一种面向产业决策的多智能体协同生成方法与流程
本发明涉及人工智能与大语言模型应用的,尤其是指一种面向产业决策的多智能体协同生成方法。
背景技术:
1、近年来,生成式人工智能技术尤其是大语言模型的快速发展,使得智能体作为连接大语言模型与真实业务场景的关键载体,已成为人工智能应用领域的主流趋势。大语言模型具备较强的语言理解、知识归纳与推理能力,多智能体协同进一步将复杂任务拆解、分派给具备不同专业能力的智能体执行,为产业分析、综合研判与辅助决策等知识密集型任务提供了新的技术途径。
2、目前,产业决策场景对分析结果的专业性、时效性和可解释性要求极高,往往涉及市场数据、行业知识与历史经验等多源异构信息的综合研判。然而,现有的智能体应用方案多停留在通用问答或单智能体任务执行层面,未深入产业决策的真实业务流程,难以同时兼顾上下文管理的完整性、外部知识引入的可靠性以及多领域专家协同的深度,尚未形成成熟的体系框架来支撑产业决策的智能化生成。
3、在传统的大语言模型应用交互模式下,现有的产业决策智能体方案主要存在以下缺陷。首先,上下文管理粗放,传统方案通常将全部对话与资料拼接为一段提示词一次性输入模型,既无法按信息来源与生命周期进行结构化管理,又难以按智能体的实际需要暴露最小必要信息,导致上下文冗余、关键信息难以被有效提取,还存在敏感信息过度暴露的风险。其次,任务调度僵化,传统方案多采用固定流程或一次性任务规划,不能根据上下文更新与信息缺口动态调整任务路径,难以适应产业决策过程中需求不断细化的特点。再次,外部知识引入不可靠,传统方案在补充检索资料与外部知识时,缺乏对多源检索结果的冲突识别与置信度仲裁,易将相互矛盾的事实纳入决策依据。最后,专家协同缺乏编排,传统方案在调度多个专家智能体时,往往依赖人工指定执行顺序或简单的串行调用,无法自动构建任务间的依赖关系并实施并行与拓扑有序的执行,导致协同效率低、结果难以合并。
技术实现思路
1、本发明的目的在于克服现有技术的缺点与不足,提供了一种能够提升上下文管理完整性、实现任务路径动态调度、保证外部知识可靠性并支持多专家智能体协同编排的面向产业决策的多智能体协同生成方法。
2、为实现上述目的,本发明所提供的技术方案为:一种面向产业决策的多智能体协同生成方法,由主智能体和若干专家智能体协同执行,所述主智能体负责任务的整体编排,所述专家智能体负责专业领域内的专项分析;该方法包括以下步骤:
3、s1:接收产业决策请求及关联资料,根据所述产业决策请求和关联资料构建分层任务上下文,所述分层任务上下文为按预设层级组织的结构化文本,能被后续智能体动态写入,并向参与执行的智能体暴露所需的最少必要信息;
4、s2:所述主智能体基于所述分层任务上下文进行任务路径判定,生成任务处理方案;
5、s3:所述主智能体根据所述任务处理方案识别信息缺口,并基于所述信息缺口进行资料与外部知识检索,得到以结构化文本条目形式呈现的检索结果;
6、s4:所述主智能体根据所述分层任务上下文、所述任务处理方案和所述检索结果,构建至少一个专家智能体阶段,所述专家智能体阶段为由若干专家智能体执行专项分析的处理环节;
7、s5:执行所述专家智能体阶段,由所述专家智能体分析并获得输出结果,由所述主智能体合并所述专家智能体的输出结果,生成产业决策结果。
8、进一步,在步骤s1中,按信息的来源、生命周期和使用边界对所述产业决策请求和关联资料进行处理并生成所述分层任务上下文,具体包括:
9、采用大语言模型从所述产业决策请求中提取关键要素,形成当前请求项;
10、将历史对话经嵌入模型向量化写入向量索引,以当前产业决策请求为查询执行近似最近邻搜索召回语义相似的历史对话,形成用户记忆项;
11、对上传的关联资料采用递归字符分块的方法得到文本块,将各文本块经嵌入模型向量化写入向量索引,形成关联资料项;
12、由大语言模型基于所述当前请求项、所述用户记忆项和所述关联资料项归纳生成产业对象项、任务目标项、协作控制项和结果形态项。
13、进一步,在步骤s1中,对所述分层任务上下文执行差异化暴露,具体包括:
14、针对每个智能体的任务,调用大语言模型从所述分层任务上下文中筛选出所需的最少必要信息,并将其暴露给该智能体;
15、该智能体回答后,将其最终输出结果写入所述分层任务上下文。
16、进一步,在步骤s2中,所述任务路径判定具体包括:
17、将所述分层任务上下文组织为提示词;
18、由所述主智能体基于所述提示词,从任务复杂度、上下文完备度和外部知识依赖三个维度评估产业决策请求,得到任务路径的判定结果,具体如下:
19、当任务复杂度低于预设阈值且上下文完备度满足预设要求时,生成主智能体直接答复路径;
20、当上下文完备度不满足预设要求或外部知识依赖表明需补充外部事实时,生成检索核验路径;
21、当任务复杂度高于预设阈值且需进行专业领域推理时,生成专家智能体分析路径;
22、当任务需要多领域协同推理时,生成综合研判路径;
23、综合所述任务路径的判定结果,输出结构化的任务处理方案,并将所述任务处理方案记录到所述分层任务上下文中。
24、进一步,所述任务路径判定还包括动态再路由,具体包括:
25、所述主智能体在所述分层任务上下文发生更新后,重新评估所述任务复杂度、上下文完备度和外部知识依赖三个维度;
26、当重新评估结果与原任务路径的判定结果不一致时,所述主智能体依据重新评估结果生成任务处理方案并替换原任务处理方案;
27、所述主智能体以更新后的任务处理方案作为下一轮调度的依据,直至任务复杂度低于预设阈值且上下文完备度满足预设要求。
28、进一步,在步骤s3中,所述资料与外部知识检索生成所述检索结果,具体包括:
29、所述主智能体识别所述任务处理方案所需但当前缺失的内容,作为信息缺口;
30、所述主智能体按数据归属域、知识稳定性和时新性需求三个维度,对用所述关联资料、知识库和联网搜索三类检索来源进行特征登记;
31、针对每个信息缺口,所述主智能体将其与各检索来源在上述数据归属域、知识稳定性和时新性需求三个维度上的特征经嵌入模型映射为向量,以两者向量的余弦相似度作为检索来源的匹配程度,选取匹配程度最高的检索来源实施检索;
32、检索结果以结构化文本条目形式呈现,每条检索结果包括来源类型、适用范围、发布时间和命中片段。
33、进一步,所述资料与外部知识检索还包括基于置信度评分的冲突仲裁操作,具体包括:
34、调用大语言模型将每条检索结果的命中片段拆分为能独立验证的事实性陈述,对不同检索结果的事实性陈述两两配对判定关系为蕴含、中立或矛盾;将具有矛盾关系的事实性陈述所属的检索结果对标记为冲突条目对;
35、对每条检索结果,调用大语言模型基于命中片段、来源类型、发布时间和适用范围,输出置信度分数;
36、当冲突条目对中最高与次高置信度分数差值超过预设仲裁阈值时,保留最高分对应的检索结果,并将冲突的检索结果附注为限制条件;
37、当冲突条目对中最高置信度分数低于预设下限时,所述主智能体对相应信息缺口触发补充检索;经预设次数的重复补充检索后最高置信度分数仍低于预设下限的,将相应信息缺口标记为待核实事项。
38、进一步,在步骤s4中,构成所述专家智能体阶段的专家智能体通过以下技术属性定义:
39、a、专业能力范围,刻画专家智能体的专业身份与能执行的推理分析类型;
40、b、工具集合,声明允许调用的工具;
41、c、上下文暴露边界,限定能访问的分层任务上下文条目类别。
42、进一步,所述专家智能体阶段的构建,具体包括:
43、调用大语言模型基于所述分层任务上下文识别需要执行的任务;对每个任务,调用嵌入模型将各专家智能体的专业能力范围转换为能力向量、将该需要执行的任务转换为任务向量,按余弦相似度选取匹配度超过预设阈值的专家智能体,由大语言模型将该需要执行的任务分配至其中匹配度最高的专家智能体,得到对应关系;
44、调用大语言模型以所述对应关系和所述分层任务上下文为输入,生成有向无环图,其中为任务节点集合,每个节点对应一项需要执行的任务及负责该任务的专家智能体,为节点间依赖关系的有向边集合,表示节点须先于节点完成,其中,且;每个节点记录任务目标、负责的专家智能体和该节点期望的任务结果;
45、对所述有向无环图拓扑排序,得到的有序阶段划分,其中,每一阶段内的节点并行执行,且满足节点所属阶段序号不大于节点所属阶段序号;
46、每个阶段完成后,所述主智能体根据所述分层任务上下文判断是否发起下一阶段。
47、进一步,在步骤s5中,所述主智能体生成产业决策结果,具体包括:
48、所述专家智能体以所述分层任务上下文暴露的信息为输入,生成专项判断;
49、所述主智能体合并所述专项判断,生成产业决策结果,所述产业决策结果为单点答复、综合研判意见或完整产业方案中的一种。
50、本发明与现有技术相比,具有如下优点与有益效果:
51、1、分层任务上下文实现信息的结构化管理与最小必要暴露。
52、现有技术中,传统智能体方案将全部对话与资料拼接为一段提示词一次性输入模型,既无法按信息来源与生命周期进行区分管理,又向每个智能体暴露全部上下文,导致上下文冗余、关键信息难以被有效提取,还存在敏感信息过度暴露的风险。本发明通过构建分层任务上下文,将当前请求项、用户记忆项、关联资料项以及归纳生成的产业对象项、任务目标项、协作控制项和结果形态项分层组织,并在每个智能体执行任务前从分层任务上下文中筛选出最少必要信息进行暴露,智能体回答后再将其输出写回分层任务上下文。这样既保证了上下文的完整可追溯,又使每个智能体仅接触完成任务所必需的信息,从而显著降低提示词长度与信息泄露风险。
53、2、基于三维评估的任务路径判定与动态再路由。
54、现有技术中,传统方案多采用固定流程或一次性任务规划,不能根据上下文的更新动态调整任务路径,难以适应产业决策过程中需求不断细化的特点。本发明由主智能体从任务复杂度、上下文完备度和外部知识依赖三个维度评估产业决策请求,生成主智能体直接答复、检索核验、专家智能体分析或综合研判等多种任务路径,并在分层任务上下文发生更新后重新评估上述三个维度,当重新评估结果与原任务路径不一致时动态更新任务处理方案,以更新后的方案作为下一轮调度的依据。任务处理方案因此能够随信息完备程度的变化而自适应调整,避免单一固定路径导致的处理偏差。
55、3、面向信息缺口的多源检索与特征登记。
56、现有技术中,传统方案在补充检索资料与外部知识时,对检索来源的选择较为盲目,常将不同稳定性和时新性需求的信息混同检索,导致检索结果与实际缺口错配。本发明由主智能体识别任务处理方案所需但当前缺失的内容作为信息缺口,并按数据归属域、知识稳定性和时新性需求三个维度,对关联资料、知识库和联网搜索三类检索来源进行特征登记,再针对每个信息缺口将其与各检索来源在上述三个维度上进行语义匹配,按匹配程度确定检索来源并实施检索。每个信息缺口因此被定向引导至最合适的检索来源,检索结果的相关性与有效性得到提升。
57、4、基于置信度评分的多源冲突仲裁。
58、现有技术中,传统方案缺乏对多源检索结果的冲突识别与仲裁,易将相互矛盾的事实同时纳入决策依据,影响决策结果的可靠性。本发明将每条检索结果的命中片段拆分为可独立验证的事实性陈述,对不同检索结果的事实性陈述两两配对判定为蕴含、中立或矛盾,标记冲突条目对,再基于命中片段、来源类型、发布时间和适用范围输出置信度分数。当冲突条目对中最高与次高置信度分数差值超过预设仲裁阈值时,保留最高分结果并将冲突结果附注为限制条件;当最高置信度分数低于预设下限时触发补充检索,经预设次数补充检索后仍不达标的则标记为待核实事项。矛盾事实对决策的干扰由此被有效消除,未可核实的事项也不会被默默采纳。
59、5、基于有向无环图的专家智能体编排与并行执行。
60、现有技术中,传统方案在调度多个专家智能体时往往依赖人工指定执行顺序或简单的串行调用,无法自动构建任务间的依赖关系,协同效率低。本发明通过嵌入模型将专家智能体的专业能力范围与任务分别向量化,按余弦相似度自动完成任务到专家智能体的分配,并由大语言模型生成以任务为节点、以依赖关系为有向边的有向无环图,经拓扑排序得到有序的阶段划分,使同一阶段内的任务并行执行、跨阶段任务依依赖关系拓扑有序执行。在保证依赖正确性的前提下最大化并行度,多专家智能体协同的效率因此显著提升。
61、6、分级合并的产业决策结果生成。
62、现有技术中,传统方案的输出形态单一,难以适配不同决策场景对结果详略程度的差异化需求。本发明由专家智能体基于分层任务上下文暴露的信息生成专项判断,再由主智能体合并所述专项判断,生成单点答复、综合研判意见或完整产业方案三种形态之一的产业决策结果。同一套协同流程因此能够根据任务路径判定结果输出不同颗粒度的产业决策结果,对多样化产业决策场景的适配能力得到增强。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com