基于大语言模型的服务组合方法、设备、存储介质及产品与流程

本技术涉及人工智能，尤其涉及一种基于大语言模型的服务组合方法、设备、存储介质及产品。

背景技术：

1、随着云计算、深度学习、强化学习等人工智能技术的蓬勃发展，产业端逐步推动不同服务主体开展深度协作与模式创新，通过将分散的技术能力与专业化服务资源进行整合，构建出更具市场竞争力与场景创新性的服务解决方案，服务组合技术也因此成为支撑跨主体服务协同、释放资源整合价值的核心技术基础。然而，随着业务场景复杂度持续提升、用户需求向个性化、定制化方向升级，服务组合请求逐步呈现出业务逻辑链路复杂、用户偏好维度多样的特征，但传统服务组合技术方案在处理该类复杂请求时却难以精准适配复杂逻辑约束与多维度个性化偏好的双重要求，从而普遍存在服务组合方案匹配准确率低、场景适配鲁棒性差的问题，难以稳定输出符合业务规则与用户预期的最优服务组合结果。

技术实现思路

1、本技术实施例的主要目的在于提出一种基于大语言模型的服务组合方法、设备、存储介质及产品，旨在解决传统服务组合技术方案无法有效应对具备复杂逻辑与个性化偏好的服务组合请求，而导致的服务组合方案存在准确率低、鲁棒性差的问题。

2、为实现上述目的，本技术实施例的第一方面提出了一种基于大语言模型的服务组合方法，应用于智能体，所述方法包括：

3、获取用户输入的自然语言提问数据；

4、基于预设的大语言模型对所述自然语言提问数据和所述自然语言提问数据对应的外部知识进行融合处理，得到融合结果，并基于所述融合结果生成多个子任务；所述外部知识以所述自然语言提问数据为索引在预设的专业知识库中执行混合检索得到；

5、基于所述大语言模型按照所述用户的个性化偏好参数生成所述多个子任务各自的程序接口组合调用路径，并按照所述程序接口组合调用路径执行对应程序接口，得到所述多个子任务各自的服务返回结果；

6、基于所述大语言模型对多个所述服务返回结果进行融合处理，得到所述自然语言提问数据对应的最终服务组合结果。

7、在一些实施例中，所述基于所述大语言模型按照所述用户的个性化偏好参数生成所述多个子任务各自的程序接口组合调用路径，包括：

8、基于所述大语言模型生成所述多个子任务各自的程序接口候选集合，并按照所述用户的个性化偏好参数对所述程序接口候选集合进行重排序处理，得到所述多个子任务各自的程序接口组合调用路径。

9、在一些实施例中，所述基于所述大语言模型对多个所述服务返回结果进行融合处理，得到所述自然语言提问数据对应的最终服务组合结果，包括：

10、基于所述大语言模型对多个所述服务返回结果进行一致性校验，并在一致性校验通过的情况下，对多个所述服务返回结果进行融合处理，得到所述自然语言提问数据对应的最终服务组合结果；所述一致性校验通过表征所述服务返回结果符合对应子任务的执行目标；

11、基于所述大语言模型在对多个所述服务返回结果进行一致性校验未通过的情况下，对所述多个子任务各自的程序接口候选集合进行重排序处理，得到新的程序接口组合调用路径，并按照所述新的程序接口组合调用路径执行对应程序接口，得到所述多个子任务各自的新的服务返回结果，以及，对多个所述新的服务返回结果进行融合处理，得到所述自然语言提问数据对应的最终服务组合结果。

12、在一些实施例中，所述方法还包括：

13、将所述自然语言提问数据转换为第一稠密语义向量，以及，将所述预设的专业知识库中的文本知识转换为第二稠密语义向量；

14、以所述第一稠密语义向量为索引对所述第二稠密语义向量执行结合语义向量和关键词匹配的混合检索处理，得到所述自然语言提问数据对应的外部知识。

15、在一些实施例中，所述以所述第一稠密语义向量为索引对所述第二稠密语义向量执行结合语义向量和关键词匹配的混合检索处理，得到所述自然语言提问数据对应的外部知识，包括：

16、以所述第一稠密语义向量为索引对所述第二稠密语义向量中的多个候选向量执行语义相似度检索，得到语义检索结果；

17、以所述第一稠密语义向量为索引对所述多个候选向量执行关键词匹配检索，得到关键词检索结果；

18、基于所述语义检索结果和所述关键词检索结果生成所述自然语言提问数据对应的外部知识。

19、在一些实施例中，所述基于所述融合结果生成多个子任务，包括：

20、基于所述融合结果对所述自然语言提问数据对应的执行目标进行层次化拆分处理，得到子任务集合；

21、对所述子任务集合进行执行优先级排序和/或者逻辑依赖排序，得到任务执行链路；所述多个子任务包括所述任务执行链路中的子任务。

22、将对所述自然语言提问数据执行服务的任务处理流程划分为依次衔接的多个执行阶段，并为所述多个执行阶段分别配置提示指令；

23、在一些实施例中，所述提示指令至少载明对应执行阶段的任务目标、执行约束与输出规范；所述提示指令包括任务拆解提示指令、任务执行提示指令以及结果生成提示指令，所述任务拆解提示指令用于引导所述大语言模型基于所述融合结果生成所述多个子任务；所述任务执行提示指令用于引导所述大语言模型执行所述多个子任务，所述结果生成提示指令用于引导所述大语言模型对所述服务返回结果进行融合处理。

24、为实现上述目的，本技术实施例的第二方面提出了一种基于大语言模型的服务组合装置，所述装置包括：

25、获取模块，用于获取用户输入的自然语言提问数据；

26、增强理解与决策模块，用于基于预设的大语言模型对所述自然语言提问数据和所述自然语言提问数据对应的外部知识进行融合处理，得到融合结果，并基于所述融合结果生成多个子任务；所述外部知识以所述自然语言提问数据为索引在预设的专业知识库中执行混合检索得到；

27、个性化偏好与执行模块，用于基于所述大语言模型按照所述用户的个性化偏好参数生成所述多个子任务各自的程序接口组合调用路径，并按照所述程序接口组合调用路径执行对应程序接口，得到所述多个子任务各自的服务返回结果；

28、结果生成模块，用于基于所述大语言模型对多个所述服务返回结果进行融合处理，得到所述自然语言提问数据对应的最终服务组合结果。

29、为实现上述目的，本技术实施例的第三方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的基于大语言模型的服务组合方法。

30、为实现上述目的，本技术实施例的第四方面提出了一种计算机可读存储介质，所述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实现上述第一方面所述的基于大语言模型的服务组合方法。

31、为实现上述目的，本技术实施例的第五方面提出了一种计算机程序产品，所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面提供的基于大语言模型的服务组合方法。

32、本技术实施例提出的基于大语言模型的服务组合方法、装置、电子设备、计算机可读存储介质以及计算机程序产品，方法包括：获取用户输入的自然语言提问数据；基于预设的大语言模型对所述自然语言提问数据和所述自然语言提问数据对应的外部知识进行融合处理，得到融合结果，并基于所述融合结果生成多个子任务；所述外部知识以所述自然语言提问数据为索引在预设的专业知识库中执行混合检索得到；基于所述大语言模型按照所述用户的个性化偏好参数生成所述多个子任务各自的程序接口组合调用路径，并按照所述程序接口组合调用路径执行对应程序接口，得到所述多个子任务各自的服务返回结果；基于所述大语言模型对多个所述服务返回结果进行融合处理，得到所述自然语言提问数据对应的最终服务组合结果。

33、相比于传统的服务组合技术方案，本技术实施例基于大语言模型对用户输入的自然语言提问数据和以该自然语言提问数据为索引从专业知识库执行混合检索得到的外部知识进行融合，然后基于融合结果生成多个子任务，并基于该大语言模型按照用户的个性化偏好参数生成多个子任务各自的程序接口组合调用路径，并按照程序接口组合调用路径执行对应程序接口，得到该多个子任务各自的服务返回结果，和将该多个子任务各自对应的服务返回结果进行融合处理，从而得到自然语言提问数据对应的最终服务组合结果。即，本技术实施例通过采用基于大语言模型的智能体技术方案，使用大语言模型对自然语言提问数据进行用户需求的提取与处理，并针对大语言模型潜在的幻觉问题及用户需求精确识别难题，采用外部知识库和混合检索策略来实现复杂问题的语义理解、知识增强与高效检索，并在此基础上融合用户的个性化偏好参数执行程序接口（application programminginterface，api）得到服务返回结果。

34、如此，本技术实施例在面对具备复杂逻辑与个性化偏好的服务组合请求时，可以利用大语言模型的语义理解能力、逻辑推理能力以及个性化调度机制，提升执行复杂任务的准确性，并可以同时增强智能体在通用领域处理非结构化、个性化需求场景下响应用户需求执行服务组合的灵活性与鲁棒性，即，本技术实施例能够有效地解决传统服务组合技术方案无法有效应对具备复杂逻辑与个性化偏好的服务组合请求，而导致的服务组合方案存在准确率低、鲁棒性差的问题。