一种基于声明式状态图的多智能体协同编排方法及系统与流程

摘要: 本发明涉及人工智能与分布式系统,具体涉及一种基于声明式状态图的多智能体协同编排方法及系统。背景技术:1、随着大语言模型技术的快速发展,基于大语言模型的多智能体(...
一种基于声明式状态图的多智能体协同编排方法及系统与流程

本发明涉及人工智能与分布式系统,具体涉及一种基于声明式状态图的多智能体协同编排方法及系统。

背景技术:

1、随着大语言模型技术的快速发展,基于大语言模型的多智能体(multi-agent)系统已成为人工智能领域的重要研究方向。多智能体系统通过将复杂任务分解为多个子任务,由具备不同专业能力的智能体协作完成,在代码审查、文档生成、数据分析、知识图谱构建等场景中展现出广阔的应用前景。

2、现有的多智能体协作系统主要采用以下三种技术方案:

3、方案一:硬编码流水线。以langchain的agentexecutor为代表,将智能体的执行顺序和交互逻辑硬编码在程序中。agentexecutor通过循环执行工具调用和观察反馈实现智能体功能,每个协作流程对应一个独立的执行逻辑。然而,传统agent组件仅支持循环步骤而不支持条件步骤,一个agent应用只能沿单一路径执行,无法根据不同条件执行不同的路由分支。同时,多个agent难以融合协作,扩展性差。新增协作模式需要修改核心调度代码,维护成本高。

4、方案二:集中式控制器。以autogen的groupchat为代表,由一个中央控制器(groupchatmanager)统一调度所有智能体。控制器维护全局对话历史,决定下一个发言的智能体。所有智能体的消息都通过控制器转发,控制器成为性能瓶颈和单点故障。此外,groupchat缺乏对参与智能体身份的验证机制,在跨组织场景下存在安全隐患。会话之间无法传递或持久化历史消息,限制了跨会话的连续性。多个智能体在群聊中可能出现无限辩论,最终依赖人为设定的最大轮数截断。

5、方案三:简单的并行执行。以crewai的process.parallel为代表,采用严格的顺序执行模式,每个智能体的输出作为下一个智能体的输入。这种设计在简单场景下尚可工作,但当系统规模扩大时,整个流水线的吞吐量受限于最慢的智能体,资源利用率低下;端到端延迟随智能体数量增加呈线性增长。此外,crewai等框架常因指令竞态、状态幻觉等问题导致故障率倍增,核心症结在于大语言模型缺乏原生状态管理与协作治理能力。

6、上述已有技术主要存在以下缺点:

7、1.扩展性差。上述方案均将协作逻辑与调度代码紧耦合。以langchain为例,传统agent组件存在多agent协作困难、扩展性差等缺陷。langgraph与langchain的紧耦合限制了独立控制能力,增加了异步工作流的维护成本。将动态协作需求硬套到静态编排框架上,维护成本呈指数级上升。

8、2.状态管理混乱。现有方案采用可变的全局状态对象在智能体间共享数据。在并行执行场景下,多个智能体同时修改同一状态对象会导致数据不一致。例如,两个智能体同时对共享状态进行读写时,可能出现竞态条件(race condition)——一个智能体的工作被另一个智能体静默覆盖,不报错、不告警,最终交付错误结果。多个独立节点在没有强一致性保证的情况下并发修改共享状态,必然产生冲突。现有框架缺乏统一编排机制与容错能力,导致系统不稳定、调试困难。

9、3.协作模式单一。现有方案仅支持顺序和并行两种基本模式。langchain的agentexecutor仅支持循环步骤,没有条件步骤。对于需要多阶段协调的复杂任务(如先分解、再并行、最后审核),需要开发者手动编排多个执行流程,无法通过声明式配置实现。

10、4.会话生命周期管理缺失。现有方案缺乏对长时间运行任务的会话管理机制。当任务执行时间超过预期时,无法自动释放资源。当系统需要关闭时,无法优雅地等待正在执行的任务完成,导致数据丢失或资源泄漏。

11、5.并发场景下的可靠性问题。在多智能体并发协作场景中,任务调度混乱、资源争抢、状态不一致、错误传播加剧及可观测性缺失等问题突出。基于大语言模型的多智能体系统在增加智能体数量时往往反而降低可靠性,其根本原因在于并发控制问题——智能体并发读写共享状态,而大语言模型的长推理窗口进一步加剧了陈旧读取、丢失更新和不一致结果的风险。

12、针对上述缺点,本发明要解决以下技术问题:(1)提供一种声明式的状态图编排引擎,使协作流程可通过配置而非编码来定义,新增协作模式无需修改核心调度代码;(2)实现不可变状态管理,通过每次执行返回新状态对象的方式,确保并发场景下的数据一致性;(3)支持多种协作模式的统一调度,通过模式选择组件根据任务特征自动选择最优模式;(4)提供完整的会话生命周期管理,包括会话缓存、超时驱逐机制及优雅关闭机制。

13、因此,如何解决现有技术中的不足,是本领域技术人员亟待解决的技术问题。

技术实现思路

1、为实现本发明目的,本技术提供了一种基于声明式状态图的多智能体协同编排方法,包括:

2、步骤s1:响应于接收到的多智能体协同任务,根据所述协同任务的任务特征从多种预设协作模式中确定目标协作模式,所述任务特征至少包括智能体数量、任务依赖关系和一致性要求;

3、步骤s2:根据所述目标协作模式,构建与所述目标协作模式对应的声明式状态图,所述声明式状态图包含多个节点和连接所述节点的边,所述节点包括用于表示任务分解或执行的执行节点和用于表示执行流程起始与终止的哨兵节点,所述边包括表示无条件转移的无条件边和绑定有状态谓词的条件边;

4、步骤s3:以当前状态作为输入,按照所述声明式状态图的拓扑结构依次执行当前节点所对应的节点逻辑,并在每次节点执行完成后基于执行结果生成新的不可变状态,所述新的不可变状态中包含消息列表和变量映射;

5、步骤s4:根据所述新的不可变状态和所述当前节点的出边类型确定下一节点,其中,若所述当前节点存在条件边,则调用所述条件边绑定的状态谓词对所述新的不可变状态进行评估,并根据评估结果从所述条件边中确定目标边并转移至所述目标边所指向的下一节点,若所述当前节点不存在条件边或所有条件边均不满足,则根据无条件边确定下一节点;

6、步骤s5:重复执行节点逻辑和状态转移直至当前节点为终止哨兵节点或达到预设终止条件时,输出最终执行结果。

7、在其中一些具体实施例中,步骤s1中,所述多种预设协作模式包括顺序模式、并行模式、层级模式、共识模式和轮询模式,所述根据所述协同任务的任务特征从多种预设协作模式中确定目标协作模式,包括:

8、当所述智能体数量等于1时,确定所述目标协作模式为顺序模式;

9、当所述智能体数量大于1且所述任务依赖关系为无依赖时,确定所述目标协作模式为并行模式;

10、当所述智能体数量大于1且所述任务依赖关系为复杂依赖时,确定所述目标协作模式为层级模式;

11、当所述一致性要求高于预设阈值时,确定所述目标协作模式为共识模式;

12、当所述协同任务的任务类型为迭代优化类型时,确定所述目标协作模式为轮询模式。

13、在其中一些具体实施例中,所述根据所述目标协作模式,构建与所述目标协作模式对应的声明式状态图,包括:

14、当所述目标协作模式为顺序模式时,构建链式状态图,所述链式状态图中的各个执行节点按执行顺序依次连接;

15、当所述目标协作模式为并行模式时,构建扇出-汇聚状态图,所述扇出-汇聚状态图包括从起始哨兵节点扇出至多个并行执行节点的多条并行边,以及从所述多个并行执行节点汇聚至合并节点的多条汇聚边,所述合并节点用于在确定所有并行执行节点均执行完成后合并各并行执行节点输出的状态;

16、当所述目标协作模式为层级模式时,构建树状状态图,所述树状状态图包括领导者节点和由所述领导者节点分解任务后生成的多个工作者节点;

17、当所述目标协作模式为共识模式时,构建独立路径-汇聚状态图,所述独立路径-汇聚状态图包括多个独立执行节点和连接至共识节点的汇聚边,所述共识节点用于收集各独立执行节点输出的意见并进行共识决策;

18、当所述目标协作模式为轮询模式时,构建环形状态图,所述环形状态图中多个执行节点按顺序依次执行,并根据质量评估结果决定是否进行下一轮迭代。

19、在其中一些具体实施例中,步骤s3包括:

20、在执行当前节点前,获取所述当前节点的输入状态,所述输入状态中包含当前消息列表、当前变量映射和当前执行步数;

21、执行所述当前节点所对应的节点逻辑,所述节点逻辑包括调用所述当前节点对应的智能体对所述输入状态进行处理,生成节点输出结果,所述节点输出结果包括追加消息和/或更新变量;

22、基于所述输入状态和所述节点输出结果创建新的不可变状态,所述新的不可变状态中的消息列表为在所述当前消息列表的基础上追加所述追加消息后得到的新列表,所述新的不可变状态中的变量映射为在所述当前变量映射的基础上应用所述更新变量后得到的新映射,所述新的不可变状态中的执行步数为所述当前执行步数加1。

23、在其中一些具体实施例中,步骤s4包括:

24、获取所述当前节点在所述声明式状态图中的全部出边,所述全部出边包括无条件边和条件边;

25、对所述全部出边中的各条件边按照预设顺序执行评估:调用所述条件边绑定的状态谓词对所述新的不可变状态进行判定,若所述状态谓词返回真值,则将所述条件边确定为目标边,并停止对后续条件边的评估;

26、若存在所述目标边,则转移至所述目标边所指向的下一节点;

27、若所有条件边均不满足且存在无条件边,则转移至所述无条件边所指向的下一节点;

28、若不存在任何满足条件的出边,则转移至终止哨兵节点。

29、在其中一些具体实施例中,步骤s5包括:

30、在每次节点执行完成后,判断当前节点是否为终止哨兵节点,若是,则停止执行并将当前状态作为最终执行结果输出;

31、在每次节点执行完成后,判断当前累积执行步数是否达到最大步数阈值,若达到所述最大步数阈值,则停止执行,将当前状态标记为异常终止状态,并输出包含异常终止原因的执行结果;

32、在每次节点执行过程中,若检测到当前节点执行出现异常,则捕获所述异常并将当前状态标记为错误状态,转移至所述声明式状态图中预定义的错误处理节点或直接转移至终止哨兵节点。

33、在其中一些具体实施例中,还包括会话生命周期管理:

34、在接收到所述协同任务时,为所述协同任务创建对应的会话,所述会话包含会话标识、所述当前状态和最后活跃时间;

35、在每次状态更新时,更新所述会话的最后活跃时间为当前时间;

36、按照预设时间间隔扫描所有会话,将所述最后活跃时间与当前时间之差超过预设存活时间阈值的会话确定为过期会话并予以驱逐;

37、在系统关闭时,停止接收新任务,等待正在执行的任务完成,并在等待超时后强制终止未完成的任务。

38、为实现同一发明目的,本技术还提供了一种基于声明式状态图的多智能体协同编排系统,包括:

39、模式选择模块,用于响应于接收到的多智能体协同任务,根据所述协同任务的任务特征从多种预设协作模式中确定目标协作模式,所述任务特征至少包括智能体数量、任务依赖关系和一致性要求;

40、状态图构建模块,用于根据所述目标协作模式,构建与所述目标协作模式对应的声明式状态图,所述声明式状态图包含多个节点和连接所述节点的边,所述节点包括用于表示任务分解或执行的执行节点和用于表示执行流程起始与终止的哨兵节点,所述边包括表示无条件转移的无条件边和绑定有状态谓词的条件边;

41、状态图执行模块,用于以当前状态作为输入,按照所述声明式状态图的拓扑结构依次执行当前节点所对应的节点逻辑,并在每次节点执行完成后基于执行结果生成新的不可变状态,所述新的不可变状态中包含消息列表和变量映射;

42、状态转移模块,用于根据所述新的不可变状态和所述当前节点的出边类型确定下一节点,其中,若所述当前节点存在条件边,则调用所述条件边绑定的状态谓词对所述新的不可变状态进行评估,并根据评估结果从所述条件边中确定目标边并转移至所述目标边所指向的下一节点,若所述当前节点不存在条件边或所有条件边均不满足,则根据无条件边确定下一节点;

43、执行控制模块,用于控制所述状态图执行模块和所述状态转移模块重复执行节点逻辑和状态转移直至当前节点为终止哨兵节点或达到预设终止条件时,输出最终执行结果。

44、在其中一些具体实施例中,还包括会话管理模块,所述会话管理模块用于:

45、在接收到所述协同任务时,为所述协同任务创建对应的会话,所述会话包含会话标识、所述当前状态和最后活跃时间;

46、在每次状态更新时,更新所述会话的最后活跃时间为当前时间;

47、按照预设时间间隔扫描所有会话,将所述最后活跃时间与当前时间之差超过预设存活时间阈值的会话确定为过期会话并予以驱逐;

48、在系统关闭时,停止接收新任务,等待正在执行的任务完成,并在等待超时后强制终止未完成的任务。

49、在其中一些具体实施例中,所述多种预设协作模式包括顺序模式、并行模式、层级模式、共识模式和轮询模式;

50、所述状态图构建模块根据所述目标协作模式构建对应的声明式状态图,包括:

51、当所述目标协作模式为顺序模式时,构建链式状态图;

52、当所述目标协作模式为并行模式时,构建扇出-汇聚状态图;

53、当所述目标协作模式为层级模式时,构建树状状态图;

54、当所述目标协作模式为共识模式时,构建独立路径-汇聚状态图;

55、当所述目标协作模式为轮询模式时,构建环形状态图。

56、上述技术方案的有益效果:

57、本发明提供的一种基于声明式状态图的多智能体协同编排方法及系统,与已有技术相比,在扩展性、并发安全性、协作模式覆盖度、资源利用率和执行可控性等多方面均具有显著优势。具体而言,本发明通过声明式状态图编排引擎将协作流程定义为节点与边的配置而非硬编码逻辑,使得新增协作模式无需修改核心调度代码,开发效率得到大幅提升,有效降低了维护成本,充分验证了开闭原则的有效性;在并发安全性方面,本发明采用不可变状态管理机制,所有状态字段为final,每次节点执行通过创建新状态对象而非修改原对象来实现更新,彻底消除了并行场景下的竞态条件和数据不一致风险,有效解决了已有方案中一个智能体的工作被另一个智能体静默覆盖的痛点问题;本发明支持顺序、并行、层级、共识和轮询五种协作模式,覆盖了绝大多数典型多智能体协作场景,远超已有方案仅支持的顺序和并行两种基本模式,极大拓展了系统的适用范围;在资源管理方面,本发明通过会话缓存和ttl超时驱逐机制,有效降低了内存占用,在长时间运行场景下不会出现内存泄漏问题;在执行可控性方面,最大步数限制机制有效防止了无限循环,优雅关闭机制确保系统关闭时正在执行的任务能够完整完成而不丢失数据,有效解决了已有技术中常见的非终止对话故障模式。综上所述,本发明为多智能体协同编排提供了一套扩展性强、并发安全、模式丰富、资源可控且执行可预测的完整技术方案。