CN119398460A 一种基于大模型智能体的行车调度方法及装置 （北京京投亿雅捷交通科技有限公司）

一种基于大模型智能体的行车调度方法及本申请公开了一种基于大模型智能体的行2对所述角色定义后的行车调度智能体进行优化处理，得到优化处理后构建反思智能体；所述反思智能体用于对行车调度智能体已将所述优化处理后的行车调度智能体与所述反思智能体进行关联，得到最终的初始化chromadb客户端，并创建一个新的集合；所述新的定义文件向量化函数，读取文件内容，所述文件向量化函数用基于所述文件向量化函数和TF_IDF函数库，确定TF_IDF模型；所述TF_估一个词对于一个文件集或一个语料库中的其中一份基于所述TF_IDF模型，完成文件的向量化，并将向量化的文件存储到chr将所述chromadb向量数据库通过Autogen框架配置给4.根据权利要求1所述的基于大模型智能体的行车调度方创建数据生产者；所述数据生产者用于将线路级信号3创建RESTAPI长连接服务；所述RESTAPI长连接采用python定义一个长连接调用函数，作为行车调度智能体的工具；根据各线路行车实时运行情况，编写所述RESTAPI长连接服务的提示词将所述提示词在所述行车调度智能体初始化时作为参数传入，完成Kafka分布式消息采用python编写每一个查询API工根据每一个查询API工具的提示词和对应的调用方法，给行车调度智能体注册查询工采用python编写每一个执行API工根据每一个执行API工具的提示词和对应的调用方法，给行车调度智能体注册执行工7.一种基于大模型智能体的行车调度装置角色定义模块，用于基于Autogen环境框架，对线网指挥中心行车调度智能体定义角优化处理模块，用于对所述角色定义后的行车调度智反思智能体构建模块，用于构建反思智能体；所述反关联模块，用于将所述优化处理后的行车调度智能体与4理器执行时实现权利要求1_6中任一项所述的基于大模型智能体的行车时实现权利要求1_6中任一项所述的基于5[0003]当前技术方案主要是通过指定明确的判断规则，设置相应阈值来进行异常监6[0018]关联模块，用于将所述优化处理后的行车调度智能体与所述反思智能体进行关算机程序被处理器执行时实现上述中任一项所述的基于大模型智处理器执行时实现上述中任一项所述的基于大模型智能体的行对所述角色定义后的行车调度智能体进行优化处理，得到优化处理后的行车调度智能体；7[0028]图2为本申请一实施例提供的一种基于大模型智能体的行车调度方法的流程示意[0032]图6为本申请一实施例提供的一种基于大模型智能体的行车调度装置的功能模块8Kafka分布式消息队列用于实现环境感知能力；所述查询工具集为行车调度智能体提供查情。让其对自己的职能有基本的理解。本申请选择Autogen作为智能体开发的框架，使用9TRAIN_DISPATCHING_ROLE_PROMPT="[0066]本申请应用chromadb作为向量数据库，因此应事先启动一个chromadb的服务本申请将文本转化为向量表示所使用的模型为TF_IDF（TermFrequency_Inversefromsklearn.feature_extraction.textimportTfidfVclient=chromadb.Clicollection_name="your_ccollection=client.create_collectdeffile_to_vector(file_path,vectorizer):vector=vectorizer.tvectorizer=TfidfVectorizer()vector=file_to_vector(file_path,vectorizer)collection.add(embeddings=[vector],//向量列表metadata=[mChromaDBclient.persitrain_dispathing_agent=RetrieveUserProxyAgent("城市轨道交通线网指挥中心行车调度智能体",llm_config={"config_list":[{"model":"gpt_os.environ.get("OPENAI_API_KEY")}]},system_message=ROLE_PROMPT,retrieve_config={"client":chromadb.PersistentClient(path="chromadb的数据持久化文件路径"),"embedding_model":"vectorizer"//指定向量化模型，需}results=collection.query(embedding与消费技术。本申请应用Kafka作为线网指挥中心与线路级信号、车辆系统的数据对接渠KafkaProducer<String,String>producer=newKafkaProducer<>(prKafkaConsumer<String,String>consumer=newKafkaConsumer<>(prStringmessage=conpublicclassTimeServletextendsHttprotectedvoiddoGet(HttpServletRequestrequest,HttpServletResponsePrintWriterwriter=response.getWriter();writer.write(message);writer.flush();}}deflong_connection_client():client_socket=socket.socket(socket.AFwhileTrue:register_function(connection_client,//智能体可以执行connection_clexecutor=train_dispathing_agent,name="connection_client",用途。{url}替换为API的调用地址。{parameters}替换为调用API时需要传入的参数。returnresponse.json()register_function(post_request,executor=train_dispathing_agent,name="post_request",[0117]执行工具集为行车调度智能体提供执行相应操作的工具，工具集均以API的方式react_agent=UserProxyAgent("反思智能体",llm_config={"config_list":[{"model":"gpt_4","api_key":os.environ.get("OPENAI_API_KEY")}]},system_message=REACT_PROMPT,initializer=autogenname="初始化",)groupchat=autogen.GroupChat(agents=[initializer,react_agent,train_manager=autogen.GroupChatManager(groupchat=groupchat,llm_config=initializer.initiate_chat(manager,message="请实时感知当前线网列车运的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于