用多智能体基于德尔菲法的非结构化文本评审方法及系统与流程

本技术属于人工智能及自然语言处理，特别涉及一种用多智能体基于德尔菲法的非结构化文本评审方法及系统。

背景技术：

1、目前，针对非结构化文本的评审主要依赖人工专家会议或同行评审机制。例如专利cn108664663a设计了一种基于服务端的协同评审机制，通过预设规则自动匹配评审人员并管理反馈交互，最终依据人工审批结果驱动后续流程（如代码合并）的自动化流转。但这种模式不仅深受“群体思维”与“光环效应”等认知偏差影响导致决策缺乏客观性，且高昂的人力时间成本与敏捷开发的高频迭代需求存在根本矛盾，致使评审常流于形式，难以实现隐性知识的系统化沉淀。

2、为了缓解人工评审的压力，业界引入了静态分析工具及基于自然语言处理的通用文档处理技术（如ocr、文档分类及摘要生成工具）。如专利cn118780767a利用知识图谱分析结构异常，并生成评审建议，以缓解人工压力。但此类工具普遍存在语义理解瓶颈，多局限于文档结构提取或浅层关键词匹配，缺乏对深层设计意图、复杂业务逻辑及非功能性需求的推理能力，本质上仅停留在文档的“形式”层面而无法触及内容的“实质逻辑”。

3、基于目前的技术局限，非结构化文本评审领域面临着两难困境：人工评审虽然能理解复杂逻辑，但效率低、成本高，且容易受主观判断影响，难以跟上快速开发的节奏；而目前的自动化工具虽然处理速度快，却大多只能进行简单的关键词或格式检查，无法真正读懂文档背后的业务意图。

技术实现思路

1、为解决上述问题，本技术提出一种利用多智能体扮演评审专家组，并采用德尔菲法（delphi method）对非结构化文本进行自动化、多轮、匿名评审的方法及系统。其核心思想在于将大型语言模型（llm）的多样化、深度的推理能力与德尔-菲法的结构化、消除偏见的共识流程进行创造性结合。通过模拟一个匿名的、无偏见的、由多领域虚拟专家组成的委员会，实现对非结构化文本的深度、一致、高效且可追溯的自动化评审。

2、本技术提供了一种用多智能体基于德尔菲法的非结构化文本评审方法，包括：

3、对待评审的非结构化文档进行解析、结构化和分块处理，得到结构化文档内容；

4、根据所述结构化文档内容的文档类型或内容特征，从多智能体池中选取一组具有不同评审角色的智能体并实例化，组建虚拟评审专家组；

5、通过德尔菲法协调器编排整个匿名多轮评审流程，对评审意见执行匿名化汇总、反馈与迭代收敛，直至满足预设结束条件时结束评审流程；

6、生成结构化评审报告。

7、可选的，所述匿名多轮评审流程，包括：

8、向所述虚拟评审专家组中的每个智能体分发评审任务和所述结构化文档内容，各智能体基于其评审角色独立进行第一轮评审，生成第一轮评审意见；

9、通过德尔菲法协调器收集所有智能体的评审意见，进行匿名化处理并生成匿名化反馈摘要；

10、将所述匿名化反馈摘要分发给所有智能体，各智能体基于所述匿名化反馈摘要重新审视所述结构化文档内容并调整自身评审意见，生成新一轮的评审意见；

11、重复执行匿名化汇总与迭代评审，直至满足预设结束条件时结束评审流程。

12、可选的，所述通过德尔菲法协调器收集所有智能体的评审意见，进行匿名化处理并生成匿名化反馈摘要，包括：

13、隐去能够识别意见来源智能体的标识信息；

14、运用自然语言处理技术对评审意见进行语义聚类和摘要，识别共识点、分歧点及独特见解；

15、生成结构化的匿名化反馈摘要。

16、可选的，所述对评审意见进行语义聚类和摘要，包括：

17、使用句子嵌入模型将每条评审意见转换为高维向量，应用密度聚类算法将语义相似的评审意见归为一类，并调用大型语言模型为每一类生成摘要性标题。

18、可选的，所述预设结束条件包括：

19、在每一轮迭代结束后，所述德尔菲法协调器模块基于预设的共识阈值计算当前共识水平，若共识水平达到所述共识阈值或达到预设的最大迭代次数，则结束评审流程。

20、可选的，所述共识阈值包括针对可量化指标的统计离散度阈值和/或针对定性意见的关键缺陷认同率阈值。

21、可选的，所述结构化评审报告包含共识性发现、未决议题以及评审过程追溯信息；

22、其中，所述评审过程追溯信息以可视化方式展示关键问题在多轮迭代中的观点演进路径。

23、基于同一发明构思，本技术还提供了一种用多智能体基于德尔菲法的非结构化文本评审系统，包括：

24、输入处理模块，用于对待评审的非结构化文档进行解析、结构化和分块处理，得到结构化文档内容；

25、智能体编排模块，用于根据所述结构化文档内容的文档类型或内容特征，从多智能体池中选取一组具有不同评审角色的智能体并实例化，组建虚拟评审专家组；

26、德尔菲法协调模块，用于通过德尔菲法协调器编排整个匿名多轮评审流程，对评审意见执行匿名化汇总、反馈与迭代收敛，直至满足预设结束条件时结束评审流程；

27、报告生成模块，用于生成结构化评审报告。

28、可选的，所述系统还包括多智能体池，包含多个由大型语言模型驱动的可配置智能体实例，各智能体基于其评审角色独立执行评审任务。

29、再一方面，本技术还提供了一种计算设备，包括：至少一个处理器和存储器；

30、所述存储器，用于存储一个或多个程序；

31、当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的一种用多智能体基于德尔菲法的非结构化文本评审方法。

32、再一方面，本技术还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的一种用多智能体基于德尔菲法的非结构化文本评审方法。

33、与现有技术相比，本技术具有如下优点：

34、本技术提供了一种用多智能体基于德尔菲法的非结构化文本评审方法及系统，包括：对待评审的非结构化文档进行解析、结构化和分块处理，得到结构化文档内容；根据所述结构化文档内容的文档类型或内容特征，从多智能体池中选取一组具有不同评审角色的智能体并实例化，组建虚拟评审专家组；通过德尔菲法协调器编排整个匿名多轮评审流程，对评审意见执行匿名化汇总、反馈与迭代收敛，直至满足预设结束条件时结束评审流程；生成结构化评审报告。

35、本技术的有益效果如下：

36、1.本技术利用德尔菲法机制，通过对智能体身份与意见的匿名化处理，有效降低了传统评审中群体思维或光环效应带来的认知偏见，确保评审结论基于客观标准而非角色权威。

37、2.本技术将人工评审转化为自动化并行计算任务，大幅缩短了组织与执行周期。该机制支持集成至ci/cd流水线，可作为自动化的质量门禁，适应敏捷开发的高频迭代需求。

38、3.本技术通过动态组合不同技术角色（如安全、性能、合规等）的智能体，克服了单一人工团队的知识盲区。这种多角色协同机制实现了对文档的结构化、多视角分析，有效减少了缺陷遗漏。

39、4.本技术的自动化流程消除了人为状态波动对评审质量的影响，确保评审始终遵循统一的逻辑。基于版本化管理的规则库，使得评审过程标准可控，具备稳定的可重复性。

40、5.本技术将专家经验与行业标准固化为外部知识库，避免了因人员流动导致的知识流失。系统可通过更新知识库配置快速适配新标准或新风险模式，具备灵活的可维护性与扩展性。

41、6.本技术不仅输出最终结论，还完整记录了智能体之间从分歧到共识的评审演进路径。这种透明的决策记录为技术决策提供了可审计的依据，满足高合规性场景的监管要求。

42、本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。