CN119415646A 基于大语言模型的文本处理方法、装置、设备和存储介质 （北京百度网讯科技有限公司）

本公开提供了一种基于大语言模型的文本2述组装工具是在历史时段内对工具库中与所述文本类别关联的至少一个原子工具进行组确定多个目标工具之间的调用顺序，并基于所述调用顺序，依响应于所述当前调用的目标工具为非首个调依次调用所述智能体交互拓扑图中各节点所指示的智能体对所述输入文根据所述智能体交互拓扑图中的叶子节点所指示的智能体的处理3依次调用所述智能体交互拓扑图中各节点所指示的智能体具型智能体，通过所述根节点所指示的智能体和与所述根节点所指示的智能体绑定的工根据所述输入文本以及与所述根节点所指示的智能体绑定的工具关联的输入参数描基于所述工具调用参数，调用与所述根节点所指示的智能体绑将所述工具执行结果进行转换，以得到与所述根节点所指示的智采用所述根节点所指示的智能体对所述自然语言文本进行处理，得获取与所述根节点所指示的智能体关联的至少一个第一参考考示例用于指示将自然语言信息转换为与所述根节点所指示的智能体绑定的工具的输入获取与所述根节点所指示的智能体绑定的工具关获取与所述根节点所指示的智能体关联的至少一个第二参考考示例用于指示与所述根节点所指示的智能体绑定的工具的输出结果到所述根节点所指4采用所述大语言模型对所述第二提示信息进行处理，得到所述若否，则基于已知文本类别与业务对象之间的对应关系，从多根据所述第一业务对象维护的智能体交互拓扑图，确定与所若是，则响应于第二配置指令，从所述多个业务对象中将所述输入文本调度至所述第二业务对象，以使所述第二业务对象根据所述第二业务对象维护的更新后的智能体交互拓扑图，确获取至少一个第三参考示例；其中，所述第三参考示例13.根据权利要求1_11中任一项所述的方法，其中，所述对所述输入文本进行第二分获取至少一个第四参考示例；其中，所述第四参考示例5述组装工具是在历史时段内对工具库中与所述文本类别关联的至少一个原子工具进行组确定多个目标工具之间的调用顺序，并基于所述调用顺序，依响应于所述当前调用的目标工具为非首个调依次调用所述智能体交互拓扑图中各节点所指示的智能体对所述输入文根据所述智能体交互拓扑图中的叶子节点所指示的智能体的处理依次调用所述智能体交互拓扑图中各节点所指示的智能体具型智能体，通过所述根节点所指示的智能体和与所述根节点所指示的智能体绑定的工6根据所述输入文本以及与所述根节点所指示的智能体绑定的工具关联的输入参数描基于所述工具调用参数，调用与所述根节点所指示的智能体绑将所述工具执行结果进行转换，以得到与所述根节点所指示的智采用所述根节点所指示的智能体对所述自然语言文本进行处理，得获取与所述根节点所指示的智能体关联的至少一个第一参考考示例用于指示将自然语言信息转换为与所述根节点所指示的智能体绑定的工具的输入获取与所述根节点所指示的智能体绑定的工具关获取与所述根节点所指示的智能体关联的至少一个第二参考考示例用于指示与所述根节点所指示的智能体绑定的工具的输出结果到所述根节点所指采用所述大语言模型对所述第二提示信息进行处理，得到所述若否，则基于已知文本类别与业务对象之间的对应关系，从多根据所述第一业务对象维护的智能体交互拓扑图，确定与所若是，则响应于第二配置指令，从所述多个业务对象中将所述输入文本调度至所述第二业务对象，以使所述第二业务对象7根据所述第二业务对象维护的更新后的智能体交互拓扑图，确获取至少一个第三参考示例；其中，所述第三参考示例获取至少一个第四参考示例；其中，所述第四参考示例所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被使所述计算机执行根据权利要求1_13中任一项所述的基于大语言模据权利要求1_13中任一项所述基于大语言模型的文8[0001]本公开涉及AI(ArtificialIntelligence，人工智能)领域，具体涉及NLP[0018]根据本公开的又一方面，提供了一种计算机指令的非瞬所述计算机指令用于使所述计算机执行本公开上述一方面提出的基于大语言模型的文本9[0020]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特[0054]本公开实施例以该基于大语言模型的文本处理方法被配置于基于大语言模型的[0072]本公开实施例的基于大语言模型的文本处理方法，可以实现针对不同的输入文骤A至步骤D获取得到：[0087]在本公开实施例中，在存在与输入文本所属的文本类别关联的组装工具的情况[0091]作为一种示例，在不存在与输入文本所属的文本类别关类别适配的原子工具包括：人工创建的原子工具(即，响应于相关人员触发的第一配置指是指多个原子工具串行组装的场景，图3(b)是指根据条件触发选择哪个原子工具的场景，图3(c)是指多个原子工具并行组装的场景。本公开中，相关人员可以通过UI(User[0102]为了清楚说明本公开任一实施例中是如何调用目标工具[0116]在本公开实施例中，在当前调用的目标工具为非首个调[0135]而在当前调用的智能体为智能体交互拓扑图中的非根节点所指示的智能体的情[0142]为了清楚说明上述实施例中是如何依次调用智能体交互拓扑图中各节点所指示[0153]步骤S606，通过根节点所指示的智能体和与根节点所指[0156]步骤A：获取与根节点所指示的智能体绑定的工具关联的输入参数描述和功能描式描述工具的输入参数说明。示例性的，可以标记工具的输入参数描述为input_param_考示例用于指示与根节点所指示的智能体绑定的工具的输出结果到根节点所指示的智能[0205]接口名：set_to[0208]接口名：tool_output_examples//工具的输出格式示例(本公开中记为第二参考[0241]步骤S705，响应于当前调用的智能体交互拓扑图为首个调用的智能体交互拓扑[0250]为了清楚说明上述实施例中是如何获取与输入文本所属的文本类别适配的智能[0271]步骤a：判断智能体库中是否存在与输入文本所属的文本类别适配的智能体，若[0279]步骤e：若工具库中不存在与输入文本所属的文本类别适配的智能体关联的原子[0309]如图10所示，该基于大语言模型的文本处理方法可以包括以下步骤S1001至本所属的文本类别。[0325]图11中的工具层中的Clickhouse是一个完全的列式分布式数据库管理系统；callgraph平台是一种分布式服务跟踪系统，用于监控和追踪分布式业务系统中各组件之将自然语言转换为SQL(StructuredQueryLanguage，结构化查询语言)查询的技术(NaturalLanguaget体绑定的工具的输入参数列表，即指示将自然语言信息转换为工具的输入参数的转换方数(如工具型智能体的tool_input_examples、工具的descripti擎可以基于这些参数调用工具的run_with_param接口，执行工具，得到工具的执行结果化结果。具体地，首先，工具执行引擎调用工具型智能体和工具相关的函数(如工具的description、工具的output_param_description、工具型智能体的tool_output_examples)得到对应的信息，并组装得到prompt，然后，工具执行引擎采用该prompt请求[0384]总入口智能体负责用户输入的原始query的理解，并组织各业务团队的入口智能[0387](1)在总入口智能体为新文本类别的query添加例子，指明对应于该文本类别的[0388](2)在业务团队维护的智能体内部，如果当前缺少为了完成该query必要的智能[0405]与上述图1至图10实施例提供的基于大语言模型的文本处理方法相对应，本公开文本处理装置与上述图1至图10实施例提供的基于大语言模型的文本处理方法相对应，因此在基于大语言模型的文本处理方法的实施方式也适用于本公开实施例提供的基于大语[0407]如图15所示，该基于大语言模型的文本处理装置1500可以包括：第一分类模块[0414]在本公开实施例的一种可能的实现方式中，目标工具的数量为多个，调用模块工具型智能体和/或非工具型智能体；依次调用智能体交互拓扑图中各节点所指示的智能体对输入文本进行处理；根据智能体交互拓扑图中的叶子节点所指示的智能体的处理结象中确定与文本类别对应的第一业务对象；根据第一业务对象维护的智能体交互拓扑图，更新对应维护的智能体交互拓扑图；根据第二业务对象维护的更新后的智能体交互拓扑[0424]本公开实施例的基于大语言模型的文本处理装置，可以实现针对不同的输入文[0429]图16示出了可以用来实施本公开的实施例的示例电子设通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信[0432]计算单元1601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1601的一些示例包括但不限于CPU(CentralProcessingUnit，中央处理单元)、GPU人工智能)计算芯片、各种运行机器学习模型算法的计算单元、DSP(DigitalSignalProduct，专用标准产品)、SOC(SystemOnChip，芯片上系统的系统)、CPLD(Complex者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可[