一种前瞻式智能体技能检索方法、系统及存储介质

摘要: 本发明涉及智能体技能检索领域,具体涉及一种前瞻式智能体技能检索方法、系统及存储介质。背景技术:1、随着人工智能技术的发展,基于大语言模型的智能体已经被广泛应用于...
一种前瞻式智能体技能检索方法、系统及存储介质

本发明涉及智能体技能检索领域,具体涉及一种前瞻式智能体技能检索方法、系统及存储介质。

背景技术:

1、随着人工智能技术的发展,基于大语言模型的智能体已经被广泛应用于复杂任务处理场景中,能够凭借自主规划、工具调用以及与外部环境交互等方式完成任务。为了进一步提升智能体的任务执行能力,现有技术通常将特定任务的领域知识、工作流程、操作指导及配套资源封装为结构化技能文档,供智能体在执行任务时复用。具体地,智能体首先接收描述待执行任务的任务查询,然后根据所述任务查询从技能库中检索能够支持任务执行的技能,随后将检索到的技能作为执行指导提供给智能体,以辅助智能体完成待执行任务,这一过程即为智能体技能检索。

2、针对智能体技能检索任务,现有方法通常采用词项匹配或向量语义匹配计算任务查询与候选技能之间的相关性,并根据相关性对候选技能进行排序;部分方法还通过训练面向技能领域的专用检索模型、采用多阶段召回与重排流程或者分解复杂任务查询等方式改进检索结果。上述方法主要依据任务查询与技能文档之间的语义相关性确定候选技能的检索优先级,隐含地认为与任务查询语义相关性较高的技能能够为任务执行提供所需能力。然而,任务查询通常侧重描述用户期望实现的任务目标,对完成任务所需执行能力的表述可能并不充分,技能文档则侧重描述相应的能力、操作流程和执行指导,二者在表达视角上存在差异。现有方法忽略了这种差异,导致难以识别任务查询中未明确描述的执行能力需求,容易使实际执行所需的关键技能被排在较低位置甚至遗漏,造成检索结果对任务所需多项互补能力覆盖不足的问题。

3、综上所述,智能体技能检索面临着任务查询与技能文档表达视角存在差异所导致的执行关键技能遗漏以及多项互补能力覆盖不足的问题。

技术实现思路

1、针对现有技术中的上述不足,本发明提出一种前瞻式智能体技能检索方法、系统及存储介质,缓解了执行关键技能遗漏和多项互补能力覆盖不足的问题,提升了智能体的任务执行效果。

2、为了达到以上目的,本发明采用的技术方案为:

3、本方案提供一种前瞻式智能体技能检索方法、系统及存储介质,包括以下步骤:

4、s1:获取待执行任务的任务查询以及包括若干个候选技能的技能库;

5、s2:将任务查询输入大语言模型,推断完成待执行任务所需的至少一项能力需求,并从任务查询中提取语义锚点;

6、s3:针对每项能力需求,结合语义锚点生成描述该能力实现过程的伪技能;

7、s4:对任务查询、各伪技能以及各候选技能进行向量编码,融合查询相关性和能力相关性,为每项能力需求保留候选技能集合;

8、s5:将各语义锚点拼接形成词项查询,针对各能力需求对应的候选技能集合计算候选技能的词项相关性,分别对查询相关性、能力相关性和词项相关性进行归一化,并融合归一化后的三类相关性对各候选技能集合进行重排,形成技能排序列表;

9、s6:按照排名位置轮询合并各技能排序列表并跳过重复候选技能,最终输出有序技能检索列表。

10、本发明的有益效果为:推断完成任务所需的能力,利用语义锚点保留任务查询中的领域和目标信息,根据所述能力生成包含程序性指导的伪技能,将任务的能力需求转换为更接近真实技能文档的表达,以便检索相应的真实技能;同时,结合查询相关性、能力相关性和词项相关性对候选技能进行重排,采用轮询去重策略输出技能列表,减少了执行关键技能的遗漏,提高了任务所需多项互补能力的覆盖程度和智能体的任务执行效果;此外,本发明能够兼容不同的向量编码模型,具备即插即用特性。

11、进一步地,所述步骤s2的方法为:将任务查询输入大语言模型,基于能力感知推理提示,从任务执行角度推断完成待执行任务所需的至少一项能力需求,并从所述任务查询中提取用于表征任务领域和任务目标的语义锚点,具体而言,所述能力需求集合和语义锚点集合按照下式获得:

12、

13、其中,表示能力需求集合,表示语义锚点集合,表示大语言模型,表示任务查询,表示能力感知推理提示。

14、上述进一步方案的有益效果为:识别任务查询中未明确描述的执行能力需求,同时保留任务领域和任务目标信息。

15、进一步地,所述步骤s3的方法为:针对每项能力需求,将所述能力需求和语义锚点集合输入大语言模型,基于技能生成提示生成对应的伪技能;所述伪技能用作检索真实候选技能的代理信息,具体而言,第项能力需求对应的伪技能按照下式生成:

16、

17、其中,表示第项能力需求对应的伪技能,表示大语言模型,表示第项能力需求,表示语义锚点集合,表示技能生成提示,表示能力需求数量。

18、上述进一步方案的有益效果为:将所述能力需求描述转换为接近真实技能文档的程序性表达,便于根据所述能力需求检索相应的真实候选技能。

19、进一步地,步骤s4包括以下分步骤:

20、s41:利用同一向量编码模型对任务查询、各伪技能和技能库中的候选技能进行向量编码,并计算各候选技能相对于任务查询的查询相关性以及相对于各伪技能的能力相关性;

21、s42:针对每项能力需求,对查询相关性和对应的能力相关性进行加权融合,按照融合分数对候选技能进行降序排列,并保留排名前kc的候选技能,形成各项能力需求对应的候选技能集合。

22、进一步地,所述步骤s41中,任务查询、伪技能和候选技能的向量表示分别为:

23、

24、其中,表示向量编码模型,表示任务查询,表示第个伪技能,表示第个候选技能,表示任务查询向量,表示第个伪技能向量,表示第个候选技能向量。

25、进一步地,所述步骤s41中,第个候选技能相对于任务查询的查询相关性和相对于第个伪技能的能力相关性分别为:

26、

27、

28、其中,表示查询相关性;表示能力相关性;表示余弦相似度函数;表示任务查询向量;表示第个伪技能向量;表示第个候选技能向量。

29、进一步地,所述步骤s42中,第个候选技能相对于第项能力需求的融合分数为:

30、

31、其中,表示融合分数,表示查询相关性的权重,用于调节原始任务查询语义对融合分数的影响程度,表示查询相关性,表示能力相关性。

32、进一步地,对于第项能力需求,将各候选技能按照融合分数从高到低排列,保留排名前的候选技能,形成第项能力需求对应的候选技能集合,其中,表示初始召回阶段每项能力需求保留的候选技能数量。

33、上述进一步方案的有益效果为:将任务查询、伪技能和候选技能映射至同一向量空间,并融合查询相关性和能力相关性,使候选技能召回在保持原始任务语义相关性的同时考虑各项执行能力需求。

34、进一步地,步骤s5包括以下分步骤:

35、s51:将语义锚点集合中的各语义锚点拼接形成词项查询,针对各项能力需求对应的候选技能集合,基于技能库预先构建的索引,计算各候选技能相对于词项查询的词项相关性;

36、s52:分别对查询相关性、能力相关性和词项相关性进行最小-最大归一化,融合归一化后的三类相关性得到最终重排分数,并按照最终重排分数对各项能力需求对应的候选技能集合进行重排。

37、进一步地,所述步骤s51中,对于第项能力需求对应的候选技能集合,其中第个候选技能的词项相关性为:

38、

39、其中,表示第个候选技能的词项相关性,表示词项相关性计算函数,表示由语义锚点集合中的各语义锚点拼接形成词项查询,表示第个候选技能,表示第项能力需求对应的候选技能集合。

40、进一步地,所述步骤s52中,分别对查询相关性、能力相关性和词项相关性进行最小-最大归一化,得到归一化查询相关性、归一化能力相关性和归一化词项相关性。

41、进一步地,所述步骤s52中,第个候选技能针对第项能力需求的最终重排分数为:

42、

43、其中,表示第个候选技能针对第项能力需求的最终重排分数,表示归一化查询相关性的权重,用于调节原始任务查询语义对最终重排分数的影响程度,表示归一化查询相关性,表示归一化能力相关性,表示归一化词项相关性。

44、进一步地,对于第项能力需求,将候选技能集合中的各候选技能按照最终重排分数从高到低排列,形成第项能力需求对应的技能排序列表。

45、上述进一步方案的有益效果为:通过对查询相关性、能力相关性和词项相关性进行归一化,减小三类相关性分数的数值尺度差异对融合结果的影响;同时利用语义锚点计算词项相关性并对候选技能进行重排,使候选技能排序兼顾任务执行能力需求以及原始任务的领域和目标信息。

46、进一步地,所述步骤s6的方法为:从各项能力需求对应的技能排序列表中选取排名前kr的候选技能并组织为排序矩阵,按照从左到右、从上到下的顺序轮询所述排序矩阵,跳过重复候选技能,并在获得个互不重复的候选技能时停止轮询,输出最终有序技能检索列表,具体而言,所述排序矩阵和最终有序技能检索列表分别为:

47、,

48、,

49、其中,表示技能排序矩阵,表示第项能力需求对应的技能排序列表中排名第的候选技能索引,表示所述候选技能,表示能力需求数量,表示最终用于轮询的候选技能数量,表示任务查询对应的最终有序技能检索列表,表示最终输出的技能数量,表示经轮询和去重后排在第位的候选技能。

50、上述进一步方案的有益效果为:通过对各项能力需求对应的技能排序列表进行逐行轮询和去重,使不同能力需求对应的高排序候选技能能够共同参与最终技能检索列表的生成,提高复杂任务所需多项互补技能的覆盖程度。

51、一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述方法的步骤。

52、一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述方法的步骤。

53、本发明的有益效果为:根据任务查询推断任务执行所需的能力需求并生成伪技能,将所述伪技能作为检索代理召回真实候选技能,再结合语义锚点重排和跨能力轮询去重输出技能检索列表,减少了执行关键技能的遗漏,提高了复杂任务所需多项互补技能的覆盖程度和智能体的任务执行效果;同时,本发明能够以即插即用方式适配不同的向量编码模型。