基于大语言模型的低空管理任务智能调度方法、系统及设备与流程

本技术涉及低空管理，具体涉及一种基于大语言模型的低空管理任务智能调度方法、系统及设备。

背景技术：

1、随着低空经济的快速崛起，以无人机物流配送、空中巴士、低空巡检、空域航线管理为代表的低空衍生业务日益繁忙，低空空域的资源利用效率和任务处理能力已成为行业发展的核心瓶颈。在低空管理任务的处理初期，业界主要采用传统的管理调度方式，即通过人工干预或简单的规则引擎进行任务分配与资源协调。随着信息化水平的提升，传统的管理调度方式逐步升级为当前的系统管理方式，即通过集中式的信息系统对低空飞行器进行统一调度和管理。

2、然而，在当前数字化和智能化加速发展的背景下，复杂低空任务的执行往往需要跨越多个领域、场景和环境的服务。例如，一次典型的低空物流任务可能同时涉及航线规划、气象数据分析、空域冲突检测、飞行器状态监控以及应急响应等多个环节。现有的系统管理方式虽然能够适用于一般的、泛化的简单任务处理，但其处理逻辑相对固化，难以有效应对复杂场景下的动态变化和实时性需求。

3、为了应对上述挑战，行业内进入了第二阶段的发展，即根据具体应用场景的需求，开发定制化的个性处理方案。例如，针对无人机物流场景开发专用的航线规划模块，针对空中巴士场景开发专用的安全监控模块。这种定制化开发模式在一定程度上提升了系统处理复杂任务的能力。然而，个性化处理方案也存在着明显的固化问题。首先，面对新出现的应用场景，需要针对该场景重新进行定制化开发，导致时间成本和金钱成本高昂。其次，若希望对旧有处理逻辑中的某个功能环节进行替换或升级，例如更换一个更优的路径规划算法，也需要对整个处理流程进行重新开发和测试，维护成本极高。更重要的是，当系统遭遇未曾预设的突发状况时，例如突发恶劣天气或临时空域管制，由于系统中未设置对应的应对策略，缺乏灵活性的固化处理逻辑往往会导致系统陷入瘫痪，无法进行有效响应。

4、因此，针对低空管理任务的智能调度处理，迫切需要引入更高级的智能化技术，以提升系统的自适应能力和泛化能力，从而能够在面对复杂场景以及突发状况时做出灵活、有效的应答。

5、针对上述背景技术中提到的低空管理系统固化、难以应对复杂场景的问题，近年来业界开始尝试引入大型语言模型（llm）以提升系统智能化水平。llm在自然语言理解、推理和生成方面展现出卓越能力，与传统的基于规则的系统不同，llm驱动的任务处理表现出一定的灵活性，能够在陌生环境中通过上下文学习适应新情况。然而，在将llm应用于低空管理任务调度这一特定技术领域时，现有技术方案仍存在以下缺陷：首先，当处理高度复杂、动态变化且包含多重约束的低空管理任务时，直接依赖单一llm的整体处理模式无法充分发挥其潜力，常常导致任务分解不合理、推理链过长以及处理效率受限等问题；其次，现有技术缺乏将llm推理能力与外部功能api进行有效结合的机制，无法实现任务的动态拆解与工具映射，使得llm难以真正落地执行具体的、可操作的低空管理指令；最后，现有系统普遍采用预定义的静态工作流，缺乏动态的任务编排能力，当遭遇未预设的突发状况时，仍无法自适应调整。

技术实现思路

1、本技术目的在于提供一种基于大语言模型的低空管理任务智能调度方法、系统及设备，解决了现有低空管理任务处理系统在面对复杂场景时存在的固化僵化、自适应能力差、维护成本高的问题。

2、本技术通过下述技术方案实现：

3、本技术第一方面提供一种基于大语言模型的低空管理任务智能调度方法，包括：

4、获取用户通过人机交互提交的低空管理任务请求；所述低空管理任务请求为描述低空管理的自然语言任务请求；

5、将所述低空管理任务请求输入大语言模型进行处理，使所述大语言模型查询工具注册列表中各个工具的属性信息，确定所述低空管理任务对应的可执行性；所述可执行性为可执行或不可执行；

6、在所述可执行性为不可执行的情况下，则调用预设的网络搜索引擎进行信息检索以尝试回答，或直接向用户返回无法处理该请求的响应信息；

7、在所述可执行性为可执行的情况下，则调度所述大语言模型对所述低空管理任务请求进行语义解析以及逻辑拆解，获取多个具有执行顺序逻辑的子任务；

8、调度所述大语言模型为所述多个具有执行顺序逻辑的子任务匹配对应的待调用工具，形成子任务与工具之间的映射关系；

9、根据所述任务与工具之间的映射关系以及工具注册列表，依次调度工具对各个子任务进行执行，获取子任务执行结果；

10、将所有子任务执行结果汇集至所述大语言模型中，以使所述大语言模型对所述所有子任务执行结果进行综合分析、语义理解和逻辑整合，生成最终执行结果，并返回给用户。

11、在一种可能的实施方式中，所述工具设置为六元组结构，具体为：

12、；

13、其中，表示工具，表示工具对应的唯一标识符，表示工具对应的自然语言功能描述，表示工具的类型标签，表示工具的可执行实体，表示工具的输入规范，表示工具的输出规范。

14、在一种可能的实施方式中，还包括：

15、在任意一个所述工具的输出规范与另一个工具输入规范完全匹配的情况下，则将两个工具顺序构成工具组合；

16、在多个工具在相互之间不存在数据依赖关系的情况下，则将多个工具并行构成工具组合；

17、在所述大语言模型查询以及调度工具的过程中，允许查询以及调度所述工具组合。

18、在一种可能的实施方式中，将所述低空管理任务请求输入大语言模型进行处理，使所述大语言模型查询工具注册列表中各个工具的属性信息，确定所述低空管理任务对应的可执行性，包括：

19、将所述低空管理任务请求输入大语言模型进行处理，使所述大语言模型查询工具注册列表中各个工具的属性信息；所述属性信息至少包括输入需求集、输出承诺集以及功能描述；

20、当所述低空管理任务请求与所述工具注册列表中任一工具的输入需求集、输出承诺集以及功能描述匹配时，则确定所述低空管理任务对应的可执行性为可执行，否则确定为不可执行。

21、在一种可能的实施方式中，所述大语言模型所在抽象层的核心服务接口设置为：

22、；

23、其中，表示大语言模型的生成服务，表示输入至大语言模型的提示信息，所述提示信息包括所述低空管理任务请求对应的语义描述以及上下文数据；表示大语言模型调用配置参数集，表示大语言模型返回的响应结果，表示将函数将输入映射到输出。

24、在一种可能的实施方式中，所述大语言模型调用配置参数集设置为：

25、；

26、其中，表示温度参数；表示最大输出令牌数；表示核采样参数；表示频率惩罚系数；表示存在惩罚系数。

27、在一种可能的实施方式中，根据所述任务与工具之间的映射关系以及工具注册列表，依次调度工具对各个子任务进行执行，获取子任务执行结果，包括：

28、初始化上下文信息为：；其中，表示初始化的上下文信息，表示空集；

29、对于各个子任务，根据所述任务与工具之间的映射关系以及工具注册列表进行执行：

30、；

31、；

32、；

33、；

34、其中，表示第k个工具，表示第j个子任务，j=1,2,...,m；m表示子任务总数，其中，表示第k个工具，表示第j个子任务，j=1,2,...,m；m表示子任务总数，表示任务与技能映射操作，表示第j个子任务的输入数据，表示输入提取操作，表示第j-1步执行后的上下文，表示第j个子任务的执行输出，表示技能执行操作，表示第j步执行后的上下文；

35、将所有子任务对应的共同作为子任务执行结果。

36、在一种可能的实施方式中，将所有子任务执行结果汇集至所述大语言模型中，以使所述大语言模型对所述所有子任务执行结果进行综合分析、语义理解和逻辑整合，生成最终执行结果为：

37、；

38、其中，表示最终执行结果，表示大语言模型，表示汇总生成操作，表示最后一个子任务执行完毕后、包含了所有子任务输出结果，表示原始用户任务请求。

39、基于同一发明构思，本技术第二方面一种基于大语言模型的低空管理任务智能调度系统，包括：

40、交互层，用于获取用户通过人机交互提交的低空管理任务请求；所述低空管理任务请求为描述低空管理的自然语言任务请求；

41、工具层，用于封装低空管理领域中处理离散业务的工具，并维护工具注册列表；

42、编排层，用于将所述低空管理任务请求输入大语言模型进行处理，使所述大语言模型查询工具注册列表中各个工具的属性信息，确定所述低空管理任务对应的可执行性；所述可执行性为可执行或不可执行；在所述可执行性为不可执行的情况下，则调用预设的网络搜索引擎进行信息检索以尝试回答，或直接向用户返回无法处理该请求的响应信息；在所述可执行性为可执行的情况下，则调度所述大语言模型对所述低空管理任务请求进行语义解析以及逻辑拆解，获取多个具有执行顺序逻辑的子任务；调度所述大语言模型为所述多个具有执行顺序逻辑的子任务匹配对应的待调用工具，形成子任务与工具之间的映射关系；根据所述任务与工具之间的映射关系以及工具注册列表，依次调度工具对各个子任务进行执行，获取子任务执行结果；将所有子任务执行结果汇集至所述大语言模型中，以使所述大语言模型对所述所有子任务执行结果进行综合分析、语义理解和逻辑整合，生成最终执行结果，并返回给用户。

43、基础设施层，用于提供交互层、工具层以及编排层的算力支撑以及大语言模型推理能力。

44、基于同一发明构思，本技术第三方面提供一种电子设备，包括处理器和存储器；

45、所述存储器存储计算机执行指令；

46、所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如第一方面任一实施方式中所述的基于大语言模型的低空管理任务智能调度方法。

47、本技术与现有技术相比，具有如下的优点和有益效果：

48、本技术公开了一种基于大语言模型的低空管理任务智能调度方法、系统及设备，该方法通过获取用户自然语言任务请求，输入大语言模型确定可执行性，不可执行时调用搜索引擎或返回无法处理信息；可执行时调度大语言模型对低空管理任务请求进行语义解析以及逻辑拆解，获取多个具有执行顺序逻辑的子任务；然后调度大语言模型形成子任务与工具之间的映射关系，并依次调度工具对各个子任务进行执行，获取子任务执行结果；最后将所有子任务执行结果汇集至大语言模型中，以使大语言模型对所有子任务执行结果进行综合分析、语义理解和逻辑整合，生成最终执行结果，并返回给用户，提升了系统对复杂场景和突发状况的应答能力，降低了开发、测试和维护成本，提高了资源利用效率。