CN119227817B 一种大模型多智能体协同的机械制造知识问答方法 （中国计量大学）

一种大模型多智能体协同的机械制造知识本发明公开了一种大模型多智能体协同的获取并将机械制造领域问题与预设的策略配置策略来决定问题的分解方式分为并行分解和串2步骤2：中枢智能体根据问题执行的策略确定问题的分解方式，分解方式包括并行分检索智能体的多步推理，是通过获取待检索问题和检索提示词，使用上一行数组previous和当前行数组cucurrent[j]＝min(previous[j]+1,current[j_1]+1,previous[j_1]+cost)其中，2.根据权利要求1所述的一种大模型多智能体协同的机械制造知识问答方法，其特征33.根据权利要求2所述的一种大模型多智能体协同的机械制造知识问答方法，其特征4.根据权利要求2所述的一种大模型多智能体协同的机械制造知识问答方法，其特征其中，SystemPrompt表示输入给大模型的提示词，定义其要完成的任务策略，User5.根据权利要求2所述的一种大模型多智能体协同的机械制造知识问答方法，其特征对于问题串行分解的方式，中枢智能体按照逻辑顺序将问题拆分为一6.根据权利要求5所述的一种大模型多智能体协同的机械制造知识问答方法，其特征4大模型根据提示词的步骤二，根据第一问题的答案判大模型根据提示词的步骤二，根据第二问题的答案进行其中，SystemPrompt表示输入给大模型的提示词，定义其要完成的任务策略，User7.根据权利要求1所述的一种大模型多智能体协同的机械制造知识问答方法，其特征8.根据权利要求7所述的一种大模型多智能体协同的机械制造知识问答方法，其特征5大模型根据检索提示词的步骤二，关键词检索到的以及检索其中，SystemPrompt表示输入给大模型的检索提示词，定义其要完成的任务策略，9.根据权利要求7所述的一种大模型多智能体协同的机械制造知识问答方法，其特征6[0010]进一步地，所述步骤1中策略配置提示词为两种执行策略的说明文字以及具体的7[0013]步骤1.3：使用中枢智能体串行推理数据集和中枢智能体并行推理数据对[0026]其中，SystemPrompt表示输入给大模型的提示词，定义其要完成的任务策略，UserContent表示用户输入的内容（输入给大模型的内容AssistantContent表示大模能体串行推理数据集和中枢智能体并行推理数据对Qwen2.5_14b大语言模型进行微调训8[0044]其中，SystemPrompt表示输入给大模型的提示词，定义其要完成的任务策略，UserContent表示用户输入的内容（输入给大模型的内容AssistantContent表示大模智能体基于现有的检索结果重新生成更加精准或扩展性的关键词和短语，重复步骤3.2和检索智能体基于现有的检索结果直接生成子问9[0060]其中，SystemPrompt表示输入给大模型的检索提示词，定义其要完成的任务策[0061]使用检索智能体多步推理数据集对Qwen2.5_14动态规划的Levenshtein距离算法[0067]使用上一行数组previous和当前行数组current：[0068]初始化数组currentl0]=i(0≤i≤m)，[0069]初始化数组previousli]=j(0≤j≤n)，l-1]+1,previousli-1]+cost)[0074]进行行数据更新：previous,current=current,previous[0075]在计算完当前行的数据后，将当前行数据保存为上一行的数据，即当前行数组符与sst的所有字符匹配的最小编辑距离；k，使得所述短文本ti与所述关键词k之间的相似度sim(t,kj)大于设定的阈值θ,则短文本[0082]sim(t,k)=score(t,ki)xwj[0083]R=ftiET3k;EK,sim(t,ky)>8}j个关键词；sim(t,ki)表示计算短文本ti与关键词k之间的相似[0091]输入input可表示为：模型根据句子的语义决定两句话是合并为一个更大的段落（块还是分割（保持独语义分割提示词输入模型；规划的Levenshtein距离算法，提升在大规模机械制造知识库中信息检索与召回的质量与[0119]进一步地，步骤1.1中的简单推NSS连接使用X25接口,B.ALCTEL的G2BSC与NSS连接使用Q3接口,C.OMCR与NMC连接使用[0124]SystemPrompt表示输入给大模型的前提提示词，定义其要完成的任务；UserContent表示用户输入的内容（输入给大[0127]步骤1.3：使用构建的中枢智能Qwen2.5_14b大语言模型进行微调训练，基于模型输出与预期输出之间的差异来计算损失[0139]使用检索智能体多步推理数据集对Qwen2.5_14动态规划的Levenshtein距离算法[0146]使用上一行数组previous和当前行数组current：[0147]初始化current[0]-i(0≤i≤m)，[0148]初始化previous]=j(0≤j≤n)，[0150]currentlj]=min(previousli]+1,currenti-1]+1,previousli-1]+cost)[0153]进行行数据更新：previous,current=current,previous[0154]在计算完当前行的数据后，将当前行数据保存为上一行的数据，即当前行数组符与sst的所有字符匹配的最小编辑距离。个关键词k，使得ti与之间的相似度sim(t,ki)大于设定的阈值θ,那么短文本ti就会被包[0161]sim(t,k)=score(t,ki)xwj[0162]R=ftiET3k;EK,sim(t,ky)>8}j个关键词；sim(t,ki)表示计算短文本ti与关键词k之间的相似[0170]步骤3.2.2.1.3：将步骤3.2.2.1.2：的输入传递给文本语义分割大模型（SplitLLM文本语义分割大模型根据句子的语义决定这两句话是应该合并为一个更大的