CN119417672A 一种AIGC平台教育场景下零代码实现多agent的蓝图编排实现方法 （杭州半云科技有限公司）

一种AIGC平台教育场景下零代码实现多本发明公开了一种AIGC平台教育场景下零代码实现多agent的蓝图编排实现方法，包括以AI基础大模型与多种不同agent智能体教育模块编写和专业技术知识的要求，使广大教育工作地拓展了多agent技术在教育领域的受众范围，让更多用户均可以使用agent技术，促进教育公2述AIGC平台教育场景下零代码实现多agent的蓝图编排实现方法包括模型输出结果或者执行agent智能体教育模步骤二、预定义agent模块，根据教育场景的多方面定义将agent模块分割为多个子2.根据权利要求1所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实3.根据权利要求2所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实4.根据权利要求3所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实现方法，其特征在于：所述子agent智能体教育模块包括但不限于教学辅助agent、答疑限访问机制，根据不同的权限访问机制根据需求自定义添加不同的子agent智能体教育模5.根据权利要求4所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实6.根据权利要求5所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实37.根据权利要求6所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实态或结果信息被子agent智能体教育模块作为观察收8.根据权利要求7所述的一种AIGC平台教育场景下零代码实现多agent的蓝图编排实;Rt为从时间步t开始的累积回报，表示从当前时间步t到终止时间步T的所有未来奖励γk为对未来的奖励进行打折；4T"t+k+1为在时间步t+k+1时获得的即时奖励。5[0001]本发明涉及智能教育技术领域，具体为一种AIGC平台教育场景下零代码实现多教育场景下零代码实现多agent的蓝图编排[0007]本发明的目的在于提供一种AIGC平台教育场景下零代码实现多agent的蓝图编排AI大模型输出结果或者执行agent智能体教育模6论是课程内容的调整、教学方法的创新，还是学生个性化需求的满足，都能够及时在多体教育模块组件，根据不同用户场景选择所需要的大模型和不同的agent智能体教育模块所述子agent智能体教育模块包括但不限于教学辅助agent、答疑agent、评估根据不同的权限访问机制根据需求自定义添加不同的子agent智能所述步骤三中所述子agent智能体教育模块用于代理执行操作，所述代理执行操7所述步骤五中API通讯协议生成的过程中结合生成的编排完成的图链路形成独特初始化：子agent智能体教育模块开始时具有一定的初始策略或完全随机的行为行动：子agent智能体教育模块根据当前策略选择一个动作，并将其应用于环境评估与学习：基于观察收集到的结果，子agent智能体教育模块评估其动作的效;Rt为从时间步t开始的累积回报，表示从当前时间步t到终止时间步T的所有未来8γk为对未来的奖励进行打折；T"t+k+1为在时间步t+k+1时获得的即时奖励。AI大模型输出结果或者执行agent智能体教育模9并且借助AI大模型的强大处理能力，可以自动分析并优化整个工作流中的瓶颈，而且用户可以根据实际需要选择和配置不同的子agent智能体教育模块，构建个并且通过图形化蓝图编辑界面，用户可以直观地理解和操作各个子agent智能体而且不同子agent智能体教育模块可以分别收集各自领域的数据，全面覆盖教育术中缺乏个性化配置的问题，根据个性化配置对子agent智能体教育模块的属性和行为规[0024]所述步骤五中API通讯协议生成的过程中结合生成的编排完成的图链路形成独特curl_XWS'wss://HOST:PORT/api/v1/third_interface/assistant/chat?chai_id=聊天ID&key=秘钥&token=令牌/access_token'{"chatHistory":[{"is_bot":false,"source":0,"message":{"input":"李明今天学习了哪些课程","file__list":[]},"extra":"\"{}\"","type":"human","category":"question","flow_id":"ac5da15cc68f4b289a1123b2486c551f","chat_id":"5f85f74988e830aad4332b09d7f13eab","user_id":"3","liked":0,"solved":0,"sender":null,"receiver":null,"intermediate_steps":null,"files":null,"remark":null,"create_time":"2024_08_27T14:01:16","update_time":null,"user_question":null,"knowledge_source":null,"answer_files":null,"id":null,"isSend":true},{"is_bot":true,"source":0,"message":"李明今天学习了哪些课程","extra":"\"{}\"","type":"end_cover","category":"answer","flow_id":"ac5da15cc68f4b289a1123b2486c551f","chat_id":"5f85f74988e830aad4332b09d7f13eab","user_id":"3","liked":0,"solved":0,"sender":null,"receiver":null,"intermediate_steps":null,"files":null,"remark":null,"create_time":"2024_08_27T14:01:16","update_time":null,"user_question":null,"knowledge_source":[],"answer_files":[],"id":"157c3a24049d47f2a51530de80af877e","isSend":false}],"inputs":{"input":"你好","file_体教育模块组件，根据不同用户场景选择所需要的大模型和不同的agent智能体教育模块[0027]所述子agent智能体教育模块包括但不限于教学辅助agent、答疑agent、评估根据不同的权限访问机制根据需求自定义添加不同的子agent智能初始化：子agent智能体教育模块开始时具有一定的初始策略或完全随机的行为行动：子agent智能体教育模块根据当前策略选择一个动作，并将其应用于环境评估与学习：基于观察收集到的结果，子agent智能体教育模块评估其动作的效而且每一次观察都为子agent智能体教育模块提供了新的信息，这些信息用于评强化学习算法允许智能体自动发现哪些行为能带来更大的奖励，从而自我优化，而奖励信号的引入使得学习过程有了明确的方向感，子agent智能