【技术实现步骤摘要】
本申请涉及大语言模型，尤其涉及一种基于大语言模型智能体的多目标任务问答增强方法。
技术介绍
1、大语言模型(llm)不仅能理解很多人类问题和指令，流畅展开多轮对话，也在越来越多领域显示出解决多种通用问题的能力。但想让大语言模型给出精确答案，还需要输入足够精准的prompt。基于大语言模型的智能体(llmagent)将大语言模型作为智能体的核心大脑，通过预定义prompt并封装，将复杂任务分解，并在每个子步骤实现自主决策，无需用户参与即可解决问题。但是，目前的llmagent仅支持对单一目标的执行，还不能处理多个复杂任务，生成信息存在真实性与逻辑性的问题。
2、因此，如何使llmagent支持多目标复杂任务的执行，并有效提高输出问题答案的真实性、实效性与逻辑性是需要解决的技术问题。
技术实现思路
1、本申请意在提供一种基于大语言模型智能体的多目标任务问答增强方法、装置、电子设备和存储介质，所要解决的技术问题通过以下技术方案来实现。
2、本实施例第一方面，提出了一种基于大语言模型智能体的多目标任务问答增强方法，包括：
3、获取多个待处理目标；
4、基于大语言模型智能体，构建多目标任务问答模型；所述多目标任务问答模型的目标处理分支数量与所述待处理目标的数量相对应；
5、输入所述待处理目标至所述多目标任务问答模型的任务分解单元，获得所述待处理目标的多项任务内容；
6、输入多项所述任务内容输入至所述多目标任务问答模型的任
7、输入多项所述任务结果至所述多目标任务问答模型的目标结果单元，获得对应于所述待处理目标的目标结果；
8、保存所述待处理目标、所述任务内容、所述任务结果和所述目标结果至所述多目标任务问答模型的本地历史库，以便基于所述本地历史库对所述多目标任务问答模型的所述目标结果进行增强。
9、进一步地，所述多目标任务问答模型还包括本地知识库。
10、进一步地，输入所述待处理目标至所述多目标任务问答模型的任务分解单元还包括输入所述本地历史库的相关历史数据和所述本地知识库的相关知识数据至所述任务分解单元。
11、进一步地，获得所述待处理目标的多项任务内容，包括：
12、依据所述待处理目标，分别获得所述相关历史数据和所述相关知识数据；
13、依据所述相关历史数据、所述相关知识数据和所述待处理目标，基于预定义目标任务分解模板，确定目标任务分解prompt；其中，所述目标任务分解prompt包括角色描述、背景描述、约束定义和参考案例；
14、依据所述目标任务分解prompt，获得所述待处理目标的多项任务内容。
15、进一步地，依据所述待处理目标，获得所述相关历史数据，包括：使用相关性搜索算法，查询获得与所述待处理目标的相关性由高到低排序的所述相关历史数据；所述相关性搜索算法包括k-近邻算法。
16、进一步地，输入多项所述任务内容输入至所述多目标任务问答模型的任务结果获取单元，还包括输入所述相关知识数据至所述任务结果获取单元。
17、进一步地，输入多项所述任务结果至所述多目标任务问答模型的目标结果单元，获得对应于所述待处理目标的目标结果，包括：
18、基于预定义目标结果模板，确定目标结果prompt；
19、依据所述目标结果prompt，将多项所述任务结果进行汇总，生成对应于所述待处理目标的所述目标结果。
20、本实施例第二方面，提出了一种基于大语言模型智能体的多目标任务问答增强装置，包括：
21、待处理目标获取模块，被配置为获取多个待处理目标；
22、多目标任务问答模型构建模块，被配置为基于大语言模型智能体，构建多目标任务问答模型；所述多目标任务问答模型的目标处理分支数量与所述待处理目标的数量相对应；
23、多任务分解模块，被配置为输入所述待处理目标至所述多目标任务问答模型的任务分解单元，获得所述待处理目标的多项任务内容；
24、多任务结果获取模块，被配置为输入多项所述任务内容输入至所述多目标任务问答模型的任务结果获取单元，获得对应的多项任务结果；
25、目标结果获取模块，被配置为输入多项所述任务结果至所述多目标任务问答模型的目标结果单元，获得对应于所述待处理目标的目标结果；
26、本地历史库模块，配置为保存所述待处理目标、所述任务内容、所述任务结果和所述目标结果至所述多目标任务问答模型的本地历史库，以便基于所述本地历史库对所述多目标任务问答模型的所述目标结果进行增强。
27、本实施例第三方面，提出了一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，所述处理器在执行所述计算机程序时，实现如第一方面所述的基于大语言模型智能体的多目标任务问答增强方法的步骤。
28、本实施例第四方面，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如第一方面所述的基于大语言模型智能体的多目标任务问答增强方法的步骤。
29、本申请实施例包括以下优点：
30、本申请实施例提供的基于大语言模型智能体的多目标任务问答增强方法，首先基于大语言模型智能体，构建多目标任务问答模型；输入待处理目标至多目标任务问答模型的任务分解单元，获得多项任务内容；输入多项任务内容输入至多目标任务问答模型的任务结果获取单元，获得多项任务结果；输入多项任务结果至多目标任务问答模型的目标结果单元，获得对应于待处理目标的目标结果；保存待处理目标、任务内容、任务结果和目标结果至多目标任务问答模型的本地历史库，以便基于本地历史库对多目标任务问答模型的目标结果进行增强。本申请支持多目标复杂任务，将历史上下文和文档知识作为当前问答的先验知识库输入，增强了多目标内容间逻辑性与问答准确性。
本文档来自技高网...【技术保护点】
1.一种基于大语言模型智能体的多目标任务问答增强方法，其特征在于，包括：
2.根据权利要求1所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，所述多目标任务问答模型还包括本地知识库。
3.根据权利要求2所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，输入所述待处理目标至所述多目标任务问答模型的任务分解单元还包括输入所述本地历史库的相关历史数据和所述本地知识库的相关知识数据至所述任务分解单元。
4.根据权利要求3所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，获得所述待处理目标的多项任务内容，包括：
5.根据权利要求4所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，依据所述待处理目标，获得所述相关历史数据，包括：使用相关性搜索算法，查询获得与所述待处理目标的相关性由高到低排序的所述相关历史数据；所述相关性搜索算法包括K-近邻算法。
6.根据权利要求2所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，输入多项所述任务内容输入至所述多目标任务问答模型的
7.根据权利要求1所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，输入多项所述任务结果至所述多目标任务问答模型的目标结果单元，获得对应于所述待处理目标的目标结果，包括：
8.一种基于大语言模型智能体的多目标任务问答增强装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序，其特征在于，所述处理器在执行所述计算机程序时，实现如权利要求1至7中任一项所述基于大语言模型智能体的多目标任务问答增强方法的步骤。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述基于大语言模型智能体的多目标任务问答增强方法的步骤。
...【技术特征摘要】
1.一种基于大语言模型智能体的多目标任务问答增强方法，其特征在于，包括：
2.根据权利要求1所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，所述多目标任务问答模型还包括本地知识库。
3.根据权利要求2所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，输入所述待处理目标至所述多目标任务问答模型的任务分解单元还包括输入所述本地历史库的相关历史数据和所述本地知识库的相关知识数据至所述任务分解单元。
4.根据权利要求3所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，获得所述待处理目标的多项任务内容，包括：
5.根据权利要求4所述的基于大语言模型智能体的多目标任务问答增强方法，其特征在于，依据所述待处理目标，获得所述相关历史数据，包括：使用相关性搜索算法，查询获得与所述待处理目标的相关性由高到低排序的所述相关历史数据；所述相关性搜索算法包括k-近邻算法。
6.根据权利要求2所述的基于大语言模...
【专利技术属性】
技术研发人员：李冬冬，李立江，胡敏，张悦旸，张志勇，
申请(专利权)人：北京中科睿途科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。