CN117933396A - 生成式智能体的记忆流构建方法以及装置 - Google Patents

Abstract

本申请公开一种生成式智能体的记忆流构建方法以及装置，包括：构建基于交互性的记忆流框架。将全记忆流分解为智能体独立记忆流和智能体交互记忆流，进一步在系统全记忆流上构建环境记忆流和人际关系记忆流。单智能体通过事件主体建立交互指针指向全记忆流框架获取智能体交互记忆流，环境指针指向环境记忆流获取环境信息。从而减少智能体交互时，产生的同一事件多次存储的内存浪费问题以及多个智能体同处于一个环境时，同一环境的记忆流重复建立的问题。通过智能体交互的文本情绪分析，可以基于人际关系进行对应角色的自适应交互，亦可进行智能体人际交互反思。针对生成式智能体的幻觉问题，建立智能体知识更迭验证环节，将新增事件放入验证流，加入生成式智能体交互交谈热点，通过智能体间交互进行验证流的真实性校验，通过智能体相似性、事件互斥验证，进行同名智能体的区分。

Description

生成式智能体的记忆流构建方法以及装置

技术领域

本申请涉及数据处理技术领域，尤其涉及一种生成式智能体的记忆流构建方法以及装置。

背景技术

现如今，生成式智能体在模拟人类时通常都是将LLM(Large Language Model,大语言模型)技术与记忆流框架相结合来生成智能体行为。这其中,记忆流框架可使生成式智能体生成的行为具备时间线上的一致性,而作为该记忆流框架的底层单元记忆流,是带时间戳的用自然语言描述智能体所有经历的全列表，其通过基于相关性、近似性和重要性的检索模型，可以为生成式智能体的即时行为提供信息所需的记录。

然而,目前生成式智能体结合的记忆流框架仅仅考虑了事件流，如此,生成式智能体单从事件角度描述的形式，便难免会产生同一事件由多智能体进行描述的存储浪费问题，也无法根据关系生成合适的交流语言输出。此外，生成式智能体会产生幻觉即对新接触的消息，无确认环节，直接加载至记忆流，亦无纠错机制，致使错误一直延续。同时，基于LLM对于虚拟环境的同名智能体、通知常识的同名实体也无法区分。

发明内容

本申请的主要目的在于提供一种生成式智能体的记忆流构建方法以及装置，旨在避免多智能体交互时对同一事件进行多次存储引起的内存浪费。

为实现上述目的，本申请提供一种生成式智能体的记忆流构建方法，所述生成式智能体的记忆流构建方法包括：

构建生成式智能体的系统全记忆流；

根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

根据所述智能体关系、关系权重及交互记忆流，构建各所述生成式智能体的人际关系记忆流。

可选地，所述方法还包括：

根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容；

生成式智能体基于所述基于对象的交互内容，进行交互，获取新增记忆流单元；

根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新。

可选地，所述根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流的步骤，包括：

根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；

根据构建得到的所述智能体交互记忆流构建生成式智能体人际关系圈；

根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系；

设置智能体各关系权重初始值为1。

可选地，所述方法还包括：

提取系统全记忆流中记忆流单元的事件主体仅为当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体独立记忆流

提取系统全记忆流中记忆流单元的事件主体包含当前智能体且非仅包含当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体交互记忆流

所述各所述生成式智能体的事件记忆流为：

其中，j表示智能体编号，J表示智能体编号集合；表示编号为j的智能体的独立记忆流；/>表示表示编号为j的智能体的交互记忆流；Ω_j表示编号为j的智能体的事件记忆流。

可选地，所述根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容的步骤，包括：

在当前智能体视觉范围确定所有其他智能体；

根据智能体的标号，判定所有其他智能体是否在当前智能体的人际交际圈内；

若在，则先利用当前智能体人际关系记忆流中对应记忆单元的最近记忆、当前智能体事件记忆流，构建相关记忆文本；将相关记忆文本及当前智能体人际关系记忆流中对应记忆单元的关系及权重一起输入到LLM，生成基于关系的交互对话文本，实现自适应角色对话文本生成；

若不在，智能体利用初始角色文本及智能体事件记忆流，构建相关记忆文本，将相关记忆文本输入LLM，生成初识自我介绍和最新事件分享的交互对话文本。

可选地，所述方法还包括：

构建生成式智能体的系统环境记忆流。

可选地，所述构建生成式智能体的系统环境记忆流的步骤，包括：

根据地点、物体、物体状态、物体状态持续时间，构建环境记忆流单元stream_n＝{ad_n,Item_n,Sta_n,Lt_n}；

根据构建得到的所述环境记忆流单元构建生成式智能体的系统环境记忆流Ω_S＝{stream_n|1≤n≤N₀}；

其中，stream_n表示编号为n的环境记忆流单元；ad_n表示stream_n对应地点，Item_n,Sta_n,Lt_n分别表示ad_n对应的地点当前时刻包含的物体集合，物体状态的集合，物体状态开始时间的集合；item_n,m表示ad_n包含的编号为m的智能体；M_n表示ad_n当前时刻包含的物体编号集合，Item_n＝{item_n,m|m∈M_n}；N₀表示初始化环境总数。

可选地，所述方法还包括：

基于对所述生成式智能体的新增记忆流单元进行事件验证分析，对所述智能体交互记忆流进行更新，包括：

若新增记忆流单元的事件包含新闻类内容，则将新增记忆流单元加入短时待验证区域，否则将新增记忆流单元加入智能体交互记忆流；

将所述短时待验证区域内记忆流单元的事件，加入智能体交互话题并与其他智能体进行真实性验证；

当验证通过次数达到阈值或者经过所述短时待验证区域内记忆流单元的事件涉及智能体主体的真实性验证，则将所述记忆流单元加入智能体交互记忆流，否则标识所述记忆流单元的事件为虚假信息及其验证过程，然后加入智能体交互记忆流。

可选地，所述方法还包括：

基于对所述生成式智能体的新增记忆流单元进行智能体验证分析以区分同名智能体，包括：

若新增记忆流单元的事件包含的交谈内容涉及交互智能体外的第三方智能体，且第三方智能体均位于交互智能体人际关系圈，则加载智能体交互记忆流中涉及的第三方同名智能体的所有记忆单元事件，然后进行智能体相似性验证或事件互斥的验证；

若验证通过，则认为同名第三方智能体为同一个，否则认为当前交互的智能体涉及的第三方智能体仅为同名但非同一个智能体；

其中，智能体相似性验证包括验证智能体基本信息，事件互斥的验证包括：验证同一件事的时间、地点是否互斥。

可选地，所述根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新，包括：

对新增交互记忆流单元，对记忆流单元事件进行对话文本情感分析；

利用情感分析结果，计算交互双方智能体对此次交互事件的权重：若情感分析结果为具有正效价值高唤醒度的情绪识别结果(例如“高兴”、“愉悦”等)，设置此次交互事件的权重为1；若情感分析结果为具有负效价值的情绪识别结果(例如“无聊”、“不高兴、“厌恶”等)，设置此次交互事件的权重为-1；否则，设置此次交互事件的权重为0。

累加交互事件权重到新事件涉及智能体的关系权重，更新智能体人际关系记忆流；

进一步可在上述计算交互事件权重的同时，同步计算智能体交互频次，将上述基于交互事件的权重的智能体人际关系记忆流更新法，进一步扩展至基于交互事件的权重及交互频次，生成当前智能体的人际关系圈内各个智能体从初识--熟悉--依赖--分离的分阶段评价的智能体人际关系记忆流更新法；

在使用LLM生成交互文本时不仅考虑交互智能体间的关系，更可以根据熟悉度，生成更具角色情感状态的文本。

此外，为实现上述目的，本申请还提供一种生成式智能体的记忆流构建装置，所述生成式智能体的记忆流构建装置包括：

第一记忆流构建模块，用于构建生成式智能体的系统全记忆流；

智能体关系确定模块，用于根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

第二记忆流构建模块，用于根据所述智能体关系、关系权重及交互记忆流，构建各所述生成式智能体的人际关系记忆流。

此外，为实现上述目的，本申请还提供一种终端设备，所述生成式智能体的记忆流构建设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的生成式智能体的记忆流构建程序，所述生成式智能体的记忆流构建程序被所述处理器执行时实现如上所述的生成式智能体的记忆流构建方法的步骤。

此外，为实现上述目的，本申请还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有生成式智能体的记忆流构建程序，所述生成式智能体的记忆流构建程序被处理器执行时实现如上所述的生成式智能体的记忆流构建方法的步骤。

此外，为实现上述目的，本申请还提出一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的生成式智能体的记忆流构建方法的步骤。

本申请实施例中，本申请提供的生成式智能体的记忆流构建方法通过构建生成式智能体的系统全记忆流；根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系；根据所述智能体关系构建各所述生成式智能体的人际关系记忆流。

即，本申请提供的生成式智能体的记忆流构建方法通过先构建系统全记忆流；再根据该系统全记忆流构建智能体交互记忆流以确定各个生成式智能体相互之间的智能体关系；从而根据该智能体关系构建得到该各个生成式智能体的人际关系记忆流。

如此，本申请提供的生成式智能体的记忆流构建方法通过单智能体根据事件主体建立交互指针指向全记忆流框架获取智能体交互记忆流，从而能够有效地避免生成式智能体交互时产生的同一事件被多次存储引起的内存浪费问题。

此外，本申请通过智能体交互的文本情绪分析，可以基于人际关系进行对应角色的自适应交互，亦可进行智能体人际交互反思。并且，针对生成式智能体的幻觉问题，本申请通过建立智能体知识更迭验证环节，将新增事件放入验证流，加入生成式智能体交互交谈热点，通过智能体间交互进行验证流的真实性校验，通过智能体相似性、事件互斥验证，进行同名智能体的区分。

附图说明

图1为本申请实施例方案涉及的硬件运行环境的结构示意图；

图2为本申请生成式智能体的记忆流构建方法一实施例的步骤流程示意图；

图3为本申请生成式智能体的记忆流构建方法实施例涉及的一种应用场景示意图；

图4为本申请生成式智能体的记忆流构建装置一实施例的功能模块结构示意图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

如图1所示，图1是本申请实施例方案涉及的硬件运行环境的设备结构示意图。

需要说明的是，本申请实施例方案涉及的硬件运行环境的终端设备可以是运行本申请提供的生成式智能体的记忆流构建方法的设备，该终端设备可以是采用LLM大语言模型进行问题分析处理的生成式智能体。具体地，该终端设备可以是模拟人类行为进行智能交互的智能体，也可称之为生成式智能终端，或者，该终端设备也可以是智能手机、个人计算机和服务器等其它具有数据分析处理能力的终端设备，在此不对该终端设备的具体种类做具体限制。

此外，应当理解的是，本申请实施例方案涉及的硬件运行环境的设备还可以是与上述任一终端设备相连接，从而能够针对该终端设备的运行进行相关控制或者管理的可移动或者不可移动的终端设备。

如图1所示，本申请实施例方案涉及的硬件运行环境的终端设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及生成式智能体的记忆流构建程序。操作系统是管理和控制设备硬件和软件资源的程序，支持生成式智能体的记忆流构建程序以及其它软件或程序的运行。在图1所示的设备中，用户接口1003主要用于与客户端进行数据通信；网络接口1004主要用于服务器建立通信连接；而处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，并执行以下操作：

构建生成式智能体的系统全记忆流；

根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

根据所述智能体关系、关系权重及交互记忆流，构建各所述生成式智能体的人际关系记忆流。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容；

生成式智能体基于所述基于对象的交互内容，进行交互，获取新增记忆流单元；

根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；

根据构建得到的所述智能体交互记忆流构建生成式智能体人际关系圈；

根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系；

设置智能体各关系权重初始值为1。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

提取系统全记忆流中记忆流单元的事件主体仅为当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体独立记忆流

提取系统全记忆流中记忆流单元的事件主体包含当前智能体且非仅包含当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体交互记忆流

所述各所述生成式智能体的事件记忆流为：

其中，j表示智能体编号，J表示智能体编号集合；表示编号为j的智能体的独立记忆流；/>表示表示编号为j的智能体的交互记忆流；Ω_j表示编号为j的智能体的事件记忆流。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

在当前智能体视觉范围确定所有其他智能体；

根据智能体的标号，判定所有其他智能体是否在当前智能体的人机交际圈内；

若在，则先利用当前智能体人际关系记忆流中对应记忆单元的最近记忆、当前智能体事件记忆流，构建相关记忆文本；将相关记忆文本及当前智能体人际关系记忆流中对应记忆单元的关系及权重一起输入到LLM，生成基于关系的交互对话文本，实现自适应角色对话文本生成；

若不在，智能体利用初始角色文本及智能体事件记忆流，构建相关记忆文本，将相关记忆文本输入LLM，生成初识自我介绍和最新事件分享的交互对话文本。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

构建生成式智能体的系统环境记忆流。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

根据地点、物体、物体状态、物体状态持续时间，构建环境记忆流单元stream_n＝{ad_n,Item_n,Sta_n,Lt_n}；

根据构建得到的所述环境记忆流单元构建生成式智能体的系统环境记忆流Ω_S＝{stream_n|1≤n≤N₀}；

其中，stream_n表示编号为n的环境记忆流单元；ad_n表示stream_n对应地点，Item_n,Sta_n,Lt_n分别表示ad_n对应的地点当前时刻包含的物体集合，物体状态的集合，物体状态开始时间的集合；item_n,m表示ad_n包含的编号为m的智能体；M_n表示ad_n当前时刻包含的物体编号集合，Item_n＝{item_n,m|m∈M_n}；N₀表示初始化环境总数。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

基于对所述生成式智能体的新增记忆流单元进行事件验证分析，对所述智能体交互记忆流进行更新，包括：

若新增记忆流单元的事件包含新闻类内容，则将新增记忆流单元加入短时待验证区域，否则将新增记忆流单元加入智能体交互记忆流；

将所述短时待验证区域内记忆流单元的事件，加入智能体交互话题并与其他智能体进行真实性验证；

当验证通过次数达到阈值或者经过所述短时待验证区域内记忆流单元的事件涉及智能体主体的真实性验证，则将所述记忆流单元加入智能体交互记忆流，否则标识所述记忆流单元的事件为虚假信息及其验证过程，然后加入智能体交互记忆流。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

基于对所述生成式智能体的新增记忆流单元进行智能体验证分析以区分同名智能体，包括：

若新增记忆流单元的事件包含的交谈内容涉及交互智能体外的第三方智能体，且第三方智能体均位于交互智能体人际关系圈，则加载智能体交互记忆流中涉及的第三方同名智能体的所有记忆单元事件，然后进行智能体相似性验证或事件互斥的验证；

若验证通过，则认为同名第三方智能体为同一个，否则认为当前交互的智能体涉及的第三方智能体仅为同名但非同一个智能体；

其中，智能体相似性验证包括验证智能体基本信息，事件互斥的验证包括：验证同一件事的时间、地点是否互斥。

可选地，处理器1001可以用于调用存储器1005中存储的生成式智能体的记忆流构建程序，还执行以下操作：

对新增交互记忆流单元，对记忆流单元事件进行对话文本情感分析；

利用情感分析结果，计算交互双方智能体对此次交互事件的权重：若情感分析结果为具有正效价值高唤醒度的情绪识别结果(例如“高兴”、“愉悦”等)，设置此次交互事件的权重为1；若情感分析结果为具有负效价值的情绪识别结果(例如“无聊”、“不高兴、“厌恶”等)，设置此次交互事件的权重为-1；否则，设置此次交互事件的权重为0。

累加交互事件权重到新事件涉及智能体的关系权重，更新智能体人际关系记忆流；

进一步可在上述计算交互事件权重的同时，同步计算智能体交互频次，将上述基于交互事件的权重的智能体人际关系记忆流，进一步扩展更新法至基于交互事件的权重及交互频次，生成当前智能体的人际关系圈内各个智能体从初识--熟悉--依赖--分离的分阶段评价的智能体人际关系记忆流更新法；

在使用LLM生成交互文本时不仅考虑交互智能体间的关系，更可以根据熟悉度，生成更具角色情感状态的文本。

基于上述的终端设备结构，提出本申请提供的生成式智能体的记忆流构建方法的各个实施例。

需要说明的是，在本申请实施例提供了生成式智能体的记忆流构建方法的实施例中，生成式智能体单从事件角度描述交互内容的形式，除了会产生同一事件被多智能体进行描述的存储浪费问题之外，也会导致生成式智能体无法根据关系生成合适的交流语言输出。此外，生成式智能体还会产生幻觉，即对新接触的消息，无确认环节，直接加载至记忆流，亦无纠错机制，致使错误一直延续。同时，基于LLM对于虚拟环境的同名智能体、通知常识的同名实体也无法有效区分。

针对上述问题，本申请提出一种生成式智能体的记忆流构建方法。

一方面，本申请提出一种生成式智能体的记忆流构建方法通过构建基于交互性的记忆流框架，将全记忆流分解为智能体独立记忆流和智能体交互记忆流，并进一步在系统全记忆流上构建了环境记忆流和人际关系记忆流。如此，单智能体通过事件主体，建立交互指针指向全记忆流框架获取智能体交互记忆流，环境指针指向环境记忆流获取环境信息。从而减少智能体交互时，产生的同一事件多次存储的内存浪费问题以及多个智能体同处于一个环境时，同一环境的记忆流重复建立的问题。

另一方面，本申请提出的生成式智能体的记忆流构建方法能够通过智能体交互的文本情绪分析，从而可以基于人际关系进行对应角色的自适应交互，并且，本申请提出的生成式智能体的记忆流构建方法亦可进行智能体人际交互反思。

最后，本申请提出的生成式智能体的记忆流构建方法针对生成式智能体的幻觉问题，还通过建立智能体知识更迭验证环节，将新增事件放入验证流，加入生成式智能体交互交谈热点，从而通过智能体间交互进行验证流的真实性校验，通过智能体相似性、事件互斥验证，进行同名智能体的区分。

基于上述内容，提出本申请生成式智能体的记忆流构建方法的第一实施例。

请参照图2，图2为本申请生成式智能体的记忆流构建方法第一实施例的流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，本申请生成式智能体的记忆流构建方法可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中，本申请提供的生成式智能体的记忆流构建方法可以应用于上述的单个生成式智能体或者该生成式智能体所内置或者外接的终端设备。为便于阐述和理解，后文均以生成式智能体所内置或者外接的终端设备作为执行主体来对本申请提供的生成式智能体的记忆流构建方法进行说明。此时，本申请提供的生成式智能体的记忆流构建方法可以包括以下步骤：

步骤S10，构建生成式智能体的系统全记忆流；

步骤S20，根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

步骤S30，根据所述智能体关系、关系权重及交互记忆流，构建各所述生成式智能体的人际关系记忆流。

在本实施例中，终端设备通过先构建系统全记忆流；再根据该系统全记忆流构建智能体交互记忆流以确定各个生成式智能体相互之间的智能体关系；从而根据该智能体关系构建得到该各个生成式智能体的人际关系记忆流。

可选地，在本实施例以及后文所阐述其它可行的实施例中，上述的步骤S10，构建生成式智能体的系统全记忆流，可以包括：

根据时间、事件主体、地点、自然语言描述，构建记忆流单元；

根据构建得到的所述记忆流单元构建生成式智能体的系统全记忆流。

在本实施例中，终端设备在构建生成式智能体的系统全记忆流时，首先构建由时间、事件主体、地点、自然语言描述的事件四要素组成的结构体作为记忆流单元，记为streamt_i＝{t_i,P_i,ad_i,things_i}。

之后，终端设备即可将构建得到的记忆流单元组合构建为生成式智能体的系统全记忆流。即，终端设备构建系统全记忆流为：Ω＝{streamt_i|1≤i≤I₀}。

需要说明的是，在本实施例以及后文所阐述其它可行的实施例中，streamt_i表示编号为i的记忆流单元；things_i表示streamt_i对应事件，t_i,ad_i,P_i分别表示streamt_i对应事件发生时间、事件发生的地点、事件涉及的智能体集合；p_j表示编号为j的智能体，J表示智能体编号集合；n_i表示streamt_i对应事件涉及的智能体编号集合，P_i＝{p_j|j∈n_i}；I₀表示初始化事件总数。

可选地，在本实施例以及后文所阐述其它可行的实施例中，本申请提供的生成式智能体的记忆流构建方法，还可以包括：

构建生成式智能体的系统环境记忆流。

在本实施例中，终端设备还可以构建交互式智能体的系统环境记忆流，如此，能够令单个生成式智能体通过事件主体，建立环境指针指向环境记忆流获取环境信息，从而在多个生成式智能体同处于一个环境时，同一环境的记忆流可不需要被多个生成式智能体重复建立，即，进一步避免了多智能体交互时对同一事件进行多次存储引起的内存浪费问题。

可选地，在本实施例以及后文所阐述其它可行的实施例中，上述“构建生成式智能体的系统环境记忆流”的步骤，可以包括：

根据地点、物体、物体状态、物体状态持续时间，构建环境记忆流单元；

根据构建得到的所述环境记忆流单元构建生成式智能体的系统环境记忆流。

在本实施例中，终端设备在构建生成式智能体的系统环境记忆流时，首先构建由地点、物体、物体状态、物体状态持续时间四要素组成的结构体作为环境记忆流单元，记为stream_n＝{ad_n,Item_n,Sta_n,Lt_n}。

之后，终端设备即可基于对构建得到的环境记忆流单元组合以构建得到生成式智能体的系统环境记忆流为：Ω_S＝{stream_n|1≤n≤N₀}。

需要说明的是，在本实施例以及后文所阐述其它可行的实施例中，stream_n表示编号为n的环境记忆流单元；ad_n表示stream_n对应地点，Item_n,Sta_n,Lt_n分别表示ad_n对应的地点当前时刻包含的物体集合，物体状态的集合，物体状态开始时间的集合；item_n,m表示ad_n包含的编号为m的智能体；M_n表示ad_n当前时刻包含的物体编号集合，Item_n＝{item_n,m|m∈M_n}；N₀表示初始化环境总数。

可选地，在本实施例以及后文所阐述其它可行的实施例中，上述的步骤S20：根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系，可以包括：

根据所述系统全记忆流构建各所述生成式智能体的事件记忆流；

根据构建得到的所述事件记忆流构建生成式智能体人际关系圈；

根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系。

在本实施例中，终端设备在构建得到生成式智能体的系统全记忆流之后，即可进一步开始根据该系统全记忆流来确定各生成式智能体相互之间的智能体关系，用以构建各生成式智能体的人际关系记忆流。即，终端设备首先根据构建得到的生成式智能体的系统全记忆流，构建各个生成式智能体的事件记忆流，然后再根据构建得到的事件记忆流构建生成式智能体人际关系圈，从而根据构建得到的生成式智能体人际关系圈，确定出各个生成式智能体相互之间的智能体关系。

可选地，在本实施例以及后文所阐述其它可行的实施例中，上述的“根据所述系统全记忆流构建各所述生成式智能体的事件记忆流”的步骤，可以包括：

根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；

根据构建得到的所述智能体独立记忆流和所述智能体交互记忆流，构建得到各所述生成式智能体的事件记忆流。

在本实施例中，终端设备在根据构建得到的生成式智能体的系统全记忆流，构建各个生成式智能体的事件记忆流时，首先提取该系统全记忆流中，其记忆流单元的事件主体仅为当前智能体的所有记忆流单元，然后将提取出的该所有记忆流单元构建作为该当前智能体的智能体独立记忆流，记为之后，终端设备再进一步上述系统全记忆流中，其记忆流单元的事件主体包含当前智能体且非仅包含当前智能体的所有记忆流单元，并将提出的该全部记忆流单元构建作为该当前智能体的智能体交互记忆流，记为记为/>如此，终端设备即可根据构建得到的智能体独立记忆流/>和智能体交互记忆流/>构建得到各个生成式智能体的事件记忆流为:/>

可选地，在本实施例以及后文所阐述其它可行的实施例中，上述的步骤S30：根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流，可以包括：

根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；

根据构建得到的所述智能体交互记忆流构建生成式智能体人际关系圈；

根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系；

设置智能体各关系权重初始值为1。

在本实施例中，终端设备在根据构建得到的生成式智能体的系统全记忆流，构建得到各个生成式智能体的事件记忆流之后，即可进一步根据该事件记忆流构建各个生成式智能体的人际关系记忆流。即，终端设备首先将上述当前智能体的智能体交互记忆流中，其记忆流单元的事件主体包含的所有智能体，构建为当前智能体人际关系圈，记为P_j。之后，终端设备再将上述当前智能体的智能体交互记忆流按事件主体，划分成不同的子集，记为k∈P_j。

需要说明的是，在本实施例以及后文所阐述其它可行的实施例中，表示编号为j的智能体与编号为k的智能体的交互记忆流；K_j表示与编号为j的智能体有交集的所有智能体编号集合，P_j表示编号为j的智能体的人际关系圈。

如此，终端设备即可根据构建得到的生成式智能体人际关系圈，来确定出各个生成式智能体相互之间的智能体关系。

可选地，在本实施例以及后文所阐述其它可行的实施例中，终端设备在确定出各个生成式智能体相互之间的智能体关系时，可以采用当前智能体与其人际关系圈中各个智能体关系初始化确定方法。

示例性地，终端设备首先将初始角色说明文本输入到LLM，从而利用该LLM提取当前智能体与其对应人际关系圈中各个智能体的人物关系。之后，终端设备即可根据关系类型，进行编号为j当前的智能体与编号为k的其他智能体之间关系的同等和对等同步设置，实现一次分析两者同步标注。

需要说明的是，同等设置适用于朋友、同学关系等具有相同角色的关系；对等设置适用于师生、父子关系等具有不同角色的关系。

可选地，在本实施例以及后文所阐述其它可行的实施例中，终端设备在确定出各个生成式智能体相互之间的智能体关系时，还可以采用当前智能体与人际关系圈中新增智能体的关系确定方法。

示例性地，终端设备首先获取当前智能体与新增智能体的交互记忆流之后，终端设备再统计交互记忆流中各记忆单元的地点分布，然后根据交互记忆的高频地点，确定当前智能体与新增智能体的关系，(交互事件发生地)进一步根据关系类型，进行关系的同等和对等同步设置。最后，终端设备再同步分别扩展新增智能体和当前智能体到对应智能体的人际关系圈中。

可选地，在本实施例以及后文所阐述其它可行的实施例中，终端设备在根据上述的智能体关系构建各个生成式智能体的人际关系记忆流时，可以先构建由关系、关系权重、最近记忆流编号三要素组成的结构体作为人际关系记忆流单元为：streamp_k＝{relationship_k,weight_k,new_k}。之后，终端设备即可构建各个生成式智能体相互之间的人际关系记忆流为：

需要说明的是，在本实施例以及后文所阐述其它可行的实施例中，此外，所有关系权重初始值为1。

在本实施例中，本申请提供的生成式智能体的记忆流构建方法，通过终端设备构建基于交互性的记忆流框架。将全记忆流分解为智能体独立记忆流和智能体交互记忆流，进一步在系统全记忆流上构建了环境记忆流和人际关系记忆流。如此，单个生成式智能体通过事件主体，建立交互指针指向全记忆流框架获取智能体交互记忆流，环境指针指向环境记忆流获取环境信息，从而能够有效地减少或者避免了生成式智能体交互时，产生的同一事件多次存储的内存浪费问题，以及有效地减少或者避免了多个智能体同处于一个环境时，同一环境的记忆流重复建立的问题。

进一步地，在上述本申请提供的生成式智能体的记忆流构建方法第一实施例的基础上，提出本申请生成式智能体的记忆流构建方法的第二实施例。

在本实施例中，本申请提供的生成式智能体的记忆流构建方法仍应用于上述的终端设备。

在本实施例中，在上述的步骤S30：根据所述智能体关系构建各所述生成式智能体的人际关系记忆流之后，本申请提供的生成式智能体的记忆流构建方法，还可以包括：

根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容；

生成式智能体基于所述基于对象的交互内容，进行交互，获取新增记忆流单元；

根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新。

在本实施例中，终端设备在构建得到各个生成式智能体的人际关系记忆流之后，在各个生成式智能体进行交互时，终端设备即可基于该人际关系记忆流，生成当前生成式智能体基于对象的交互内容供当前生成式智能体输出。

可选地，在一种可行的实施例中，上述根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容的步骤，可以包括：

在当前智能体视觉范围确定所有其他智能体；

根据智能体的标号，判定所有其他智能体是否在当前智能体的人机交际圈内；

若在，则先利用当前智能体人际关系记忆流中对应记忆单元的最近记忆、当前智能体事件记忆流，构建相关记忆文本；将相关记忆文本及当前智能体人际关系记忆流中对应记忆单元的关系及权重一起输入到LLM，生成基于关系的交互对话文本，实现自适应角色对话文本生成；

若不在，智能体利用初始角色文本及智能体事件记忆流，构建相关记忆文本，将相关记忆文本输入LLM，生成初识自我介绍和最新事件分享的交互对话文本。

示例性地，如图3所示的应用场景，终端设备在各个生成式智能体进行交互时，通过该各个生成式智能体的人际关系记忆流，加载各个生成式智能体间的关系，进而基于加载的关系生成基于对象的内容用作生成式智能体的交互。即，终端设备首先基于当前生成式智能体的视觉范围，确定所有其他的各个生成式智能体。接着，终端设备若根据各个生成式智能体的标号，判定该各个生成式智能体是否在当前生成式智能体的人际交际圈内。

若在，终端设备则先利用当前生成式智能体的人际关系记忆流中对应记忆单元的最近记忆、当前智能体事件记忆流，构建相关记忆文本，并将相关记忆文本及当前生成式智能体人际关系记忆流中对应记忆单元的关系及权重，一起输入到LLM，从而基于该LLM生成基于关系的交互对话文本，来实现当前生成式智能体自适应角色对话文本生成。

若不在，终端设备则利用初始角色文本及智能体事件记忆流构建相关记忆文本，并将该相关记忆文本输入LLM，从而基于该LLM生成当前生成式智能体的初识自我介绍和最新事件分享的交互对话文本。

在本实施例中，终端设备在构建得到各个生成式智能体的人际关系记忆流之后，还可以根据生成式智能体的记忆流单元事件，进行基于交互性的生成式智能体记忆流更新，从而实现对各个生成式智能体的人际关系记忆流进行更新。

可选地，根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新，可以包括：

对新增交互记忆流单元，对记忆流单元事件进行对话文本情感分析；

利用情感分析结果，计算交互双方智能体对此次交互事件的权重：若情感分析结果为具有正效价值高唤醒度的情绪识别结果(例如“高兴”、“愉悦”等)，设置此次交互事件的权重为1；若情感分析结果为具有负效价值的情绪识别结果(例如“无聊”、“不高兴、“厌恶”等)，设置此次交互事件的权重为-1；否则，设置此次交互事件的权重为0。

累加交互事件权重到新事件涉及智能体的关系权重，更新智能体人际关系记忆流；

进一步可在上述计算交互事件权重的同时，同步计算智能体交互频次，将上述基于交互事件的权重的智能体人际关系记忆流更新法，进一步拓展至基于交互事件的权重及交互频次，生成当前智能体的人际关系圈内各个智能体从初识--熟悉--依赖--分离的分阶段评价的智能体人际关系记忆流更新法；

在使用LLM生成交互文本时不仅考虑交互智能体间的关系，更可以根据熟悉度，生成更具角色情感状态的文本。

示例性地，终端设备具体可以采用如下所示的流程来进行基于交互性的生成式智能体记忆流更新。即：

StepA1：终端设备对新增交互记忆流单元，对记忆流单元事件使进行对话文本情感分析；

StepA2：终端设备利用情感分析结果，计算交互双方智能体对此次交互事件的权重，即：

若情感分析结果为具有正效价值高唤醒度的情绪识别结果——“高兴、愉悦等”，设置此次交互事件的权重为1；否则若情感分析结果为具有负效价值的情绪识别结果——“无聊、不高兴、厌恶等”，设置此次交互事件的权重为-1；否则，设置此次交互事件的权重为0。

StepA3：终端设备累加交互事件权重到新事件涉及智能体的关系权重，更新智能体人际关系记忆流。

StepA4：进一步可扩展仅基于交互事件的权重的智能体人际关系记忆流更新法至基于交互事件的权重及交互频次，生成当前智能体的人际关系圈内各个智能体从初识--熟悉--依赖--分离的分阶段评价的智能体人际关系记忆流更新法。进而在使用LLM生成交互文本时不仅考虑交互智能体间的关系，更可以根据熟悉度，生成更具角色情感状态的文本。

在本实施例中，本申请提出的生成式智能体的记忆流构建方法能够通过智能体交互的文本情绪分析，从而可以基于人际关系进行对应角色的自适应交互，并且，本申请提出的生成式智能体的记忆流构建方法亦可进行智能体人际交互反思。

进一步地，在上述本申请提供的生成式智能体的记忆流构建方法第一实施例和/或者第二实施例的基础上，提出本申请生成式智能体的记忆流构建方法的第三实施例。

在本实施例中，本申请提供的生成式智能体的记忆流构建方法仍应用于上述的终端设备。

在本实施例中，本申请提供的生成式智能体的记忆流构建方法还可以包括：

基于对所述生成式智能体的新增记忆流单元进行事件验证分析，对所述智能体交互记忆流进行更新。

在本实施例中，终端设备在提取上述系统全记忆流中，记忆流单元的事件主体包含当前智能体且非仅包含当前智能体的所有记忆流单元，并将提出的该全部记忆流单元构建作为该当前智能体的智能体交互记忆流之后，终端设备还可以基于对生成式智能体的新增记忆流单元进行事件验证分析，从而对该智能体交互记忆流进行更新。

需要说明的是，在本实施例以及后文所阐述其它可行的实施例中，终端设备在基于新增记忆流单元的事件验证分析，进行智能体交互记忆流的更新时，若新增记忆流单元的事件包含新闻类内容，即交谈内容涉及交互智能体外的第三方，则终端设备可将新增记忆流单元加入短时待验证区域。之后，终端设备通过将该短时待验证区域内记忆流单元的事件，加入该智能体交互话题，当其遇到其他智能体，则将其作为话题进行真实性验证，并在验证通过次数达到阈值，或者经过短时待验证区域内记忆流单元的事件涉及智能体主体的真实性验证，则将该记忆流单元加入当前智能体的交互记忆流。

否则(新增记忆流单元的事件不包含新闻类内容)，终端设备即标识该记忆流单元事件为虚假信息及其验证过程，然后加入当前智能体的交互记忆流中。

在本实施例中，本申请提供的生成式智能体的记忆流构建方法还可以包括：

基于对所述生成式智能体的新增记忆流单元进行智能体验证分析以区分同名智能体。

在本实施例中，终端设备可以基于生成式智能体的新增记忆流单元，针对各个生成式智能体进行智能体验证分析以区分同名智能体。

示例性地，终端设备在基于新增记忆流单元的智能体验证分析，以进行同名智能体区分时，若新增记忆流单元的事件包含的交谈内容涉及交互智能体外的第三方，且第三方智能体均位于交互智能体人际关系圈，则加载交互智能体交互记忆流中涉及的第三方同名智能体的所有记忆单元事件，然后进行智能体相似性验证(智能体基本信息)或事件互斥(同一件事，时间是否互斥、地点是否互斥)的验证；若验证通过，则认为同名第三方智能体为同一个，否则(验证不通过)，则认为当前交互的智能体涉及的第三方智能体仅为同名但非同一个智能体。

否则(新增记忆流单元的事件包含的交谈内容不涉及交互智能体外的第三方)，结束同名智能体区分。

在本实施例中，本申请提出的生成式智能体的记忆流构建方法针对生成式智能体的幻觉问题，还通过建立智能体知识更迭验证环节，将新增事件放入验证流，加入生成式智能体交互交谈热点，从而通过智能体间交互进行验证流的真实性校验，通过智能体相似性、事件互斥验证，进行同名智能体的区分。

此外，本申请实施例还提出一种生成式智能体的记忆流构建装置。如图4所示，本申请提供的生成式智能体的记忆流构建装置包括：

第一记忆流构建模块10，用于构建生成式智能体的系统全记忆流；

智能体关系确定模块20，用于根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

第二记忆流构建模块30，用于根据所述智能体关系、关系权重及交互记忆流，构建各所述生成式智能体的人际关系记忆流。

可选地，本申请提供的生成式智能体的记忆流构建装置，还包括：

关系交互模块，用于根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容；

新增记忆获取模块，用于生成式智能体基于所述基于对象的交互内容，进行交互，获取新增记忆流单元；

记忆流更新模块，用于根据所述生成式智能体的记忆流单元事件对所述人际关系记忆流进行更新。

可选地，第二记忆流构建模块30，还用于根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；根据构建得到的所述智能体交互记忆流构建生成式智能体人际关系圈；根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系；以及，设置智能体各关系权重初始值为1。

可选地，第一记忆流构建模块10，还用于提取系统全记忆流中记忆流单元的事件主体仅为当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体独立记忆流提取系统全记忆流中记忆流单元的事件主体包含当前智能体且非仅包含当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体交互记忆流/>所述各所述生成式智能体的事件记忆流为：/>其中，j表示智能体编号，J表示智能体编号集合；/>表示编号为j的智能体的独立记忆流；/>表示表示编号为j的智能体的交互记忆流；Ω_j表示编号为j的智能体的事件记忆流。

可选地，关系交互模块，还用于在当前智能体视觉范围确定所有其他智能体；根据智能体的标号，判定所有其他智能体是否在当前智能体的人机交际圈内；若在，则先利用当前智能体人际关系记忆流中对应记忆单元的最近记忆、当前智能体事件记忆流，构建相关记忆文本；将相关记忆文本及当前智能体人际关系记忆流中对应记忆单元的关系及权重一起输入到LLM，生成基于关系的交互对话文本，实现自适应角色对话文本生成；若不在，智能体利用初始角色文本及智能体事件记忆流，构建相关记忆文本，将相关记忆文本输入LLM，生成初识自我介绍和最新事件分享的交互对话文本。

可选地，第一记忆流构建模块10，还用于构建生成式智能体的系统环境记忆流。

可选地，第一记忆流构建模块10，还用于根据地点、物体、物体状态、物体状态持续时间，构建环境记忆流单元stream_n＝{ad_n,Item_n,Sta_n,Lt_n}；和，根据构建得到的所述环境记忆流单元构建生成式智能体的系统环境记忆流Ω_S＝{stream_n|1≤n≤N₀}；

其中，stream_n表示编号为n的环境记忆流单元；ad_n表示stream_n对应地点，Item_n,Sta_n,Lt_n分别表示ad_n对应的地点当前时刻包含的物体集合，物体状态的集合，物体状态开始时间的集合；item_n,m表示ad_n包含的编号为m的智能体；M_n表示ad_n当前时刻包含的物体编号集合，Item_n＝{item_n,m|m∈M_n}；N₀表示初始化环境总数。

可选地，智能体关系确定模块20，还用于根据所述系统全记忆流构建各所述生成式智能体的事件记忆流；根据构建得到的所述事件记忆流构建生成式智能体人际关系圈；和，根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系。

可选地，智能体关系确定模块20，还用于根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；和，根据构建得到的所述智能体独立记忆流和所述智能体交互记忆流，构建得到各所述生成式智能体的事件记忆流。

可选地，本申请提供的生成式智能体的记忆流构建装置，还包括：

记忆流更新模块，用于基于对所述生成式智能体的新增记忆流单元进行事件验证分析，对所述智能体交互记忆流进行更新，包括：

若新增记忆流单元的事件包含新闻类内容，则将新增记忆流单元加入短时待验证区域，否则将新增记忆流单元加入智能体交互记忆流；

将所述短时待验证区域内记忆流单元的事件，加入智能体交互话题并与其他智能体进行真实性验证；

当验证通过次数达到阈值或者经过所述短时待验证区域内记忆流单元的事件涉及智能体主体的真实性验证，则将所述记忆流单元加入智能体交互记忆流，否则标识所述记忆流单元的事件为虚假信息及其验证过程，然后加入智能体交互记忆流。

可选地，本申请提供的生成式智能体的记忆流构建装置，还包括：

智能体区分模块，用于基于对所述生成式智能体的新增记忆流单元进行智能体验证分析以区分同名智能体，包括：

若新增记忆流单元的事件包含的交谈内容涉及交互智能体外的第三方智能体，且第三方智能体均位于交互智能体人际关系圈，则加载智能体交互记忆流中涉及的第三方同名智能体的所有记忆单元事件，然后进行智能体相似性验证或事件互斥的验证；

若验证通过，则认为同名第三方智能体为同一个，否则认为当前交互的智能体涉及的第三方智能体仅为同名但非同一个智能体；

其中，智能体相似性验证包括验证智能体基本信息，事件互斥的验证包括：验证同一件事的时间、地点是否互斥。

可选地，所述记忆流更新模块，还用于对新增交互记忆流单元，对记忆流单元事件进行对话文本情感分析；利用情感分析结果，计算交互双方智能体对此次交互事件的权重：若情感分析结果为具有正效价值高唤醒度的情绪识别结果，设置此次交互事件的权重为1；若情感分析结果为具有负效价值的情绪识别结果，设置此次交互事件的权重为-1；否则，设置此次交互事件的权重为0。累加交互事件权重到新事件涉及智能体的关系权重，更新智能体人际关系记忆流；

进一步可在上述计算交互事件权重的同时，同步计算智能体交互频次，将上述基于交互事件的权重的智能体人际关系记忆流更新法，进一步拓展至基于交互事件的权重及交互频次，生成当前智能体的人际关系圈内各个智能体从初识--熟悉--依赖--分离的分阶段评价的智能体人际关系记忆流更新法；在使用LLM生成交互文本时不仅考虑交互智能体间的关系，更可以根据熟悉度，生成更具角色情感状态的文本。

需要说明的是，本申请提供的生成式智能体的记忆流构建装置的各个功能模块在运行时能够实现的各实施例，均可参照上述本申请提供的生成式智能体的记忆流构建方法的各个实施例并产生相同的技术效果，此处不再赘述。

此外，本申请实施例还提出一种终端设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的生成式智能体的记忆流构建程序，所述生成式智能体的记忆流构建程序被处理器执行时实现如下所述的生成式智能体的记忆流构建方法的步骤。

此外，本申请实施例还提出一种计算机可读存储介质，所述存储介质上存储有生成式智能体的记忆流构建程序，所述生成式智能体的记忆流构建程序被处理器执行时实现如下所述的生成式智能体的记忆流构建方法的步骤。

本申请还提出一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上所述的生成式智能体的记忆流构建方法的步骤。

本申请生成式智能体的记忆流构建设备、计算机可读存储介质和计算机程序产品的各实施例，均可参照本申请生成式智能体的记忆流构建方法各个实施例，此处不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (11)

1.一种生成式智能体的记忆流构建方法，其特征在于，所述生成式智能体的记忆流构建方法包括：

构建生成式智能体的系统全记忆流；

根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

根据所述智能体关系、关系权重及交互记忆流，构建各所述生成式智能体的人际关系记忆流。

2.如权利要求1所述的生成式智能体的记忆流构建方法，其特征在于，所述方法还包括：

根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容；

生成式智能体基于所述基于对象的交互内容，进行交互，获取新增记忆流单元；

根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新。

3.如权利要求1所述的生成式智能体的记忆流构建方法，其特征在于，所述根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流的步骤，包括：

根据所述系统全记忆流构建智能体独立记忆流和智能体交互记忆流；

根据构建得到的所述智能体交互记忆流构建生成式智能体人际关系圈；

根据构建得到的所述生成式智能体人际关系圈确定各所述生成式智能体相互之间的智能体关系；

设置智能体各关系权重初始值为1。

4.如权利要求3所述的生成式智能体的记忆流构建方法，其特征在于，所述方法还包括：

提取系统全记忆流中记忆流单元的事件主体仅为当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体独立记忆流

提取系统全记忆流中记忆流单元的事件主体包含当前智能体且非仅包含当前智能体的所有记忆流单元，并将提取到的记忆流单元构建为智能体交互记忆流

所述各所述生成式智能体的事件记忆流为：

其中，j表示智能体编号，J表示智能体编号集合；表示编号为j的智能体的独立记忆流；/>表示表示编号为j的智能体的交互记忆流；Ω_j表示编号为j的智能体的事件记忆流。

5.如权利要求2所述的生成式智能体的记忆流构建方法，其特征在于，所述根据所述人际关系记忆流生成所述生成式智能体基于对象的交互内容的步骤，包括：

在当前智能体视觉范围确定所有其他智能体；

根据智能体的标号，判定所有其他智能体是否在当前智能体的人际交际圈内；

若在，则先利用当前智能体人际关系记忆流中对应记忆单元的最近记忆、当前智能体事件记忆流，构建相关记忆文本；将相关记忆文本及当前智能体人际关系记忆流中对应记忆单元的关系及权重一起输入到LLM，生成基于关系的交互对话文本，实现自适应角色对话文本生成；

若不在，智能体利用初始角色文本及智能体事件记忆流，构建相关记忆文本，将相关记忆文本输入LLM，生成初识自我介绍和最新事件分享的交互对话文本。

6.如权利要求1所述的生成式智能体的记忆流构建方法，其特征在于，所述方法还包括：

构建生成式智能体的系统环境记忆流。

7.如权利要求6所述的生成式智能体的记忆流构建方法，其特征在于，所述构建生成式智能体的系统环境记忆流的步骤，包括：

根据地点、物体、物体状态、物体状态持续时间，构建环境记忆流单元stream_n＝{ad_n,Item_n,Sta_n,Lt_n}；

根据构建得到的所述环境记忆流单元构建生成式智能体的系统环境记忆流Ω_S＝{stream_n|1≤n≤N₀}；

其中，stream_n表示编号为n的环境记忆流单元；ad_n表示stream_n对应地点，Item_n,Sta_n,Lt_n分别表示ad_n对应的地点当前时刻包含的物体集合，物体状态的集合，物体状态开始时间的集合；item_n,m表示ad_n包含的编号为m的智能体；M_n表示ad_n当前时刻包含的物体编号集合，Item_n＝{item_n,m|m∈M_n}；N₀表示初始化环境总数。

8.如权利要求1至7中任一项所述的生成式智能体的记忆流构建方法，其特征在于，所述方法还包括：

基于对所述生成式智能体的新增记忆流单元进行事件验证分析，对所述智能体交互记忆流进行更新，包括：

若新增记忆流单元的事件包含新闻类内容，则将新增记忆流单元加入短时待验证区域，否则将新增记忆流单元加入智能体交互记忆流；

将所述短时待验证区域内记忆流单元的事件，加入智能体交互话题并与其他智能体进行真实性验证；

当验证通过次数达到阈值或者经过所述短时待验证区域内记忆流单元的事件涉及智能体主体的真实性验证，则将所述记忆流单元加入智能体交互记忆流，否则标识所述记忆流单元的事件为虚假信息及其验证过程，然后加入智能体交互记忆流。

9.如权利要求1至7中任一项所述的生成式智能体的记忆流构建方法，其特征在于，所述方法还包括：

基于对所述生成式智能体的新增记忆流单元进行智能体验证分析以区分同名智能体，包括：

若新增记忆流单元的事件包含的交谈内容涉及交互智能体外的第三方智能体，且第三方智能体均位于交互智能体人际关系圈，则加载智能体交互记忆流中涉及的第三方同名智能体的所有记忆单元事件，然后进行智能体相似性验证或事件互斥的验证；

若验证通过，则认为同名第三方智能体为同一个，否则认为当前交互的智能体涉及的第三方智能体仅为同名但非同一个智能体；

其中，智能体相似性验证包括验证智能体基本信息，事件互斥的验证包括：验证同一件事的时间、地点是否互斥。

10.如权利要求2所述的生成式智能体的记忆流构建方法，其特征在于，所述根据所述生成式智能体的新增记忆流单元事件对所述人际关系记忆流进行更新的步骤，包括：

对新增交互记忆流单元，对记忆流单元事件进行对话文本情感分析；

利用情感分析结果，计算交互双方智能体对此次交互事件的权重：若情感分析结果为具有正效价值高唤醒度的情绪识别结果，设置此次交互事件的权重为1；若情感分析结果为具有负效价值的情绪识别结果，设置此次交互事件的权重为-1；否则，设置此次交互事件的权重为0；

累加交互事件权重到新事件涉及智能体的关系权重，更新智能体人际关系记忆流；

进一步可在上述计算交互事件权重的同时，同步计算智能体交互频次，将上述基于交互事件的权重的智能体人际关系记忆流更新法，进一步扩展至基于交互事件的权重及交互频次，生成当前智能体的人际关系圈内各个智能体从初识--熟悉--依赖--分离的分阶段评价的智能体人际关系记忆流更新法；

在使用LLM生成交互文本时不仅考虑交互智能体间的关系，更可以根据熟悉度，生成更具角色情感状态的文本。

11.一种生成式智能体的记忆流构建装置，其特征在于，所述生成式智能体的记忆流构建装置包括：

第一记忆流构建模块，用于构建生成式智能体的系统全记忆流；

智能体关系确定模块，用于根据所述系统全记忆流确定各所述生成式智能体相互之间的智能体关系、关系权重及交互记忆流；

第二记忆流构建模块，用于根据所述智能体关系构建各所述生成式智能体的人际关系记忆流。