任务处理方法、装置及计算机可读存储介质与流程

本公开涉及人工智能，特别涉及一种任务处理方法、装置及计算机可读存储介质。

背景技术：

1、随着大语言模型（large language model，llm）技术的发展，大语言模型与外部工具或应用程序编程接口（application programming interface, api）集成的能力，使其逐渐从传统的对话式聊天机器人转变为复杂应用系统的核心处理组件，从而能够通过调用外部工具来扩展其功能范围。

2、相关技术中，大语言模型与外部工具之间的调用关系往往需要预先进行手动配置。

技术实现思路

1、本公开的发明人发现上述相关技术中存在如下问题：调用外部工具处理用户任务的可靠性较低。

2、为了解决上述问题，本公开实施例提供如下解决方案。

3、根据本公开的一些实施例，提供了一种任务处理方法，包括：对用户任务进行分解，以得到多个子任务；根据所述多个子任务中每个子任务的任务约束、以及所述每个子任务与多个工具中每个工具之间的匹配度，确定候选工具集合；利用大语言模型从所述候选工具集合中确定目标工具；调用所述目标工具处理所述多个子任务。

4、在一些实施例中，所述匹配度根据所述每个子任务的描述信息与多个工具中每个工具的描述信息之间的语义相似度确定。

5、在一些实施例中，所述确定候选工具集合包括：根据所述语义相似度，从所述多个工具中确定与所述每个子任务的功能需求匹配的初始工具集合；从所述初始工具集合中确定满足所述任务约束的所述候选工具集合，所述候选工具集合包括满足所述任务约束且所述语义相似度大于阈值的至少一个工具。

6、在一些实施例中，所述根据用户任务的任务目标对所述用户任务进行分解，以得到多个子任务包括：利用所述大语言模型对所述用户任务进行处理，以得到实现所述任务目标的多个分解方案；根据所述每个分解方案的复杂度、所述每个分解方案与所述用户任务之间的语义相似度、以及所述大语言模型对所述每个分解方案的评估结果，从所述多个分解方案中确定目标分解方案；按照所述目标分解方案将所述用户任务分解为所述多个子任务。

7、在一些实施例中，所述每个分解方案的复杂度根据按照所述每个分解方案分解后的多个子任务中每个子任务的执行复杂度和所述分解后的多个子任务之间的数据传递复杂度确定。

8、在一些实施例中，所述执行复杂度根据以下中的至少一个确定：所述分解后的多个子任务中每个子任务的工具调用复杂度，所述工具调用复杂度与调用工具的数量、工具调用的参数复杂度相关；所述分解后的多个子任务中每个子任务的输入输出数据复杂度，所述输入输出数据复杂度与输入数据的数量、输出数据的数据结构相关；所述分解后的多个子任务的执行成本，所述执行成本与计算资源消耗、执行时间相关。

9、在一些实施例中，所述数据传递复杂度根据以下中的至少一个确定：所述分解后的多个子任务的依赖关系的深度；所述分解后的多个子任务之间的数据传递量，所述数据传递量与中间数据的规模、数据格式转换次数相关。

10、在一些实施例中，所述评估结果由所述大语言模型基于分解方案的可行性、逻辑性、完整性对所述每个分解方案进行评估得到。

11、在一些实施例中，所述每个工具的描述信息包括所述每个工具的功能描述、处理的任务类型、处理的数据形式、响应延迟的阈值、历史调用成功率中的至少一种信息。

12、在一些实施例中，所述多个工具包括文本生成模型、图像识别模型、语音识别模型、知识库检索工具、api的调用工具中至少一种。

13、根据本公开的另一些实施例，提供一种任务处理装置，包括：分解模块，被配置为对用户任务进行分解，以得到多个子任务；确定模块，被配置为根据所述多个子任务中每个子任务的任务约束、以及所述每个子任务与多个工具中每个工具之间的匹配度，确定候选工具集合；利用大语言模型从所述候选工具集合中确定目标工具；处理模块，被配置为调用所述目标工具处理所述多个子任务。

14、根据本公开的又一些实施例，提供一种任务处理装置，包括：存储器；和耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器装置中的指令，执行上述任一个实施例中的任务处理方法。

15、根据本公开的再一些实施例，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一个实施例中的任务处理方法。

16、根据本公开的再一些实施例，还提供了一种计算机程序产品，包括指令，所述指令当由处理器执行时使所述处理器执行根据上述任一个实施例所述的任务处理方法。

17、在上述实施例中，将用户任务分解为多个子任务后，每个子任务具有更明确的任务约束和描述信息，使得任务与工具之间的匹配粒度更细，避免了在庞大工具集中直接匹配时因干扰项过多而导致的误选问题。在此基础上，利用大语言模型候选工具集合中进行二次筛选，能够更专注地比较候选工具之间的细微差异，从而提升最终选择的目标工具的准确率，提升了用外部工具处理用户任务的可靠性。

1.一种任务处理方法，包括：

2.根据权利要求1所述的任务处理方法，其中，所述匹配度根据所述每个子任务的描述信息与多个工具中每个工具的描述信息之间的语义相似度确定。

3.根据权利要求2所述的任务处理方法，其中，所述确定候选工具集合包括：

4.根据权利要求1所述的任务处理方法，其中，所述对所述用户任务进行分解，以得到多个子任务包括：

5.根据权利要求4所述的任务处理方法，其中，所述每个分解方案的复杂度根据按照所述每个分解方案分解后的多个子任务中每个子任务的执行复杂度和所述分解后的多个子任务之间的数据传递复杂度确定。

6.根据权利要求5所述的任务处理方法，其中，所述执行复杂度根据以下中的至少一个确定：

7.根据权利要求5所述的任务处理方法，其中，所述数据传递复杂度根据以下中的至少一个确定：

8.根据权利要求4所述的任务处理方法，其中，所述评估结果由所述大语言模型基于分解方案的可行性、逻辑性、完整性对所述每个分解方案进行评估得到。

9.根据权利要求1-8任一项所述的任务处理方法，其中，所述每个工具的描述信息包括所述每个工具的功能描述、处理的任务类型、处理的数据形式、响应延迟的阈值、历史调用成功率中的至少一种信息。

10.根据权利要求1-8任一项所述的任务处理方法，其中，所述多个工具包括文本生成模型、图像识别模型、语音识别模型、知识库检索工具、应用程序编程接口api的调用工具中至少一种。

11.一种任务处理装置，包括：

12.一种任务处理装置，包括：

13.一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现权利要求1-10任一项所述的任务处理方法。

14.一种计算机程序产品，包括指令，所述指令当由处理器执行时使所述处理器执行根据权利要求1-10任一项所述的任务处理方法。