的标准化任务描述对象，将非结构化的业务需求转化为机器可读的结构化契约，从源头消除了自然语言的模糊性和理解歧义。配合结果校验模块对执行结果的合规性及准确性进行强制性闭环校验，有效拦截了不符合预期的输出，显著提升了任务交付的一致性与可靠性。

13、2、引入重试计数机制与异常上报机制，构建了基于阈值的负反馈控制回路。系统能够自动识别偶发性错误并尝试自我修正，同时在遭遇超出自身能力边界的未知异常时，自动生成包含上下文快照的结构化诊断报告并上报至人类监管端。这种“机器诊断、人类决策”的模式，避免了任务因未知错误而无限期挂起，大幅增强了系统在复杂环境下的鲁棒性。

14、3、针对多智能体间的决策分歧，摒弃了简单的多数投票机制，转而采用基于数据驱动的结构化辩论与加权评分模型。该模型综合考虑了各智能体输出结果的置信度与历史权重，能够有效过滤低质量的噪声信号，降低个体极端意见对最终决策的干扰，从而在多源信息冲突的场景下输出更加稳健、科学的最优方案。

15、4、四类协作协议定义了统一的接口规范与数据交互标准，使得系统内各智能体之间实现了解耦。新智能体仅需遵循既定的协议格式即可快速接入集群，无需对现有系统进行大规模改造。这种“即插即用”的特性显著降低了系统的开发难度与后期维护成本，提高了系统的可扩展性。

16、5、通过设置知识库存储模块，系统能够将辩论过程中的输入数据、论据交换记录及最终收敛方案进行关联存储。在面对后续相似的争议场景时，系统可自动调用历史数据进行辅助决策，避免了重复计算与重复辩论，使得系统的决策效率与准确性随运行时间的增加而不断提升，实现了系统的自我进化。

1.一种多智能体任务编排系统，其特征在于，包括：

2.根据权利要求1所述的系统，其特征在于，所述任务描述对象还包括截止时间字段，所述截止时间字段用于规定所述子智能体完成并返回执行结果的时限；

3.根据权利要求1所述的系统，其特征在于，所述结果校验模块包括：

4.根据权利要求1所述的系统，其特征在于，所述异常上报模块包括：

5.根据权利要求1所述的系统，其特征在于，所述辩论优化模块包括：

6.根据权利要求5所述的系统，其特征在于，所述最优方案输出单元通过以下加权评分模型确定所述最优方案：

7.根据权利要求1所述的系统，其特征在于，所述协议调度模块建立的调用关系具体包括：

8.根据权利要求1所述的系统，其特征在于，还包括知识库存储模块，配置为存储所述辩论优化模块产生的输入数据、中间辩论日志及最终收敛的最优方案；

9.一种基于四类协作协议的多智能体任务编排方法，其特征在于，包括以下步骤：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求9所述的基于四类协作协议的多智能体任务编排方法。