WO2025148684A1 - 基于多智能体系统的信息处理方法以及多智能体系统 - Google Patents

基于多智能体系统的信息处理方法以及多智能体系统

Info

Publication number
WO2025148684A1
WO2025148684A1 PCT/CN2024/141877 CN2024141877W WO2025148684A1 WO 2025148684 A1 WO2025148684 A1 WO 2025148684A1 CN 2024141877 W CN2024141877 W CN 2024141877W WO 2025148684 A1 WO2025148684 A1 WO 2025148684A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
agent
processed
agents
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/CN2024/141877
Other languages
English (en)
French (fr)
Inventor
余海洋
李永彬
黄非
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba China Co Ltd
Original Assignee
Alibaba China Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba China Co Ltd filed Critical Alibaba China Co Ltd
Publication of WO2025148684A1 publication Critical patent/WO2025148684A1/zh
Anticipated expiration legal-status Critical
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3344—Query execution using natural language analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/01—Customer relationship services

Definitions

  • determining an agent whose function matches the information to be processed includes:
  • the present disclosure provides a method for constructing a multi-agent system, including:
  • the method further includes:
  • a notification message is sent to each agent in the multi-agent system, wherein the notification message is used to instruct the multiple agents to forward description information of their corresponding functions to each other.
  • the perception configuration information configured by the client for the multi-agent system; wherein the perception configuration information is used to indicate whether to inform the user to transfer the information to be processed to a matching agent for processing.
  • the method further includes:
  • the capability enhancement method includes at least one of the following: fine-tuning the information processing model in the intelligent agent, performing reinforcement learning on a single intelligent agent, performing reinforcement learning together with other intelligent agents, and configuring prompt information for the intelligent agent.
  • the present disclosure also provides an information processing method based on a multi-agent system, including:
  • Sending the input information to an agent whose function matches the input information for processing including:
  • the agent matching the information to be processed can be determined through the information processing model corresponding to the target agent, and the information to be processed can be transferred to the matching agent for processing, thereby utilizing the understanding and analysis capabilities of the information processing model to quickly and accurately realize the flow of information to be processed between agents, and having the appropriate agent process it, effectively improving the processing effect of the task.
  • FIG2 is a schematic diagram of a flow chart of an information processing method based on a multi-agent system provided by an embodiment of the present disclosure
  • FIG3 is a schematic diagram of an interaction principle of an intelligent agent provided by an embodiment of the present disclosure.
  • FIG5 is a schematic diagram of a flow chart of a method for constructing a multi-agent system provided in an embodiment of the present disclosure
  • FIG6 is a schematic diagram of the construction principle of a multi-agent system for a target application provided by an embodiment of the present disclosure
  • FIG7 is a schematic diagram of an interactive interface provided by an embodiment of the present disclosure.
  • FIG8 is a flow chart of another information processing method based on a multi-agent system provided by an embodiment of the present disclosure.
  • FIG9 is a schematic diagram of a group chat interface provided by an embodiment of the present disclosure.
  • FIG. 10 is a schematic diagram of the structure of an electronic device provided in an embodiment of the present disclosure.
  • user information including but not limited to user device information, user attribute information, etc.
  • data including but not limited to data used for analysis, stored data, displayed data, etc.
  • user information and data are all information and data authorized by the user or fully authorized by all parties, and the collection, use and processing of relevant data must comply with relevant laws, regulations and standards, and provide corresponding operation entrances for users to choose to authorize or refuse.
  • a large language model refers to a deep learning language model with large-scale language model parameters, which usually contains hundreds of millions, tens of billions, hundreds of billions, trillions or even more than ten trillion language model parameters.
  • the large language model can also be called a foundation language model/foundation language model (Foundation Model).
  • the large language model is pre-trained by large-scale unlabeled corpus to produce a pre-trained language model with more than 100 million parameters.
  • the large language model can be widely used in natural language processing (Natural Language Processing, referred to as NLP), computer vision and other fields. Specifically, it can be applied to computer vision tasks such as visual question answering (Visual Question Answering, referred to as VQA), image description (Image Caption, referred to as IC), image generation, as well as natural language processing tasks such as text-based sentiment classification, text summary generation, machine translation, etc.
  • VQA Visual Question Answering
  • IC image description
  • natural language processing tasks such as text-based sentiment classification, text summary generation, machine translation, etc.
  • the main application scenarios of the large language model include digital assistants, intelligent robots, search, online education, office software, e-commerce, intelligent design, etc.
  • the "customer” in the embodiments of the present disclosure refers to the role that configures the multi-agent system, for example, it can be a corporate customer or other type of customer that provides intelligent customer service services, and the "user” refers to the role that interacts with the multi-agent system in actual applications.
  • the multi-agent system includes multiple agents.
  • the multiple agents may correspond to different functions respectively.
  • some of the multiple agents may correspond to the same function.
  • the functions may be set according to actual needs.
  • the functions may include: solving math problems, translating, generating summaries, processing code-related requirements, processing image-related requirements, etc.
  • Different agents may correspond to different functions.
  • the method is applied to a target agent, where the target agent is any agent among the multiple agents. As shown in FIG2 , the method includes:
  • Step 201 Determine the information to be processed corresponding to the target agent.
  • the target agent may also include one or more plug-ins or other modules, and more capabilities may be realized through the plug-ins or other modules.
  • the plug-ins may realize operations such as logging into a browser, downloading documents, and calling an API. Therefore, the target agent may have more capabilities than the information processing model.
  • the information processing model and the target intelligent agent may also be two separate parts, as long as the capabilities of the information processing model can be utilized to realize the corresponding functions of the target intelligent agent.
  • the target agent can interact with the user, and the information obtained from the environment may include the user's input information, and the information output to the environment may include the target agent's output information to the user.
  • the user can input questions and the target agent can answer them, or the target agent can ask the user certain questions and the user can answer them.
  • the method described in this embodiment can be executed for each piece of information to be processed.
  • Step 202 Based on the information processing model, when the information to be processed does not match the function corresponding to the target agent, determine an agent whose function matches the information to be processed.
  • the model's own capabilities can be used to determine whether the match is made, or the customer can constrain whether the match is made according to actual conditions.
  • the former can be achieved through prompt information, and the latter can be achieved through the training process. The following are respectively explained.
  • the model has a certain natural language understanding and analysis capability, and can determine whether the two match based on its own understanding of the information and functions to be processed.
  • the user's input information is XXXXX. You are an intelligent agent with XXX functions. Please determine whether the user's input information is within your capabilities (whether it matches your functions):
  • Agent A function is XXXX; Agent B: function is XXXX; Agent C: function is XXXX.
  • the model can analyze the user's input information and the functions of the target agent, and process the user's input information when the user's input information matches the functions. If they do not match, the model determines which agent can process the user's input information based on the functions of other agents.
  • the information processing model is used to: generate corresponding reply information when the information to be processed matches the function corresponding to the target intelligent agent; and output the identifier of the intelligent agent that matches the information to be processed when the information to be processed does not match the function corresponding to the target intelligent agent.
  • the system module After the system module obtains the information to be processed, it can input the information to be processed into the information processing model of the intelligent agent, and the information processing model outputs the corresponding reply information, and the system module of the intelligent agent outputs the reply information to the user.
  • the intelligent agent does not need to output reply information. For example, if the information to be processed indicates that the relevant information of the order should be calculated and updated, after obtaining the calculation results based on the information processing model, the relevant information of the order in the database can be directly updated according to the calculation results without outputting reply information to the user.
  • the information processing method based on a multi-agent system can utilize multiple agents to construct a multi-agent system, utilize the multi-agent system to implement task processing, and better complete the task through the capabilities of the information processing model corresponding to the agent and the coordination between the functions of each agent.
  • the information processing model corresponding to the target agent can be used to determine the agent that matches the information to be processed, and the information to be processed can be transferred to the matching agent for processing, thereby utilizing the analytical capabilities of the information processing model to quickly and accurately realize the flow of information to be processed between agents, and having the appropriate agent process it, effectively improving the task processing effect.
  • the information to be processed and the names of the agents can be input into the information processing model.
  • the names can reflect the functions of the agents, such as "code agent”, “translation agent”, “math problem agent”, etc.
  • the information processing model can analyze the information to be processed and the names of the agents to determine the matching agents.
  • determining an agent whose function matches the information to be processed includes:
  • the information to be processed and the description information of the functions corresponding to each of the multiple agents are input into the information processing model, so that when the information to be processed does not match the function corresponding to the target agent, the information processing model determines an agent whose function matches the information to be processed.
  • the description information of the function corresponding to the target intelligent agent can be first input into the information processing model. If it matches the information to be processed, the corresponding reply information is directly generated. If the information processing model indicates that it cannot answer, the description information of the functions corresponding to other intelligent agents can be further input into the information processing model, so that the information processing model can select a suitable intelligent agent based on the description information of other intelligent agents.
  • inputting the information to be processed and the description information of the function corresponding to each of the multiple agents into the information processing model includes:
  • the natural language understanding ability of the information processing model can be used to analyze and match the information to be processed and the descriptive information, and select the appropriate agent to process the information to be processed.
  • the descriptive information can reflect the functions that the information processing model can achieve in as much detail as possible, effectively improving the accuracy of determining the matching agent.
  • the target agent can obtain the description information of other agents in a variety of ways.
  • the description information can be input by the client.
  • each agent maintains its own corresponding description information and can forward it to each other.
  • the target agent includes a memory module, and the method further includes:
  • the description information of the function corresponding to the target agent is sent to the remaining agents in the multi-agent system, and the description information of the corresponding function sent by the remaining agents is received;
  • the received description information is stored in the memory module, so that when the information to be processed is obtained, the description information corresponding to each agent is read from the memory module and input into the information processing model for processing.
  • Fig. 4 is a schematic diagram of the architecture of an agent provided by an embodiment of the present disclosure.
  • the target agent and other agents may include an information processing model, a system module and a memory module.
  • the memory module may be used to store description information.
  • each agent Before the multi-agent system is constructed, each agent maintains its own description information. After the multi-agent system is constructed, the agents can forward description information to each other. For example, for any target agent in the multi-agent system, the description information of the target agent can be sent to other agents, and the description information sent by other agents can also be received and stored in the memory module.
  • the memory module of each agent can store description information of multiple agents.
  • any target agent obtains the information to be processed, it can use the description information of multiple agents stored in the memory module to determine the matching agent, and the matching agent processes the information to be processed.
  • the target agent By forwarding description information to each other by multiple agents, the target agent can pre-store the description information of multiple agents. When obtaining information to be processed, it can directly process it according to the pre-stored description information, thereby improving the processing efficiency of the information to be processed.
  • the information to be processed will be transferred to the appropriate agent for processing.
  • a reply will be made based on the existing knowledge of the information processing model to avoid invalid transfers and improve the overall processing efficiency of the multi-agent system.
  • the information input into the multi-agent system will be sent to the entry agent for processing. If the entry agent determines that it is not good at processing, it can be forwarded to a matching agent for processing.
  • the entry agent there are multiple ways to mark the entry agent, for example, adding a flag to a certain agent among multiple agents to indicate that the agent is the entry agent, or setting a field corresponding to the entry agent, and updating the value corresponding to the field to the ID of a certain agent to mark the agent as the entry agent.
  • the current agent can be determined as the entry agent based on whether there is a corresponding flag for each agent, or the value of the field corresponding to the entry agent, and the information to be processed is sent to the entry agent.
  • the multi-agent system is used to conduct at least one round of dialogue with the user; in any round, the information to be processed input into the multi-agent system includes the input information of the user in that round.
  • the current entry agent can process the user's input information and obtain corresponding reply information. If the current entry agent cannot process it, it can be transferred to another agent in the multi-agent system for processing and obtain corresponding reply information. At the same time, the mark of the entry agent can be transferred to the other agent.
  • the information to be processed in each round may include not only the user's input information in the current round, but also the interaction information of previous rounds, for example, the user's input information in each previous round and the output information of the multi-agent system, so that the historical context can be referred to, allowing the multi-agent system to process the user's needs more accurately.
  • Acquire perception configuration information where the perception configuration information is used to indicate whether to inform the user to transfer the information to be processed to a matching intelligent agent for processing
  • the following information may be output to the user, thereby notifying the user of the transfer behavior: "Sorry, I cannot answer this question, but the code agent can answer it. I will transfer the question to the code agent for processing.”
  • the handover behavior between intelligent agents can be notified to the user, thereby improving the user experience.
  • whether the handover behavior is notified can be configured according to actual needs, which can meet the personalized configuration needs of customers in different scenarios.
  • the embodiment of the present disclosure also provides a method for constructing a multi-agent system.
  • Figure 5 is a flow chart of a method for constructing a multi-agent system provided by an embodiment of the present disclosure.
  • the method can be applied to an application platform, which can maintain a large number of agents.
  • Customers can create applications on the platform, or configure multiple agents for the application to implement the application through the functions corresponding to the multiple agents.
  • Step 501 Output a list of agents contained in an agent resource library, wherein the agent resource library includes at least two trained agents.
  • an agent trained or uploaded by a customer may be obtained and added to the agent resource library.
  • Descriptive information added by the customer to one or more agents in the agent resource library may also be obtained.
  • the descriptive information can be the descriptive information corresponding to the function of the intelligent agent, which is used to describe the function in detail and can be configured by the customer.
  • the corresponding descriptive information can be: This is an intelligent agent that focuses on math problems, can solve elementary and middle school math problems, and has certain natural language understanding and generation capabilities.
  • the platform can output to the customer a list of agents contained in the agent resource library, where the list may include the agent's identification, name, description information, etc.
  • the target application may be any application that the customer wishes to create, for example, it may be an application for implementing an intelligent customer service function.
  • Step 503 construct a multi-agent system corresponding to the target application based on the agent selected by the customer.
  • any agent in the multi-agent system is used to execute the information processing method described in any embodiment of the present disclosure.
  • Fig. 6 is a schematic diagram of the construction principle of a multi-agent system for a target application provided by an embodiment of the present disclosure.
  • the client may be an enterprise.
  • the enterprise may train a group of agents with different functions, such as agent 1, ..., agent 1, ..., agent N in the figure.
  • the perception configuration information configured by the customer for the multi-agent system can also be obtained; wherein the perception configuration information is used to indicate whether to inform the user to transfer the information to be processed to the matching agent for processing.
  • the platform can instruct multiple agents to forward description information to each other.
  • each agent can be allowed to send ID (identification) and description information to other agents at the same time through multi-agent group chat.
  • agent i can send its ID and description information to agent j and agent k, and after receiving, agent j and agent k can store them in their own memory modules.
  • the memory module can include an information queue, and the ID and description information of the agent can be stored in the information queue.
  • Agent j and agent k can also send their own ID and description information to other agents respectively. After mutual forwarding, each agent in the multi-agent system maintains its own ID and description information and that of each other agent.
  • multiple agents send their own IDs and corresponding function description information to each other in the form of traversal, so that multiple agents can inform each other of their own description information through natural language communication, thereby accurately and comprehensively obtaining the information of each agent in the multi-agent system, facilitating the subsequent accurate transfer of information to be processed.
  • the platform after building the multi-agent system, can also directly send the description information of each agent to other agents.
  • each agent can configure its own prompt, which can be input into the agent's information processing model together with the information to be processed.
  • the prompt can include a system prompt and a memory part, which are used to prompt the description information of the target agent and the description information of other agents respectively.
  • the information to be processed may include user input information.
  • the user's input information will be sent to the entry agent, which will respond to the user's input information.
  • the entry agent can be an agent with better capabilities in dialogue terminology and user guidance.
  • the information to be processed in each round may include not only the user's input information in the current round, but also the interaction information of the previous rounds (the user's input information and the agent's response information in each previous round).
  • the content input to the information processing model of the entry agent may include:
  • Agent ID Agent ID and its function description:
  • the description information of the target agent is inserted in [Function Description]
  • the ID and description information of other agents are inserted in memory
  • the interaction information of the previous round and the input information of the current round are inserted in [User History].
  • the entry agent directly outputs the reply information to the user and continues to communicate with the user until the interaction is completed.
  • the method for constructing a multi-agent system allows customers to create an agent resource library with exclusive functions through their own training, and to construct their own target applications by combining agents.
  • Multiple agents communicate with each other through natural language to inform each other of their own description information.
  • the target application when user input information comes in, the input information can flow between multiple agents, so that the natural language understanding ability of the information processing model can be utilized to allow multiple agents to understand the functions of other agents through dialogue, thereby improving the task processing effect in actual applications.
  • multiple agents can be organized without retraining, without the need for additional computing overhead or gating selection, thus avoiding the design of gating models.
  • the natural language understanding ability of the information processing model is directly utilized to achieve fast semantic understanding and calling, reduce system complexity, and improve the overall processing effect of the system.
  • the capability enhancement method includes at least one of the following: fine-tuning the information processing model in the agent, performing reinforcement learning on a single agent, performing reinforcement learning with other agents, and configuring prompt information for the agent.
  • the fine-tuning may include supervised fine-tuning, unsupervised fine-tuning or other types of fine-tuning.
  • capability requirement information can be used to express the client's requirements for the capabilities of the information processing model. If the requirements are high, targeted capability enhancement operations can be performed on the agent.
  • the information processing model in the initial intelligent agent can be a pre-trained information processing model with certain natural language processing capabilities.
  • the capabilities of the intelligent agent can be enhanced.
  • the specific capabilities enhancement can be as follows:
  • the traditional information processing model pre-trained in natural language may be difficult to cope with.
  • the pre-trained information processing model can be supervised fine-tuned, and supervised fine-tuning is achieved using code data.
  • the function of the intelligent agent is also to process natural language
  • the customer has higher capability requirements for the intelligent agent. For example, the customer hopes to further improve the performance of the intelligent agent in processing natural language.
  • the customer can also conduct supervised fine-tuning of the information processing model based on specific tasks.
  • the ability enhancement method of the intelligent agent can be determined according to actual needs.
  • the pre-trained intelligent agent can be used directly, or it can be configured with prompt information or fine-tuned before use. It can also be used after training with reinforcement learning to meet the functional and capability requirements of the intelligent agent in different scenarios and improve the overall processing effect of the multi-agent system in different scenarios.
  • the information to be processed is sent to the entry agent, so that when the information to be processed matches the function of the entry agent, the entry agent generates corresponding reply information.
  • the agent in the multi-agent system whose function matches the information to be processed is determined based on the information processing model, and the information to be processed is sent to the matching agent for processing.
  • Step 802 If the input information matches the function corresponding to the target agent, corresponding reply information is generated through the information processing model.
  • the corresponding reply information is directly generated and fed back to the user.
  • Step 803 If the input information does not match the function corresponding to the target agent, the input information is sent to an agent whose function matches the input information for processing; wherein the matching agent is determined by the information processing model.
  • This embodiment can utilize a multi-agent system to interact with users.
  • the target agent can transfer problems that it cannot solve to an agent that is good at solving the problem, allowing the user's questions to circulate among multiple agents, making it easier to quickly and accurately select the appropriate agent to answer the user's questions, thereby improving the effect of interaction with the user.
  • multiple agents in the multi-agent system and users can interact through group chat, and the input information and the reply information are used to be displayed in the group chat interface.
  • sending the input information to an agent whose function matches the input information for processing includes:
  • Acquire perception configuration information where the perception configuration information is used to indicate whether to inform the user to transfer the information to be processed to a matching intelligent agent for processing
  • the user is notified of the transfer behavior through the group chat interface, and the input information is transferred to the matching agent for processing, so that the matching agent generates corresponding reply information and displays it to the user through the group chat interface.
  • the target intelligent agent can answer the user's question.
  • a transfer operation is performed. If the perception configuration information indicates that the transfer behavior needs to be informed to the user, the transfer behavior is first notified to the user, and then the question is transferred to the matching intelligent agent for processing, and the matching intelligent agent answers the user's question in the group chat interface.
  • the multi-agent system is a system corresponding to an intelligent customer service application configured by a certain automobile enterprise customer.
  • the intelligent customer service application can be used to answer vehicle-related questions for users.
  • the corresponding multi-agent system can include the following agents: car (document question-and-answer agent), image processing assistant (image agent), video processing assistant (video agent), etc. Among them, the car is selected by the enterprise as the default entry agent.
  • Figure 9 is a schematic diagram of a group chat interface provided by an embodiment of the present disclosure. As shown in Figure 9, the interaction process between the multi-agent system and the user can refer to the following example:
  • the handover behavior between intelligent agents can be notified to the user, thereby improving the user experience.
  • whether the handover behavior is notified can be configured according to actual needs, which can meet the personalized configuration needs of customers in different scenarios.
  • the disclosed embodiment also provides an information processing method based on a multi-agent system, which is applied to a scenario where an agent autonomously plans a task process.
  • the multi-agent system includes multiple agents; the method is applied to a target agent among the multiple agents.
  • the method includes:
  • the task information is: according to the demand, produce a bilingual movie in Chinese and English, and design a script for scheduled broadcasting.
  • the target agent can plan the above tasks. For example, it can be divided into the following subtasks: 1. Generate a script according to the needs; 2. Translate the script; 3. Generate multiple pictures based on the script; 4. Make a movie based on the pictures; 5. Write a code script for scheduled playback.
  • the target intelligent agent is good at planning and natural language processing. Therefore, after planning the task, it can execute the first subtask and generate a script according to the needs. After the first subtask is completed, the target intelligent agent will judge that it is not good at translation. At this time, the script can be sent to the translation intelligent agent and the translation intelligent agent can be instructed to translate the script.
  • the processing process of other subtasks is similar. In each step, the appropriate intelligent agent can be selected for the current subtask based on the description information of each intelligent agent until the entire task is completed.
  • the task information may be a piece of text or in the form of a flowchart.
  • the multi-agent system may execute multiple nodes in the flowchart in sequence to complete the corresponding task.
  • the target information processing model Inputting the information to be processed and the description information of the functions corresponding to the multiple information processing models into the target information processing model, so that the target information processing model outputs corresponding reply information when the information to be processed matches the function of the target information processing model, and determines the information processing model that matches the information to be processed among the multiple information processing models when they do not match; wherein the target information processing model is any information processing model among the multiple information processing models;
  • the acquisition module is used to obtain the user's input information
  • FIG10 is a schematic diagram of the structure of an electronic device provided by an embodiment of the present disclosure. As shown in FIG10 , the electronic device of this embodiment may include:
  • the memory 1002 can be independent or integrated with the processor 1001.
  • the technical solution of the present disclosure can be embodied in the form of a software product, which is stored in a storage medium (such as ROM/RAM, a magnetic disk, or an optical disk), and includes a number of instructions for enabling a terminal device (which can be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.) to execute the methods described in each embodiment of the present disclosure.
  • a storage medium such as ROM/RAM, a magnetic disk, or an optical disk
  • a terminal device which can be a mobile phone, a computer, a server, an air conditioner, or a network device, etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Human Computer Interaction (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开提供一种基于多智能体系统的信息处理方法以及多智能体系统，所述多智能体系统包括多个智能体；所述方法应用于目标智能体，所述目标智能体为所述多个智能体中的任一智能体；所述方法包括：确定所述目标智能体对应的待处理信息；基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体；将所述待处理信息发送给相匹配的智能体进行处理。本公开可以利用信息处理模型的分析能力快速、准确地实现待处理信息在智能体之间的流转，由合适的智能体对其进行处理，有效提升了任务的处理效果。

Description

基于多智能体系统的信息处理方法以及多智能体系统
本公开要求于2024年01月12日提交中国专利局、申请号为202410052559.2、申请名称为“基于多智能体系统的信息处理方法以及多智能体系统”的中国专利申请的优先权，其全部内容通过引用结合在本公开中。
技术领域
本公开涉及人工智能技术，尤其涉及一种基于多智能体系统的信息处理方法以及多智能体系统。
背景技术
随着人工智能的不断发展，智能体(Agent)技术也得到了越来越多的关注，逐渐成为人工智能领域的重要研究课题。
目前，如何有效利用智能体对任务进行处理，保障任务的处理效果，是需要解决的问题。
发明内容
本公开提供一种基于多智能体系统的信息处理方法以及多智能体系统，用以提升智能体的任务处理效果。
第一方面，本公开实施例提供一种基于多智能体系统的信息处理方法，所述多智能体系统包括多个智能体；所述方法应用于目标智能体，所述目标智能体为所述多个智能体中的任一智能体；所述方法包括：
确定所述目标智能体对应的待处理信息；
基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体；
将所述待处理信息发送给相匹配的智能体进行处理。
可选的，所述信息处理模型用于：在所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息；在所述待处理信息与所述目标智能体对应的功能不匹配时，输出与所述待处理信息相匹配的智能体的标识。
可选的，基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体，包括：
将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，以使信息处理模型在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体。
可选的，将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，包括：
将所述待处理信息、所述目标智能体对应的功能的描述信息以及第一提示信息输入到信息处理模型，所述第一提示信息用于提示信息处理模型在根据所述待处理信息和描述信息确定所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息，在不匹配时，输出用于表示无法回复的预设信息；
若信息处理模型的输出为所述预设信息，则将所述待处理信息、其余智能体对应的功能的描述信息和第二提示信息输入到所述信息处理模型，其中，其余智能体为所述多个智能体中除目标智能体以外的智能体，所述第二提示信息用于提示信息处理模型根据所述待处理信息和其余智能体对应的描述信息，确定功能与所述待处理信息相匹配的智能体。
可选的，将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，包括：
将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息和第三提示信息输入到所述信息处理模型；
其中，所述第三提示信息用于提示信息处理模型根据所述待处理信息和各智能体对应的功能的描述信息，确定所述待处理信息与所述目标智能体对应的功能是否匹配，并在相匹配时生成对应的回复信息，在不匹配时确定功能与所述待处理信息相匹配的智能体。
可选的，输入到信息处理模型的信息还包括：第四提示信息；
其中，所述第四提示信息用于提示信息处理模型在确定所述多个智能体中不存在功能与所述待处理信息相匹配的智能体时，根据训练过程中学习的知识对所述待处理信息进行回复。
可选的，所述待处理信息包括用户的输入信息；
所述目标智能体为所述多智能体系统中被标记为入口智能体的智能体；输入到所述多智能体系统的待处理信息由所述入口智能体接收并进行处理。
可选的，所述多智能体系统用于与用户进行至少一个轮次的对话；在任意一个轮次中，输入到所述多智能体系统的待处理信息包括该轮次中用户的输入信息；
将所述待处理信息发送给相匹配的智能体进行处理，包括：
将所述待处理信息发送给相匹配的智能体进行处理，并将所述入口智能体的标记转移给所述相匹配的智能体，以通过所述相匹配的智能体接收下一轮次输入到所述多智能体系统的待处理信息并进行处理；
其中，第一个轮次对应的入口智能体为所述多智能体系统中预先选定的智能体。
可选的，所述待处理信息包括用户的输入信息；将所述待处理信息发送给相匹配的智能体进行处理，包括：
获取感知配置信息，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理；
若是，则将转交行为通知用户，并将所述待处理信息转交给所述相匹配的智能体进行处理。
可选的，所述方法还包括：
在所述多智能体系统被构建后，将所述目标智能体对应的功能的描述信息发送给所述多智能体系统中的其余智能体，并接收所述其余智能体发送的对应功能的描述信息；
将接收到的描述信息存储到记忆模块中，以在获取到待处理信息时，从所述记忆模块中读取各智能体对应的描述信息并输入到信息处理模型进行处理。
第二方面，本公开实施例提供一种多智能体系统的构建方法，包括：
输出智能体资源库包含的智能体的列表，其中，所述智能体资源库包括至少两个经过训练的智能体；
获取客户从所述列表中为目标应用选择多个智能体；
根据客户选择的智能体构建所述目标应用对应的多智能体系统；
其中，所述多智能体系统中的任一智能体用于执行第一方面任一项所述的方法。
可选的，所述方法还包括：
在构建所述目标应用对应的多智能体系统后，向所述多智能体系统中的各个智能体发送通知消息，所述通知消息用于指示多个智能体相互转发自身对应的功能的描述信息。
可选的，所述方法还包括下述至少一项：
获取客户训练或者上传的智能体，将所述客户训练或者上传的智能体添加到所述智能体资源库中；
获取客户为所述智能体资源库中的一个或多个智能体添加的描述信息；
获取客户为所述多智能体系统指定的入口智能体和/或入口配置信息，所述入口配置信息用于指示待处理信息与当前的入口智能体的功能不匹配时，是否将入口智能体的标记转移给相匹配的智能体；
获取客户为所述多智能体系统配置的感知配置信息；其中，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理。
可选的，所述方法还包括：
获取客户为智能体资源库中的一个或多个智能体输入的功能和/或能力需求信息；
根据各智能体的功能和/或能力需求信息，确定各智能体对应的能力增强方式，以根据对应的能力增强方式对各智能体进行处理；
其中，所述能力增强方式包括下述至少一项：针对智能体中的信息处理模型进行微调、针对单个智能体进行强化学习、与其他智能体共同进行强化学习、为智能体配置提示信息。
第三方面，本公开实施例还提供一种基于多智能体系统的信息处理方法，包括：
获取所述多智能体系统对应的待处理信息；
确定所述多智能体系统中的入口智能体；
将所述待处理信息发送给所述入口智能体，以使所述入口智能体在所述待处理信息与所述入口智能体的功能相匹配时，生成对应的回复信息，在所述待处理信息与所述入口智能体的功能不匹配时，基于信息处理模型确定所述多智能体系统中功能与所述待处理信息相匹配的智能体，并将所述待处理信息发送给相匹配的智能体进行处理。
第四方面，本公开实施例还提供一种基于多智能体系统的信息处理方法，所述多智能体系统包括多个智能体；所述方法应用于所述多个智能体中的目标智能体；所述方法包括：
获取用户的输入信息；
若所述输入信息与所述目标智能体对应的功能相匹配，则通过信息处理模型生成对应的回复信息；
若所述输入信息与所述目标智能体对应的功能不匹配，则将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理；其中，相匹配的智能体通过所述信息处理模型确定。
可选的，所述输入信息和所述回复信息用于在群聊界面中展示；
将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理，包括：
获取感知配置信息，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理；
若是，则通过所述群聊界面将转交行为通知用户，并将所述输入信息转交给所述相匹配的智能体进行处理，以使所述相匹配的智能体生成对应的回复信息并通过所述群聊界面展示给用户。
第五方面，本公开实施例还提供一种信息处理方法，所述方法包括：
获取待处理信息；
将所述待处理信息以及多个信息处理模型对应的功能的描述信息输入到目标信息处理模型，以使所述目标信息处理模型在所述待处理信息与所述目标信息处理模型的功能相匹配时，输出对应的回复信息，在不匹配时确定所述多个信息处理模型中与所述待处理信息相匹配的信息处理模型；其中，所述目标信息处理模型为所述多个信息处理模型中的任一信息处理模型；
若所述目标信息处理模型的输出用于表征所述相匹配的信息处理模型，则将所述待处理信息发送给所述相匹配的信息处理模型进行处理。
第六方面，本公开实施例还提供一种多智能体系统，包括多个智能体，所述智能体用于执行第一方面和第四方面任一项所述的方法。
第七方面，本公开实施例还提供一种基于多智能体的应用平台，包括控制模块和智能体资源库；
所述控制模块用于执行第二方面或第三方面任一项所述的方法。
第八方面，本公开实施例提供一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；
其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述电子设备执行上述任一方面所述的方法。
第九方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上述任一方面所述的方法。
第十方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上述任一方面所述的方法。
本公开实施例提供的基于多智能体系统的信息处理方法以及多智能体系统，可以基于多个智能体构建多智能体系统，利用多智能体系统实现任务处理，通过各个智能体的功能之间的配合更好地完成任务，并且，多智能体系统中的任一目标智能体接收到待处理信息后，若待处理信息不在目标智能体的功能范畴内，可以通过目标智能体对应的信息处理模型确定与所述待处理信息相匹配的智能体，并将待处理信息转交给相匹配的智能体进行处理，从而利用信息处理模型的理解和分析能力快速、准确地实现待处理信息在智能体之间的流转，由合适的智能体对其进行处理，有效提升了任务的处理效果。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本公开实施例提供的一种应用场景示意图；
图2为本公开实施例提供的一种基于多智能体系统的信息处理方法的流程示意图；
图3为本公开实施例提供的一种智能体的交互原理示意图；
图4为本公开实施例提供的一种智能体的架构示意图；
图5为本公开实施例提供的一种多智能体系统的构建方法的流程示意图；
图6为本公开实施例提供的一种目标应用的多智能体系统的构建原理示意图；
图7为本公开实施例提供的一种交互界面的示意图；
图8为本公开实施例提供的另一种基于多智能体系统的信息处理方法的流程示意图；
图9为本公开实施例提供的一种群聊界面的示意图；
图10为本公开实施例提供的一种电子设备的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。
需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户属性信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
本公开实施例可以通过大模型，例如，大语言模型来实现。其中，大语言模型是指具有大规模语言模型参数的深度学习语言模型，通常包含上亿、上百亿、上千亿、上万亿甚至十万亿以上的语言模型参数。大语言模型又可以称为基石语言模型/基础语言模型(Foundation Model)，通过大规模无标注的语料进行大语言模型的预训练，产出亿级以上参数的预训练语言模型，这种语言模型能适应广泛的下游任务，语言模型具有较好的泛化能力，例如大规模语言模型(Large Language Model，LLM)、多模态预训练语言模型(multi-modal pre-training model)等。
大语言模型在实际应用时，仅需少量样本对预训练语言模型进行微调即可应用于不同的任务中，大语言模型可以广泛应用于自然语言处理(Natural Language Processing，简称NLP)、计算机视觉等领域，具体可以应用于如视觉问答(Visual Question Answering，简称VQA)、图像描述(Image Caption，简称IC)、图像生成等计算机视觉领域任务，以及基于文本的情感分类、文本摘要生成、机器翻译等自然语言处理领域任务，大语言模型主要的应用场景包括数字助理、智能机器人、搜索、在线教育、办公软件、电子商务、智能设计等。
首先对本公开所涉及的名词进行解释：
智能体:一种由模型实现的方案，维护有功能的描述信息、输入输出的描述信息等。
多智能体群聊：多个智能体通过两两交互的方式进行信息交互，从而了解到其他智能体所做的内容。
下面先对本公开的应用场景进行说明。
智能体可以通过与外界环境的交互过程实现对任务的处理，可应用于各个领域的各种场景。可选的，智能体可以基于训练后的信息处理模型实现，通过信息处理模型对获取到的信息进行处理。其中，所述信息处理模型可以为大语言模型，或者，也可以为其他的模型，例如，可以构建参数量较少的模型，训练后作为所述信息处理模型。
以智能客服场景为例，智能体可以获取用户的输入信息，基于信息处理模型生成输入信息对应的回复信息，并输出给用户，在与用户交互的过程中，还可以基于信息处理模型实现API(Application Programming Interface，应用程序编程接口)的调用、文档查询等操作，从而更好地对用户的需求进行处理。
随着用户需求的不断增加，单个智能体已经不能很好地完成用户的任务，因此，可以考虑基于多智能体系统实现与用户的交互，其中，多智能体系统可以包括多个智能体，多个智能体对应不同的功能，有各自擅长处理的内容，从而可以基于多个智能体的能力更好地为用户服务。其中，如何实现多个智能体的调度，是需要解决的问题。
具体的，当用户在和多个智能体系统中的某一智能体进行对话时，可能会提出该智能体无法处理的需求，此时可以跳转到其他智能体进行处理，但是，当需要跳转时，当前智能体可能并不知道哪个智能体能处理这个需求，导致跳转过程存在困难。
示例性地，用户当前在基于文档进行提问，由负责文档问答的智能体与用户进行交互，在经过多次提问后，需要根据之前的对话信息生成摘要，而传统的文档问答智能体只擅长从文档中找出回答，处理摘要的能力并不强，此时需要去调用负责生成摘要的智能体，然而怎么去调用，是一个难点。
为了解决上述问题，可以考虑使用MoE(Mixture of Experts，混合专家系统)的思路，MoE是一种深度学习的架构，其核心思想是将许多较小的特定区域学习模型(这些模型被称为专家模型)进行组合，以便在一个更大的数据集上进行学习和推理。也就是说，MoE是一种分治策略，用于构建包含许多小型专门化模型的更大模型。
MoE使用门控模型实现对多个专家模型的有效利用，具体来说，门控模型可以根据输入信息的特征，动态地决定由哪个或哪些专家模型来进行处理，从而得到最终的输出结果。
但是，在MoE的方案中，门控机制的设计和训练是一项挑战，需要通过对门控模型、多个专家模型进行训练来有效平衡不同专家模型之间的贡献，存在处理过程复杂、运算开销大等问题。
有鉴于此，本公开实施例提供一种方法，可以利用多个智能体构建多智能体系统，利用智能体中信息处理模型的自然语言理解能力，指导智能体之间进行交互，从而有效实现与用户的对话。
图1为本公开实施例提供的一种应用场景示意图。如图1所示，多智能体系统包括多个智能体，每一智能体可以包括信息处理模型和描述信息列表，描述信息列表中包含了系统中各智能体对应的功能的描述信息。
示例性地，描述信息列表可以包括：
智能体A的描述信息：这是一个专注于文档问答的智能体，给定一个文档和问题，能够从文档中找出该问题对应的知识，并生成问题对应的回答；
智能体B的描述信息：这是一个擅长生成摘要和要点的智能体，能够对给定的文本进行总结和概括，生成对应的摘要，提炼其中的要点；
智能体C的描述信息：这是一个用于处理代码相关需求的智能体，具有一定的代码理解和生成能力，能够实现代码生成、代码补全、代码检查、编程建议等。
其中，多智能体系统包含的智能体以及各智能体对应的描述信息可以由客户配置。
本公开实施例中的“客户”是指对多智能体系统进行配置的角色，例如，可以是提供智能客服服务的企业客户或者其他类型的客户，“用户”是指在实际应用中，与多智能体系统进行交互的角色。
在用户与多智能体系统中的某一智能体进行交互的过程中，若出现当前智能体无法回答的问题，则可以利用信息处理模型对描述信息的理解，确定哪个智能体可以回答该问题，并将问题转交给对应的智能体进行处理。
例如，用户在与智能体A进行交互的过程中，可以根据文档进行提问，由智能体A进行解答，若在交互过程中，用户输入了一个要求生成代码的问题，智能体A的信息处理模型判断自己无法解决该问题，并且，通过对各个智能体的描述信息进行分析，可知智能体C能够处理该问题，可以将该问题转交给智能体C进行处理。
通过上述方式，可以使智能体利用模型的自然语言理解能力，充分了解其他每个智能体擅长的领域，在与用户的交互过程中，可以将自身无法解决的问题转交给擅长该问题的智能体处理。从整体来看，利用多智能体系统实现的智能客服功能，可以让用户的问题在多个智能体之间进行流转，便于快速、准确地选择合适的智能体对用户进行回答，提升与用户进行交互的效果。
并且，整个过程不需要门控模型介入，避免了门控机制的设计和训练，能够在不重新训练的前提下把多个智能体组织起来，处理过程简单清晰，不需要额外的运算开销。
下面结合附图，对本公开的一些实施方式作详细说明。在各实施例之间不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。另外，下述各方法实施例中的步骤时序仅为一种举例，而非严格限定。
图2为本公开实施例提供的一种基于多智能体系统的信息处理方法的流程示意图。本实施例中，所述多智能体系统的部署方式不作限制，例如，可以本地部署、云上实施、客户端实施、IOT(Internet of Things，物联网)设备实施等。
所述多智能体系统包括多个智能体，可选的，所述多个智能体可以分别对应于不同的功能。或者，所述多个智能体中部分智能体可以对应同样的功能。所述功能可以实际需要来设置，例如，功能可以包括：解数学题、翻译、摘要生成、处理代码相关的需求、处理图像相关的需求等。不同的智能体可以对应不同的功能。
所述方法应用于目标智能体，所述目标智能体为所述多个智能体中的任一智能体。如图2所示，所述方法包括：
步骤201、确定所述目标智能体对应的待处理信息。
可选的，所述目标智能体可以基于信息处理模型实现对应的功能，所述信息处理模型可以为经过训练的模型。
一种可选的架构是，目标智能体包括信息处理模型，通过信息处理模型完成相应的功能。例如，所述目标智能体是一个擅长处理数学题的智能体，其对应的信息处理模型可以是擅长处理数学题的信息处理模型，将待求解的数学题输入到信息处理模型，可以得到对应的结果。
所述目标智能体可以对应一个或多个功能，目标智能体对应的功能可以与信息处理模型对应的功能一致，也可以不局限于信息处理模型对应的功能。
示例性地，目标智能体除了包括信息处理模型，还可以包括一个或多个插件或者其他模块，通过插件或者其他模块实现更多的能力，例如，通过插件可以实现登陆浏览器、下载文档、调用API等操作。因此，目标智能体可以具有比信息处理模型更加丰富的能力。
除了目标智能体包括信息处理模型的架构以外，信息处理模型与目标智能体也可以是两个分离的部分，只要能够利用信息处理模型的能力实现目标智能体对应的功能即可。
目标智能体可以用于与环境进行交互，所述待处理信息可以包括目标智能体从环境获取到的信息。其中，环境可以是目标智能体之外的任意事物，例如，环境可以包括用户、API系统、文档系统、其他智能体等。
其中，目标智能体可以模拟人类与环境的交互过程，从环境获取一些信息，根据这些信息进行决策，确定下一步要执行的行为(输出的信息)，在行为作用于环境后，又可以从环境获取信息，并进一步进行决策和行为，如此可以通过与环境的交互实现任务的处理。
可选的，若环境包括用户，则目标智能体可以与用户进行交互，从环境获取的信息可以包括用户的输入信息，输出到环境的信息可以包括目标智能体针对用户的输出信息，例如，用户可以输入问题，目标智能体做出回答，或者，目标智能体询问用户某些问题，由用户进行回答。
若环境包括API系统，则目标智能体可以通过与API系统的交互实现API的调用，具体的，API系统可以包括多个API，智能体的输出信息可以包括待调用的API的名称和入参取值，以使API系统可以根据API的名称和入参取值，返回相应API的出参取值，相应的，目标智能体获取到的信息可以为API的出参取值。
若环境包括文档系统，目标智能体可以通过与文档系统的交互实现文档的查询，具体的，文档系统可以包括有多个文档，智能体输出到信息可以包括待查询的信息，以使文档系统可以根据待查询的信息确定对应的文档，相应的，目标智能体获取到的信息可以为与待查询的信息相匹配的文档。
若环境包括其他智能体，则目标智能体输出到环境的信息可以包括指示其他智能体进行处理的信息，例如，目标智能体确定智能体A可以处理某个需求，则可以将该需求发送给智能体A，并获取智能体A对应的处理结果。所述其他智能体可以是多智能体系统中的其余智能体，也可以是系统以外的智能体，此处不作限制。
可选的，环境也可以包括多种类型的对象，例如，环境可以既包括API系统，又包括用户。目标智能体可以向用户输出打招呼的信息，并获取用户输入的需求，通过对需求进行分析，发现可以调用某个API辅助实现该需求，则可以与API系统进行交互，并根据API系统返回的信息向用户输出对应的结果。
本实施例中的待处理信息可以是待处理的任务对应的信息，一个任务可以对应一个或者多个待处理信息。所述任务可以根据实际需要来设置，例如，任务可以为：解答用户疑问、引导用户办理某个手续、与用户闲聊、实现某个需求等。
示例性地，待处理的任务可以为解答用户疑问，用户可能会有一个或多个问题，每一问题均可以作为待处理信息。
当有多个待处理信息时，针对每一待处理信息均可以执行本实施例所述的方法。
步骤202、基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体。
其中，待处理信息与功能相匹配，是指目标智能体具备的功能适合处理所述待处理信息，或能够处理所述待处理信息。模型如何实现对是否相匹配的判断，可以有多种实现方案。
可选的，可以利用模型本身的能力，对是否相匹配进行判断，或者，是否相匹配可以由客户根据实际情况进行约束，前者可以通过提示信息实现，后者可以通过训练过程实现。下面分别说明。
在一种可选的实现方案中，模型具有一定的自然语言理解和分析能力，能够根据自身对待处理信息和功能的理解，判断两者是否相匹配。
具体的，给定一个待处理信息和一个智能体的功能，模型可以判断待处理信息是否与该智能体的功能相匹配，给定一个待处理信息和多个智能体的功能，模型可以判断多个智能体中哪一个智能体的功能与所述待处理信息相匹配。
可选的，可以利用提示信息来让模型判断功能与待处理信息相匹配的智能体。例如，待处理信息为用户的输入信息时，输入到模型的信息可以为：
“用户的输入信息为XXXXX，你是一个具有XXX功能的智能体，请确定用户的输入信息是否在你的能力范围内(是否与你的功能相匹配)：
若在你的能力范围内(若相匹配)，则对用户的输入信息进行处理；
若不在你的能力范围内(若不匹配)，请根据其他智能体的功能，选择合适的智能体进行处理(确定相匹配的智能体)，其中，其他智能体的功能如下：
智能体A，功能为XXXX；智能体B：功能为XXXX；智能体C：功能为XXXX。”
模型可以根据上述的提示，对用户的输入信息和目标智能体具备的功能进行分析，并在用户的输入信息与功能相匹配时，对用户的输入信息进行处理，在不匹配时，根据其他智能体的功能确定哪个智能体可以处理用户的输入信息。
示例性地，输入到模型的信息可以具体为：
“用户的输入信息为：‘根据以下内容，写一段Python代码：给定n个数字，将n个数字按照从大到小的顺序排列，若其中存在重复的数字，请显示数字对应的重复次数’。
你是一个用于将中文翻译为英文的智能体，请确定用户的输入信息是否在你的能力范围内：
若在你的能力范围内，则对用户的输入信息进行处理；
若不在你的能力范围内，请回答我不擅长处理，并根据其他智能体的功能，确定哪个智能体适合对用户的输入信息进行处理，其中，其他智能体的功能如下：
智能体A，用于根据文档和问题生成对应的回答；
智能体B，用于根据文字生成图像；
智能体C，用于实现C、C++、Java、Python等多种语言的代码生成。”
由于模型具有一定的理解和分析能力，根据用户的输入信息和目标智能体的功能，即可判断输入信息和目标智能体的功能是否相匹配，在不匹配时，可以判断功能与所述输入信息相匹配的智能体并输出。例如，将上述信息输入到模型后，模型可以输出“我不擅长处理，智能体C适合处理这个信息”，根据模型的输出，可以判断智能体C是功能与用户的输入信息相匹配的智能体。
另一种可选的实现方式是，在训练阶段，让智能体学习针对输入信息进行准确地回复，在输入信息超出智能体的功能范围时，训练智能体输出期望的信息。例如，目标智能体是一个专注于翻译的智能体，其对应的训练样本可以包括：
训练样本1：输入信息为“请将下面的内容翻译为英文：XXXXX”，输出信息为对应的英文文本；
训练样本2：输入信息为“请根据下面的内容生成一段代码：XXXXXX”，输出信息为“我不擅长处理，代码生成智能体可以处理”；
训练样本3：输入信息为“请根据下面的内容生成对应的图片：XXXXX”，输出信息为“我不擅长处理，图像生成智能体可以处理”。
将每一训练样本的输入信息输入到模型，以获得相应的输出信息为目标，对模型进行训练，使得模型可以具备相应的能力。在训练完成后，在实际应用中，可以取消或弱化提示信息，模型直接根据训练阶段学习到的内容即可输出期望的回答。例如，当输入信息指示智能体对一段文本进行翻译时，智能体可以正常处理并输出翻译后的文本，若输入信息指示智能体生成一段软件代码，则智能体可以输出“我不擅长处理，代码生成智能体可以处理”。
通过上述方式，可以利用大语言模型作为信息处理模型，通过增加提示信息的方式，使模型具备判断待处理信息和某个功能是否相匹配的能力。或者，不一定使用大语言模型，可以通过对模型进行有针对性地训练的方式，使其具备对应的能力。
步骤203、将所述待处理信息发送给相匹配的智能体进行处理。
可选的，所述信息处理模型用于：在所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息；在所述待处理信息与所述目标智能体对应的功能不匹配时，输出与所述待处理信息相匹配的智能体的标识。
可选的，在所述待处理信息为从环境获取的信息时，若根据信息处理模型生成了对应的回复信息，则可以向环境输出所述回复信息。
示例性地，在智能客服领域，环境可以包括用户，目标智能体对应的待处理信息可以包括用户的输入信息，对应的回复信息可以为向用户输出的回答。
图3为本公开实施例提供的一种智能体的交互原理示意图。如图3所示，目标智能体和其他智能体均可以包括信息处理模型和系统(system)模块，系统模块可以表现为软件、硬件或软硬结合的方式。本实施例提供的上述步骤，具体可以由目标智能体中的系统模块执行。
具体的，系统模块可以与环境进行交互，例如，获取用户的输入信息，作为待处理信息，将待处理信息输入到信息处理模型，若所述待处理信息与所述目标智能体对应的功能相匹配，则信息处理模型可以生成对应的回复信息，由系统模块将回复信息输出给用户。
若所述待处理信息与所述目标智能体对应的功能不匹配，信息处理模型难以回复所述待处理信息，此时可以输出与所述待处理信息相匹配的智能体的标识。系统模块在获取到相匹配的智能体的标识后，可以将待处理信息转发给相匹配的智能体进行处理。
在相匹配的智能体中，系统模块获取到待处理信息后，可以将待处理信息输入到该智能体的信息处理模型中，由信息处理模型输出对应的回复信息，并由该智能体的系统模块将回复信息输出给用户。
通过上述方式，可以利用信息处理模型的能力，在能够处理待处理信息时，给出对应的回复信息，在难以正确处理该信息时，确定能够处理该信息的智能体，并转交给对应的智能体进行处理，充分利用信息处理模型的能力，对待处理信息进行回复生成或者转交处理，提升目标智能体对待处理信息的处理效果。
除了信息处理模型直接根据待处理信息生成回复信息的方案以外，还可以借助于其它模块实现回复信息的生成，例如，可以先根据待处理信息查询相关的文档，并将文档和待处理信息一起输入到信息处理模型得到对应的回复信息，或者，可以先将待处理信息输入到信息处理模型得到中间结果，再根据中间结果进行其他操作，例如查询数据库等，得到最终的回复信息。
在其他可选的实现方案中，智能体也可以不必输出回复信息，例如，待处理信息指示对订单的相关信息进行计算并更新，则基于信息处理模型得到计算结果后，可以直接根据计算结果更新数据库中订单的相关信息，无需向用户输出回复信息。
在实际应用中，多智能体系统中每一智能体均可以包括信息处理模型，每一智能体均可以执行前述的方案。或者，可以部分智能体包括信息处理模型，其余智能体仅包括较小的专用模型或者其他能够进行决策的模块，只要能够实现相应功能即可，上述方案可以在包含信息处理模型的智能体中应用，其他智能体可以不涉及转交操作，或者，通过其他方式实现转交操作。
本实施例提供的基于多智能体系统的信息处理方法，可以利用多个智能体构建多智能体系统，利用多智能体系统实现任务处理，通过智能体对应的信息处理模型的能力以及各个智能体的功能之间的配合更好地完成任务，并且，多智能体系统中的任一目标智能体接收待处理信息，若待处理信息不在目标智能体的功能范畴内，可以通过目标智能体对应的信息处理模型确定与所述待处理信息相匹配的智能体，并将待处理信息转交给相匹配的智能体进行处理，从而利用信息处理模型的分析能力快速、准确地实现待处理信息在智能体之间的流转，由合适的智能体对其进行处理，有效提升了任务的处理效果。
其中，如何确定相匹配的智能体可以有多种实现方式。例如，可以将待处理信息和各个智能体的名称输入到信息处理模型，名称可以反映智能体的功能，如“代码智能体”、“翻译智能体”、“数学题智能体”等，信息处理模型可以针对待处理信息和智能体的名称进行分析，确定相匹配的智能体。
或者，可以为每一智能体配置描述信息，相匹配的智能体可以通过描述信息确定。下面进行详细说明。
可选的，基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体，包括：
将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，以使信息处理模型在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体。
可选的，可以将多个智能体对应的标识、描述信息都输入到信息处理模型，由信息处理模型根据描述信息输出相匹配的智能体的标识。
可选的，可以由信息处理模型先输出待处理信息与目标智能体对应的功能是否匹配的结论，再由信息处理模型在不匹配时输出相匹配的智能体的标识。或者，可以由信息处理模型直接输出相匹配的智能体的标识，根据该标识，目标智能体可以确定待处理信息与目标智能体对应的功能不匹配，可以将待处理信息发送给相匹配的智能体进行处理。
将所述多个智能体对应的功能的描述信息输入到信息处理模型的方式有多种，可以是一次性输入，也可以是分步输入。
在一种可选的实现方式中，可以先将目标智能体对应的功能的描述信息输入到信息处理模型，若与待处理信息相匹配，则直接生成对应的回复信息，若信息处理模型表示无法回答，则可以进一步将其他智能体对应的功能的描述信息也输入到信息处理模型，使得信息处理模型可以根据其他智能体的描述信息选择合适的智能体。
具体的，将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，包括：
将所述待处理信息、所述目标智能体对应的功能的描述信息以及第一提示信息输入到信息处理模型，所述第一提示信息用于提示信息处理模型在根据所述待处理信息和描述信息确定所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息，在不匹配时，输出用于表示无法回复的预设信息；
若信息处理模型的输出为所述预设信息，则将所述待处理信息、其余智能体对应的功能的描述信息和第二提示信息输入到所述信息处理模型，其中，其余智能体为所述多个智能体中除目标智能体以外的智能体，所述第二提示信息用于提示信息处理模型根据所述待处理信息和其余智能体对应的描述信息，确定功能与所述待处理信息相匹配的智能体。
示例性地，假设待处理信息为用户的问题，第一提示信息可以包括：“请确定用户的问题是否在你的能力范围内，若在你的能力范围内，请直接回答，若不在你的能力范围内，请回答：我不擅长这个”。
相应的，输入到信息处理模型的内容可以包括：
“你是一个具有[功能描述]的智能体，请确定用户的问题是否在你的能力范围内，若在你的能力范围内，请直接回答，若不在你的能力范围内，请回答：我不擅长这个；用户：[问题]”。
其中，在[功能描述]处可以插入目标智能体对应的功能的描述信息，在[问题]处可以插入用户的问题。
可选的，由于信息处理模型本身具备根据问题进行回答的能力，因此，在第一提示信息中，也可以省略下述提示内容：在根据所述待处理信息和描述信息确定所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息。例如，输入到信息处理模型的信息中可以省略如下内容：“若在你的能力范围内，请直接回答”。
基于上述的输入到信息处理模型的内容，所述预设信息为“我不擅长这个”。如果检测到信息处理模型输出了预设信息，则可以进一步将待处理信息、其余智能体对应的功能的描述信息和第二提示信息输入到所述信息处理模型，以使所述信息处理模型确定功能与所述待处理信息相匹配的智能体。
示例性地，第二提示信息可以为：“请根据下述智能体对应的功能的描述信息，确定能够回答用户问题的智能体”。
通过上述方案，可以使用分步提示的方式引导信息处理模型输出回复信息或者相匹配的智能体，由于很多时候目标智能体具有直接回答用户问题的能力，这些情况下不需要进一步从其他智能体中选择相匹配的智能体，因此，在获取到待处理信息时，仅将待处理信息和目标智能体的描述信息输入到信息处理模型，不需要输入其他智能体的描述信息，只有在有必要时才引入其他智能体的描述信息，能够有效减少需要处理的数据量，尤其适用于待处理信息不需要频繁转交的场景。
在另一种可选的实现方式中，可以通过与信息处理模型的一次交互实现回复信息的生成或者相匹配的智能体的确定。
具体的，将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，包括：
将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息和第三提示信息输入到所述信息处理模型；
其中，所述第三提示信息用于提示信息处理模型根据所述待处理信息和各智能体对应的功能的描述信息，确定所述待处理信息与所述目标智能体对应的功能是否匹配，并在相匹配时生成对应的回复信息，在不匹配时确定功能与所述待处理信息相匹配的智能体。
示例性地，第三提示信息可以为：“若用户的问题属于你的能力范围内，请对用户的问题进行回复，若无法回复，请根据用户的问题选择一个合适的智能体进行处理。在选择合适的智能体时，可以参考如下的描述信息”。
通过上述方式，可以一次性地实现回复信息的生成或者相匹配的智能体的确定，无需与信息处理模型进行多次交互，有效减少了交互次数，尤其适用于需要较为频繁地转交待处理信息的场景。
其中，可以由客户对提示的方式进行配置，选择多个智能体的描述信息是一次性输入到信息处理模型，还是分步输入到信息处理模型。
通过设置智能体对应的功能的描述信息，可以利用信息处理模型的自然语言理解能力，对待处理信息和描述信息进行分析和匹配，从中选择合适的智能体对待处理信息进行处理，描述信息可以尽量详细地体现信息处理模型能够实现的功能，有效提升了确定相匹配的智能体的准确性。
可选的，目标智能体可以通过多种方式获取到其他智能体的描述信息。例如，描述信息可以由客户输入。或者，各智能体维护有自身对应的描述信息，并可以进行相互转发。
具体的，所述目标智能体包括记忆(memory)模块，所述方法还包括：
在所述多智能体系统被构建后，将所述目标智能体对应的功能的描述信息发送给所述多智能体系统中的其余智能体，并接收所述其余智能体发送的对应功能的描述信息；
将接收到的描述信息存储到记忆模块中，以在获取到待处理信息时，从所述记忆模块中读取各智能体对应的描述信息并输入到信息处理模型进行处理。
图4为本公开实施例提供的一种智能体的架构示意图。如图4所示，目标智能体和其它智能体均可以包括信息处理模型、系统模块和记忆模块。记忆模块可以用于存储描述信息。
在多智能体系统被构建前，每个智能体维护有自身的描述信息。在多智能体系统被构建之后，智能体之间可以相互转发描述信息。例如，对于多智能体系统中的任一目标智能体，可以向其余智能体发送目标智能体的描述信息，也可以接收其余智能体发送的描述信息，并存储到记忆模块。
这样，在多个智能体相互转发描述信息后，每一智能体的记忆模块可以存储有多个智能体的描述信息。在任一目标智能体获取到待处理信息时，可以利用记忆模块存储的多个智能体的描述信息，确定相匹配的智能体，并由相匹配的智能体对待处理信息进行处理。
通过多个智能体相互转发描述信息，能够使目标智能体预先存储好多个智能体的描述信息，在获取到待处理信息时，直接根据预先存储的描述信息进行处理，提高对待处理信息的处理效率。
在上述实施例提供的技术方案的基础上，可选的是，输入到信息处理模型的信息还包括：第四提示信息；其中，所述第四提示信息用于提示信息处理模型在确定所述多个智能体中不存在功能与所述待处理信息相匹配的智能体时，根据训练过程中学习的知识对所述待处理信息进行回复。
示例性地，所述第四提示信息可以包括：“如果没有合适的智能体能处理用户的问题，请根据已知信息输出相应的回复”。
在实际应用中，信息处理模型在训练过程中会学习到很多知识，即使当前的待处理信息不属于信息处理模型擅长的领域，信息处理模型也可以根据以往学习到的知识进行回复。
这样，在有合适的智能体能够处理待处理信息时，将待处理信息转交给合适的智能体进行处理，在没有合适的智能体可以处理时，根据信息处理模型的已有知识进行回复，避免出现无效转交的情况，提升多智能体系统的整体处理效率。
在本公开的一个或多个实施例中，可选的，所述待处理信息包括用户的输入信息；所述目标智能体为所述多智能体系统中被标记为入口智能体的智能体；输入到所述多智能体系统的待处理信息由所述入口智能体接收并进行处理。
可选的，入口智能体可以由客户设置，在所述待处理信息包括用户的输入信息时，可以选择所述多智能体系统中，能够较为友好地和用户进行沟通的智能体作为入口智能体。
所述多智能体系统作为一个整体与用户进行交互时，输入到所述多智能体系统的信息会被发送给入口智能体，由入口智能体进行处理，若入口智能体判断自身不擅长处理，则可以转发给相匹配的智能体进行处理。
可选的，标记入口智能体可以有多种实现方式，例如，为多个智能体中的某个智能体增加标志，表示该智能体为入口智能体，或者，设置入口智能体对应的字段，通过将字段对应的数值更新为某个智能体的ID，实现将该智能体标记为入口智能体。在用户输入待处理信息时，根据各个智能体是否存在相应的标志，或者，入口智能体对应字段的数值，即可确定当前哪个智能体为入口智能体，并将待处理信息发送给入口智能体。
可选的，所述多智能体系统用于与用户进行至少一个轮次的对话；在任意一个轮次中，输入到所述多智能体系统的待处理信息包括该轮次中用户的输入信息。
将所述待处理信息发送给相匹配的智能体进行处理，包括：将所述待处理信息发送给相匹配的智能体进行处理，并将所述入口智能体的标记转移给所述相匹配的智能体，以通过所述相匹配的智能体接收下一轮次输入到所述多智能体系统的待处理信息并进行处理。
具体的，多智能体系统可以作为一个整体与用户进行至少一个轮次的对话，可以将至少一个轮次的对话记为session(会话)，一次session通常可以包括多智能体系统与用户的多个轮次的交互，每一轮次的交互可以包括用户的一次输入和多智能体系统的一次输出。
每一轮次中，在多智能体系统内部，可以由当前的入口智能体对用户的输入信息进行处理，得到对应的回复信息，如果当前的入口智能体无法处理，可以转交给多智能体系统中的另一智能体进行处理，得到对应的回复信息，同时可以将入口智能体的标记转移给所述另一智能体。
在将当前轮次的回复信息输出给用户后，用户可以输入下一轮次的输入信息，多智能体系统中，由所述另一智能体作为入口智能体对用户的输入信息进行处理，如此经过多轮交互后，可以结束session。
示例性地，多智能体系统作为智能客服与用户进行交互，初始的入口智能体为普通的问答智能体，由问答智能体对用户提出的问题进行回答，在经过一个或多个轮次的交互后，用户开始输入代码相关的需求，问答智能体判断自身不擅长回答，则可以将代码相关的需求发送给代码智能体，并将入口智能体的标记转移给代码智能体，由代码智能体作为后续轮次对应的入口智能体接收并回复用户输入的代码相关的需求。
可选的，每一轮次的待处理信息除了可以包括用户在当前轮次的输入信息，还可以包括之前轮次的交互信息，例如，之前每一轮次用户的输入信息和多智能体系统的输出信息，从而可以参考历史上下文，使多智能体系统更准确地对用户的需求进行处理。
可选的，第一个轮次对应的入口智能体为所述多智能体系统中预先选定的智能体。所述方法还包括：若所述待处理信息与目标智能体的功能相匹配，则入口智能体保持不变。
具体的，可以由客户从多个智能体中预先选择一个作为默认的入口智能体，在一个session开启后，第一个轮次对应的入口智能体可以为所述默认的入口智能体。在与用户的交互过程中，入口智能体可能会发生变化，在session结束后，可以恢复默认的入口智能体。
在一种处理方式中，可以在session结束时，将入口智能体的标记转移给所述预先选定的智能体，从而在下一次session开启时，使用所述预先选定的智能体作为入口智能体，对第一个轮次的待处理信息进行处理。
在另一种处理方式中，可以在每一次session开启时，执行加载入口智能体的步骤，例如，可以在session开启时，确定所述多智能体系统中预先选定的智能体，并将该智能体设置为当前的入口智能体。
可选的，可以设置一控制模块，用于维护session当前对应的入口智能体。在多智能体系统发布后，可以允许多个用户同时与多智能体系统进行交互，即，在同一时间可能会存在多个进行中的session，控制模块可以维护每一session对应的信息，例如session对应的入口智能体等，从而在每一次获取到用户的输入信息后，根据输入信息所属session对应的入口智能体，对所述输入信息进行处理。
通过上述方案，可以通过多智能体系统中的入口智能体接收并处理待处理信息，实现对待处理信息的快速、有序的响应，并且，在转交待处理信息的同时，可以移交入口智能体的身份，由于用户经常会将不同领域的问题进行分开、连续的提问，因此，可以有效提高多智能体系统的整体处理效率，提升用户体验。
在本公开的一个或多个实施例中，可选的，所述待处理信息包括用户的输入信息；将所述待处理信息发送给相匹配的智能体进行处理，包括：
获取感知配置信息，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理；
若是，则将转交行为通知用户，并将所述待处理信息转交给所述相匹配的智能体进行处理。
其中，所述感知配置信息可以由客户设置，也可以采用默认设置。所述感知配置信息主要用于控制是否将智能体之间的转交行为告知给用户。
可选的，所述多个智能体可以与用户通过群聊的方式进行交互，在群聊界面中，由入口智能体对用户输入的问题进行回复，当入口智能体无法回答用户的问题时，进行转交操作，若所述感知配置信息指示转交行为需要告知用户，则先将转交行为通知用户，再将问题转交给相匹配的智能体进行处理，由相匹配的智能体在群聊界面中对用户的问题做出回复。
例如，可以向用户输出如下信息，从而将转交行为通知给用户：“抱歉，这个问题我无法回答，代码智能体能回答，我将该问题转交给代码智能体进行处理”。
通过上述方式，可以将智能体之间的转交行为通知用户，提升用户体验，并且，转交行为是否通知可以根据实际需要来配置，能够满足客户在不同场景下的个性化配置需求。
在上述实施例提供的基于多智能体系统的信息处理方法的基础上，本公开实施例还提供一种多智能体系统的构建方法。
图5为本公开实施例提供的一种多智能体系统的构建方法的流程示意图。所述方法可以应用于应用平台，所述应用平台可以维护有大量的智能体，客户可以在平台创建应用，也可以为应用配置多个智能体，以通过多个智能体对应的功能实现所述应用。
如图5所示，所述方法可以包括：
步骤501、输出智能体资源库包含的智能体的列表，其中，所述智能体资源库包括至少两个经过训练的智能体。
其中，经过训练的智能体，可以是经过预训练的智能体，也可以是经过预训练加微调训练的智能体。可以采用有监督微调(Supervised Fine-Tuning，SFT)的训练样本进行训练，也可以采用强化学习等方式对智能体进行训练。
可选的，可以获取客户训练或者上传的智能体，将所述智能体添加到所述智能体资源库中。还可以获取客户为所述智能体资源库中的一个或多个智能体添加的描述信息。
其中，所述描述信息可以为智能体的功能对应的描述信息，用于对功能进行详细描述，可以由客户配置，例如，针对一个专注数学题的智能体，对应的描述信息可以为：这是一个专注于数学题的智能体，能够解中小学数学题，有一定的自然语言理解和生成能力。
此外，平台也可以提供一部分通用的智能体，平台提供的智能体和客户训练的智能体都保存在智能体资源库中，供客户后续在创建应用时使用。
在客户有创建应用的需求时，平台可以向客户输出智能体资源库包含的智能体的列表，所述列表可以包括智能体的标识、名称、描述信息等。
步骤502、获取客户从所述列表中为目标应用选择多个智能体。
具体的，根据当前智能体资源库包含的智能体的列表，客户可以在平台创建目标应用，并为目标应用选择多个智能体，从而基于平台的能力，使客户可以通过组合智能体的方式构建自己的应用。
其中，所述目标应用可以是客户期望创建的任意应用，例如，可以是用于实现智能客服功能的应用。
步骤503、根据客户选择的智能体构建所述目标应用对应的多智能体系统。
其中，所述多智能体系统中的任一智能体用于执行本公开任一实施例所述的信息处理方法。
具体的，客户为目标应用选择多个智能体后，可以将目标应用与多个智能体绑定，从而得到目标应用对应的多智能体系统，后续目标应用可以用于实现相应的任务，例如与用户进行交互，在实现相应任务时，待处理信息由目标应用对应的多智能体系统进行响应。
图6为本公开实施例提供的一种目标应用的多智能体系统的构建原理示意图。如图6所示，客户可以为企业，在第一阶段，企业可以训练一批具有不同功能的智能体，例如图中的智能体1、……、智能体l、……、智能体N。
示例性地，在第一阶段，企业可以通过SFT等方式，打造具有特定功能的专属智能体，如文档问答智能体、接待智能体、代码智能体、推荐营销智能体、专注数学题的智能体等，并为每个智能体配上对应功能的描述信息。
在第二阶段，企业可以创建目标应用，并从智能体资源库中选择多个智能体，如图6所示，企业选择了智能体i、智能体j、智能体k来构建目标应用对应的智能体系统。
可选的，还可以获取客户为所述多智能体系统指定的入口智能体和/或入口配置信息，所述入口配置信息用于指示待处理信息与当前的入口智能体的功能不匹配时，是否将入口智能体的标记转移给相匹配的智能体。
此外，还可以获取客户为所述多智能体系统配置的感知配置信息；其中，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理。
示例性地，企业可以选择数学题智能体、接待智能体、文档问答智能体来构建多智能体系统，并指定接待智能体为入口智能体，从而打造企业自己的智能客服应用，该应用部署到平台后，可以提供线上的智能客服功能。入口配置信息和感知配置信息可以采用默认设置，也可以支持客户随时调整。
图7为本公开实施例提供的一种交互界面的示意图。如图7所示，在交互界面上，可以展示智能体资源库中的智能体的列表，允许用户创建并输入目标应用的名称，并从列表中为目标应用选择多个智能体，还可以提供设置入口智能体等功能。
可选的，在构建所述目标应用对应的多智能体系统后，可以向所述多智能体系统中的各个智能体发送通知消息，所述通知消息用于指示多个智能体相互转发自身对应的功能的描述信息。
具体的，在第三阶段，在构建多智能体系统后，平台可以指示多个智能体相互转发描述信息。可选的，可以通过多智能体群聊的方式，允许每一智能体将ID(标识)和描述信息同时发送给其他智能体。
例如，智能体i可以向智能体j、智能体k发送智能体i的ID和描述信息，智能体j和智能体k接收到后，可以存储在自身的记忆模块中。具体的，记忆模块可以包括信息队列，在信息队列中可以存储智能体的ID和描述信息。
智能体j和智能体k也可以分别向其他智能体发送自身的ID和描述信息，在经过相互转发后，多智能体系统中的每个智能体都维护有自身和其他各个智能体的ID和描述信息。
这样，多个智能体通过遍历的形式，相互发送自身的ID和对应的功能的描述信息，使得多个智能体之间可以通过自然语言交流的方式，告知对方自身的描述信息，从而准确、全面地获取到多智能体系统中各个智能体的信息，便于实现后续对待处理信息的准确转交操作。
在其他可选的实现方式中，在构建多智能体系统后，也可以由平台直接将各个智能体的描述信息发送给其他智能体。
在第四阶段，每个智能体可以配置自身的prompt(提示)，prompt可以与待处理信息一同输入到智能体的信息处理模型进行处理。可选的，对于任一目标智能体，prompt可以包括system prompt和memory部分，分别用于提示目标智能体的描述信息和其他智能体的描述信息。
可选的，在智能客服场景下，待处理信息可以包括用户的输入信息。当用户第一次进行在线请求的时候，用户的输入信息会发送到入口智能体，由入口智能体对用户的输入信息进行响应，入口智能体可以由在对话术语和用户引导上都具有更好的能力的智能体担任。
在与用户存在多个轮次的交互的情况下，可选的，每一轮次的待处理信息除了包括用户在当前轮次的输入信息，还可以包括之前轮次的交互信息(之前每一轮次中用户的输入信息以及智能体的回复信息)。
示例性地，在每一轮次，输入到入口智能体的信息处理模型的内容可以包括：
“system prompt：你是一个具备[功能描述]的智能体。如果遇到不在你能力范围内的问题，请参考以下几个智能体的ID和功能描述，根据用户的历史上下文，选择一个合适的智能体并输出其对应的ID，如果没有合适的智能体能处理任务，请根据已知信息输出相应回答。
memory：智能体ID及其功能描述：
[智能体ID1：功能描述]；
[智能体ID2：功能描述]；
[智能体ID3：功能描述]；
用户历史：[用户历史]。”
其中，在[功能描述]处插入目标智能体的描述信息，在memory中插入其他智能体的ID和描述信息，在[用户历史]处插入之前轮次的交互信息和当前轮次的输入信息。
信息处理模型可以根据上述内容，输出相匹配的智能体的ID，入口智能体可以将用户历史发送给相匹配的智能体，同时，入口智能体的标记会转移给相匹配的智能体。
若信息处理模型没有输出智能体的ID，而是直接输出了对应的回复信息，则入口智能体直接将回复信息输出给用户，并继续与用户进行对话，直到完成交互。
本实施例提供的多智能体系统的构建方法，可以允许客户通过自己训练的方式，打造具有专属功能的智能体资源库，并通过组合智能体的方式，来构建自己的目标应用，多个智能体之间通过自然语言交流的方式，告知对方自己的描述信息，在目标应用的使用过程中，当有用户的输入信息进来后，输入信息可以在多个智能体之间进行流转，从而可以利用信息处理模型的自然语言理解能力，让多个智能体之间能够通过对话来了解其他智能体的功能，提升实际应用中的任务处理效果，并且，能够在不重新训练的前提下把多个智能体组织起来，不需要额外的计算开销，也不需要进行门控选择，避免了门控模型的设计，直接利用信息处理模型的自然语言理解能力，实现快速的语义理解和调用，减少系统复杂度，提升系统整体处理效果。
以上实施例中，通过配置入口智能体实现对待处理信息的响应，在其他可选的实现方式中，也可以取消配置入口智能体的操作，在获取到待处理信息后，将待处理信息随机发送给一个智能体，或者，沿用上一轮次的智能体对待处理信息进行处理。
在上述实施例提供的技术方案的基础上，可选的，还可以获取客户为智能体资源库中的一个或多个智能体输入的功能和/或能力需求信息；根据各智能体的功能和/或能力需求信息，确定各智能体对应的能力增强方式，以根据对应的能力增强方式对各智能体进行处理。
其中，所述能力增强方式包括下述至少一项：针对智能体中的信息处理模型进行微调、针对单个智能体进行强化学习、与其他智能体共同进行强化学习、为智能体配置提示信息。其中，微调可以包括有监督微调，也可以包括无监督或其他类型的微调。
可选的，能力需求信息可以用于表示客户对信息处理模型的能力的要求，若要求较高，可以对智能体进行有针对性的能力增强操作。
具体的，初始的智能体中的信息处理模型可以是经过预训练的信息处理模型，具有一定的自然语言处理能力，在此基础上，为了提升智能体的能力，使得智能体可以更好地实现对应的功能，可以对智能体进行能力增强。能力增强具体可以有以下几种情况：
在第一种情况中，如果智能体对应的功能需要具备较强的特定能力，例如，需要对代码进行处理，传统经过自然语言预训练的信息处理模型可能很难胜任，此时，可以对预训练后的信息处理模型进行有监督微调，有监督微调使用代码数据来实现。
或者，智能体的功能虽然也是对自然语言进行处理，但是客户对智能体有较高的能力要求，例如，客户希望进一步提升智能体对自然语言进行处理的性能，也可以结合具体任务对信息处理模型进行有监督微调。
在第二种情况中，如果智能体对应较为普通的功能，或者，智能体的能力需求信息较低，则可以不进行有监督微调，直接通过配置描述信息的方式进行能力增强。在配置描述信息后，可以将描述信息作为prompt输入到信息处理模型，使得信息处理模型可以根据描述信息执行相应的功能。
在第三种情况中，如果希望智能体增强与环境进行交互的能力，可以通过强化学习等方式对智能体进行训练，强化学习可以包括针对单个智能体进行强化学习，也可以包括多个智能体之间共同进行强化学习，可以根据实际需要进行选择。
在第四种情况中，可以将上述的能力增强方式进行组合，例如，可以为智能体配置描述信息，还可以对智能体中信息处理模型进行有监督微调，还可以进一步结合强化学习对智能体进行训练。
通过上述方式，可以根据实际需求决定智能体的能力增强方式，可以将预训练后的智能体拿来直接使用，也可以配置提示信息或者进行微调后使用，也可以结合强化学习进行训练后使用，满足不同场景下智能体的功能和能力需求，提升不同场景下的多智能体系统的整体处理效果。
本公开实施例还提供一种基于多智能体系统的信息处理方法，所述方法应用于多智能体系统的在线使用阶段，执行主体可以为应用平台，更具体的，可以为应用平台中的控制模块。所述方法包括：
获取所述多智能体系统对应的待处理信息；
确定所述多智能体系统中的入口智能体；
将所述待处理信息发送给所述入口智能体，以使所述入口智能体在所述待处理信息与所述入口智能体的功能相匹配时，生成对应的回复信息，在所述待处理信息与所述入口智能体的功能不匹配时，基于信息处理模型确定所述多智能体系统中功能与所述待处理信息相匹配的智能体，并将所述待处理信息发送给相匹配的智能体进行处理。
其中，所述入口智能体可以为目标智能体，对待处理信息进行处理。所述待处理信息可以包括用户的输入信息，在获取到入口智能体输出的回复信息后，可以将回复信息反馈给用户。若待处理信息被转交给其他智能体进行处理，则可以在获取到其他智能体输出的回复信息后，将回复信息反馈给用户。
本实施例提供的方法的具体实现原理、过程和有益效果可以参见前述实施例，此处不再赘述。
本公开实施例还提供另一种基于多智能体系统的信息处理方法，应用于智能客服场景，所述多智能体系统包括多个智能体，所述方法应用于所述多个智能体中的目标智能体。可选的，目标智能体可以包括信息处理模型。
图8为本公开实施例提供的另一种基于多智能体系统的信息处理方法的流程示意图。如图8所示，所述方法包括：
步骤801、获取用户的输入信息。
步骤802、若所述输入信息与所述目标智能体对应的功能相匹配，则通过信息处理模型生成对应的回复信息。
具体的，若所述待处理信息与所述目标智能体对应的功能相匹配，则直接生成对应的回复信息并反馈给用户。
步骤803、若所述输入信息与所述目标智能体对应的功能不匹配，则将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理；其中，相匹配的智能体通过所述信息处理模型确定。
本实施例提供的方法的具体实现原理和过程可以参见前述实施例，此处不再赘述。
本实施例可以利用多智能体系统与用户进行交互，在交互过程中，目标智能体可以将自身无法解决的问题转交给擅长该问题的智能体处理，让用户的问题在多个智能体之间进行流转，便于快速、准确地选择合适的智能体对用户的问题进行回答，提升与用户进行交互的效果。
可选的，多智能体系统中的多个智能体和用户可以通过群聊的方式进行交互，所述输入信息和所述回复信息用于在群聊界面中展示。
可选的，将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理，包括：
获取感知配置信息，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理；
若是，则通过所述群聊界面将转交行为通知用户，并将所述输入信息转交给所述相匹配的智能体进行处理，以使所述相匹配的智能体生成对应的回复信息并通过所述群聊界面展示给用户。
具体的，在群聊界面中，用户输入问题后，可以由目标智能体对用户的问题进行回答，当目标智能体无法回答用户的问题时，进行转交操作，若所述感知配置信息指示转交行为需要告知用户，则先将转交行为通知用户，再将问题转交给相匹配的智能体进行处理，由相匹配的智能体在群聊界面中对用户的问题做出回答。
示例性地，多智能体系统为某一车企客户配置的智能客服应用对应的系统，所述智能客服应用可以用于为用户解答车辆相关疑问的智能客服应用，对应的多智能体系统可以包括如下的智能体：小车(文档问答智能体)、图像处理助手(图像智能体)、视频处理助手(视频智能体)等。其中，小车被企业选择为默认的入口智能体。图9为本公开实施例提供的一种群聊界面的示意图。如图9所示，多智能体系统与用户的交互过程可以参考如下示例：
“用户：你好。
小车：你好，我是某车企的智能助手小车，我可以回答车辆相关的问题。
用户：某车型有什么优势？
小车：某车型具有如下的优势：……。
用户：生成一段某车型在某场景下的视频。
小车：抱歉，我不擅长这个，视频处理助手能够处理，我把这个需求发给它来处理。
视频处理助手：视频。”
通过上述方式，可以将智能体之间的转交行为通知用户，提升用户体验，并且，转交行为是否通知可以根据实际需要来配置，能够满足客户在不同场景下的个性化配置需求。
本公开实施例还提供一种基于多智能体系统的信息处理方法，应用于智能体自主规划任务流程的场景。其中，所述多智能体系统包括多个智能体；所述方法应用于所述多个智能体中的目标智能体。所述方法包括：
获取待处理的任务信息；
基于信息处理模型对所述任务信息进行拆分，得到多个子任务；
对于任一子任务，若所述子任务与所述目标智能体对应的功能不匹配，则将所述子任务发送给功能与所述子任务相匹配的智能体进行处理；其中，相匹配的智能体通过所述信息处理模型确定。
其中，信息处理模型可以对智能体待处理的任务进行规划，拆分得到多个子任务，并按照子任务的执行顺序依次执行，在执行完多个子任务后，完成对任务的处理。
在执行每一子任务时，如果子任务与所述目标智能体对应的功能相匹配，则直接利用信息处理模型生成对应的子任务处理结果，若不匹配，则可以利用信息处理模型确定相匹配的智能体，并转交给相匹配的智能体进行处理。
示例性地，所述任务信息为：根据需求，制作一个中英文双语的电影，并设计定时播放的脚本。
目标智能体可以对上述的任务进行规划，例如，可以拆分为如下的子任务：1、根据需求生成一段剧本；2、对剧本进行翻译；3、根据剧本生成多张图片；4、根据图片制作电影；5、编写一段定时播放的代码脚本。
其中，目标智能体擅长于规划和自然语言处理，因此，可以在对任务进行规划后，执行第一个子任务，根据需求生成一段剧本，第一个子任务执行完后，目标智能体会判断自身不擅长进行翻译，此时，可以将剧本发送给翻译智能体，并指示翻译智能体对剧本进行翻译，其他子任务的处理过程类似，在每一步中，可以基于各个智能体的描述信息为当前子任务选择合适的智能体进行处理，直至完成整个任务。
可选的，目标智能体可以为入口智能体，且入口智能体在任务执行过程中可以固定不变。
可选的，所述任务信息可以是一段文本，也可以表现为流程图的形式，多智能体系统可以根据流程图依次执行图中的多个节点，从而完成对应的任务。
本实施例中各步骤的实现原理可以参见前述实施例，只需要将待处理信息替换为子任务即可，具体的处理过程和有益效果可以参见前述实施例，此处不再赘述。
本公开实施例还提供一种多智能体系统，包括多个智能体，所述智能体用于执行图2、图8相关实施例所述的方法。
本公开实施例还提供一种基于多智能体的应用平台，包括控制模块和智能体资源库；所述控制模块用于执行图5相关实施例所述的方法。
本公开实施例还提供一种信息处理方法，可以应用于基于多个信息处理模型实现的系统。所述方法包括：
获取待处理信息；
将所述待处理信息以及多个信息处理模型对应的功能的描述信息输入到目标信息处理模型，以使所述目标信息处理模型在所述待处理信息与所述目标信息处理模型的功能相匹配时，输出对应的回复信息，在不匹配时确定所述多个信息处理模型中与所述待处理信息相匹配的信息处理模型；其中，所述目标信息处理模型为所述多个信息处理模型中的任一信息处理模型；
若所述目标信息处理模型的输出用于表征所述相匹配的信息处理模型，则将所述待处理信息发送给所述相匹配的信息处理模型进行处理。
本实施例与前述实施例的不同之处在于，本实施例无需构建智能体，直接利用多个信息处理模型实现对待处理信息的处理，虽然信息处理模型的能力可能没有智能体那么全面，但是也可以完成一些任务的处理，尤其是主要基于自然语言实现的任务。
本实施例中各步骤的实现原理可以参见前述实施例，只需要将智能体替换为信息处理模型即可，具体的处理过程和有益效果可以参见前述实施例，此处不再赘述。
对应于上述的方法，本公开实施例还提供一种基于多智能体系统的信息处理装置，所述多智能体系统包括多个智能体；所述装置应用于目标智能体，所述目标智能体为所述多个智能体中的任一智能体；所述装置包括：
第一确定模块，用于确定所述目标智能体对应的待处理信息；
第二确定模块，用于基于所述信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体；
发送模块，用于将所述待处理信息发送给相匹配的智能体进行处理。
本公开实施例还提供一种多智能体系统的构建装置，包括：
输出模块，用于输出智能体资源库包含的智能体的列表，其中，所述智能体资源库包括至少两个经过训练的智能体；
获取模块，用于获取客户从所述列表中为目标应用选择多个智能体；
构建模块，用于根据客户选择的智能体构建所述目标应用对应的多智能体系统。
本公开实施例还提供一种基于多智能体系统的信息处理装置，包括：
获取模块，用于获取所述多智能体系统对应的待处理信息；
确定模块，用于确定所述多智能体系统中的入口智能体；
发送模块，用于将所述待处理信息发送给所述入口智能体，以使所述入口智能体在所述待处理信息与所述入口智能体的功能相匹配时，生成对应的回复信息，在所述待处理信息与所述入口智能体的功能不匹配时，基于信息处理模型确定所述多智能体系统中功能与所述待处理信息相匹配的智能体，并将所述待处理信息发送给相匹配的智能体进行处理。
本公开实施例还提供一种基于多智能体系统的信息处理装置，所述多智能体系统包括多个智能体；所述装置应用于所述多个智能体中的目标智能体；所述装置包括：
获取模块，用于获取用户的输入信息；
生成模块，用于在所述输入信息与所述目标智能体对应的功能相匹配时，通过信息处理模型生成对应的回复信息；
发送模块，用于在所述输入信息与所述目标智能体对应的功能不匹配时，将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理；其中，相匹配的智能体通过所述信息处理模型确定。
本公开实施例还提供一种信息处理装置，所述方法包括：
获取模块，用于获取待处理信息；
确定模块，用于将所述待处理信息以及多个信息处理模型对应的功能的描述信息输入到目标信息处理模型，以使所述目标信息处理模型在所述待处理信息与所述目标信息处理模型的功能相匹配时，输出对应的回复信息，在不匹配时确定所述多个信息处理模型中与所述待处理信息相匹配的信息处理模型；其中，所述目标信息处理模型为所述多个信息处理模型中的任一信息处理模型；
发送模块，用于在所述目标信息处理模型的输出用于表征所述相匹配的信息处理模型时，则将所述待处理信息发送给所述相匹配的信息处理模型进行处理。
本公开实施例提供的装置的具体实现原理和效果可以参见前述实施例，此处不再赘述。
图10为本公开实施例提供的一种电子设备的结构示意图。如图10所示，本实施例的电子设备可以包括：
至少一个处理器1001；以及与所述至少一个处理器通信连接的存储器1002；其中，所述存储器1002存储有可被所述至少一个处理器1001执行的指令，所述指令被所述至少一个处理器1001执行，以使所述电子设备执行如上述任一实施例所述的方法。可选地，存储器1002既可以是独立的，也可以跟处理器1001集成在一起。
本实施例提供的电子设备的实现原理和技术效果可以参见前述各实施例，此处不再赘述。
本公开实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现前述任一实施例所述的方法。
本公开实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现前述任一实施例所述的方法。
在本公开所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本公开各个实施例所述方法的部分步骤。
应理解，上述处理器可以是处理单元(Central Processing Unit，简称CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合申请所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random-Access Memory，SRAM)，电可擦除可编程只读存储器(Electrical ly-Erasable Programmable Read-Only Memory，EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)，可编程只读存储器(Programmable read-only memory，PROM)，只读存储器(Read-Only Memory，ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
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。
上述本公开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，本公开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)执行本公开各个实施例所述的方法。
以上仅为本公开的优选实施例，并非因此限制本公开的专利范围，凡是利用本公开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，均同理包括在本公开的专利保护范围内。

Claims (23)

  1. 一种基于多智能体系统的信息处理方法，所述多智能体系统包括多个智能体；所述方法应用于目标智能体，所述目标智能体为所述多个智能体中的任一智能体；所述方法包括：
    确定所述目标智能体对应的待处理信息；
    基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体；
    将所述待处理信息发送给相匹配的智能体进行处理。
  2. 根据权利要求1所述的方法，其中，所述信息处理模型用于：在所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息；在所述待处理信息与所述目标智能体对应的功能不匹配时，输出与所述待处理信息相匹配的智能体的标识。
  3. 根据权利要求1或2所述的方法，其中，基于信息处理模型，在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体，包括：
    将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，以使信息处理模型在所述待处理信息与所述目标智能体对应的功能不匹配时，确定功能与所述待处理信息相匹配的智能体。
  4. 根据权利要求3所述的方法，其中，将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，包括：
    将所述待处理信息、所述目标智能体对应的功能的描述信息以及第一提示信息输入到信息处理模型，所述第一提示信息用于提示信息处理模型在根据所述待处理信息和描述信息确定所述待处理信息与所述目标智能体对应的功能相匹配时，生成对应的回复信息，在不匹配时，输出用于表示无法回复的预设信息；
    若信息处理模型的输出为所述预设信息，则将所述待处理信息、其余智能体对应的功能的描述信息和第二提示信息输入到所述信息处理模型，其中，其余智能体为所述多个智能体中除目标智能体以外的智能体，所述第二提示信息用于提示信息处理模型根据所述待处理信息和其余智能体对应的描述信息，确定功能与所述待处理信息相匹配的智能体。
  5. 根据权利要求3所述的方法，其中，将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息输入到所述信息处理模型，包括：
    将所述待处理信息、所述多个智能体中各智能体对应的功能的描述信息和第三提示信息输入到所述信息处理模型；
    其中，所述第三提示信息用于提示信息处理模型根据所述待处理信息和各智能体对应的功能的描述信息，确定所述待处理信息与所述目标智能体对应的功能是否匹配，并在相匹配时生成对应的回复信息，在不匹配时确定功能与所述待处理信息相匹配的智能体。
  6. 根据权利要求3-5任一项所述的方法，其中，输入到信息处理模型的信息还包括：第四提示信息；
    其中，所述第四提示信息用于提示信息处理模型在确定所述多个智能体中不存在功能与所述待处理信息相匹配的智能体时，根据训练过程中学习的知识对所述待处理信息进行回复。
  7. 根据权利要求1-6任一项所述的方法，其中，所述待处理信息包括用户的输入信息；
    所述目标智能体为所述多智能体系统中被标记为入口智能体的智能体；输入到所述多智能体系统的待处理信息由所述入口智能体接收并进行处理。
  8. 根据权利要求7所述的方法，其中，所述多智能体系统用于与用户进行至少一个轮次的对话；在任意一个轮次中，输入到所述多智能体系统的待处理信息包括该轮次中用户的输入信息；
    所述将所述待处理信息发送给相匹配的智能体进行处理，包括：
    将所述待处理信息发送给相匹配的智能体进行处理，并将所述入口智能体的标记转移给所述相匹配的智能体，以通过所述相匹配的智能体接收下一轮次输入到所述多智能体系统的待处理信息并进行处理；
    其中，第一个轮次对应的入口智能体为所述多智能体系统中预先选定的智能体。
  9. 根据权利要求1-8任一项所述的方法，其中，所述待处理信息包括用户的输入信息；将所述待处理信息发送给相匹配的智能体进行处理，包括：
    获取感知配置信息，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理；
    若是，则将转交行为通知用户，并将所述待处理信息转交给所述相匹配的智能体进行处理。
  10. 根据权利要求3-6任一项所述的方法，所述方法还包括：
    在所述多智能体系统被构建后，将所述目标智能体对应的功能的描述信息发送给所述多智能体系统中的其余智能体，并接收所述其余智能体发送的对应功能的描述信息；
    将接收到的描述信息存储到记忆模块中，以在获取到待处理信息时，从所述记忆模块中读取各智能体对应的描述信息并输入到信息处理模型进行处理。
  11. 一种多智能体系统的构建方法，包括：
    输出智能体资源库包含的智能体的列表，其中，所述智能体资源库包括至少两个经过训练的智能体；
    获取客户从所述列表中为目标应用选择多个智能体；
    根据客户选择的智能体构建所述目标应用对应的多智能体系统；
    其中，所述多智能体系统中的任一智能体用于执行权利要求1-10任一项所述的方法。
  12. 根据权利要求11所述的方法，还包括：
    在构建所述目标应用对应的多智能体系统后，向所述多智能体系统中的各个智能体发送通知消息，所述通知消息用于指示多个智能体相互转发自身对应的功能的描述信息。
  13. 根据权利要求11或12所述的方法，所述方法还包括下述至少一项：
    获取客户训练或者上传的智能体，将所述客户训练或者上传的智能体添加到所述智能体资源库中；
    获取客户为所述智能体资源库中的一个或多个智能体添加的描述信息；
    获取客户为所述多智能体系统指定的入口智能体和/或入口配置信息，所述入口配置信息用于指示待处理信息与当前的入口智能体的功能不匹配时，是否将入口智能体的标记转移给相匹配的智能体；
    获取客户为所述多智能体系统配置的感知配置信息；其中，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理。
  14. 根据权利要求11或13所述的方法，还包括：
    获取客户为智能体资源库中的一个或多个智能体输入的功能和/或能力需求信息；
    根据各智能体的功能和/或能力需求信息，确定各智能体对应的能力增强方式，以根据对应的能力增强方式对各智能体进行处理；
    其中，所述能力增强方式包括下述至少一项：针对智能体中的信息处理模型进行微调、针对单个智能体进行强化学习、与其他智能体共同进行强化学习、为智能体配置提示信息。
  15. 一种基于多智能体系统的信息处理方法，包括：
    获取所述多智能体系统对应的待处理信息；
    确定所述多智能体系统中的入口智能体；
    将所述待处理信息发送给所述入口智能体，以使所述入口智能体在所述待处理信息与所述入口智能体的功能相匹配时，生成对应的回复信息，在所述待处理信息与所述入口智能体的功能不匹配时，基于信息处理模型确定所述多智能体系统中功能与所述待处理信息相匹配的智能体，并将所述待处理信息发送给相匹配的智能体进行处理。
  16. 一种基于多智能体系统的信息处理方法，所述多智能体系统包括多个智能体；所述方法应用于所述多个智能体中的目标智能体；所述方法包括：
    获取用户的输入信息；
    若所述输入信息与所述目标智能体对应的功能相匹配，则通过信息处理模型生成对应的回复信息；
    若所述输入信息与所述目标智能体对应的功能不匹配，则将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理；其中，相匹配的智能体通过所述信息处理模型确定。
  17. 根据权利要求16所述的信息处理方法，其中，所述输入信息和所述回复信息用于在群聊界面中展示；
    将所述输入信息发送给功能与所述输入信息相匹配的智能体进行处理，包括：
    获取感知配置信息，所述感知配置信息用于指示是否告知用户将待处理信息转交给相匹配的智能体进行处理；
    若是，则通过所述群聊界面将转交行为通知用户，并将所述输入信息转交给所述相匹配的智能体进行处理，以使所述相匹配的智能体生成对应的回复信息并通过所述群聊界面展示给用户。
  18. 一种信息处理方法，所述方法包括：
    获取待处理信息；
    将所述待处理信息以及多个信息处理模型对应的功能的描述信息输入到目标信息处理模型，以使所述目标信息处理模型在所述待处理信息与所述目标信息处理模型的功能相匹配时，输出对应的回复信息，在不匹配时确定所述多个信息处理模型中与所述待处理信息相匹配的信息处理模型；其中，所述目标信息处理模型为所述多个信息处理模型中的任一信息处理模型；
    若所述目标信息处理模型的输出用于表征所述相匹配的信息处理模型，则将所述待处理信息发送给所述相匹配的信息处理模型进行处理。
  19. 一种多智能体系统，包括多个智能体，所述智能体用于执行权利要求1-10、16、17中任一项所述的方法。
  20. 一种基于多智能体的应用平台，包括控制模块和智能体资源库；
    所述控制模块用于执行权利要求11-15任一项所述的方法。
  21. 一种电子设备，包括：
    至少一个处理器；以及
    与所述至少一个处理器通信连接的存储器；
    其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述电子设备执行权利要求1-18任一项所述的方法。
  22. 一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1-18任一项所述的方法。
  23. 一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如权利要求1-18任一项所述的方法。
PCT/CN2024/141877 2024-01-12 2024-12-24 基于多智能体系统的信息处理方法以及多智能体系统 Pending WO2025148684A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202410052559.2A CN118535688A (zh) 2024-01-12 2024-01-12 基于多智能体系统的信息处理方法以及多智能体系统
CN202410052559.2 2024-01-12

Publications (1)

Publication Number Publication Date
WO2025148684A1 true WO2025148684A1 (zh) 2025-07-17

Family

ID=92393457

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2024/141877 Pending WO2025148684A1 (zh) 2024-01-12 2024-12-24 基于多智能体系统的信息处理方法以及多智能体系统

Country Status (2)

Country Link
CN (1) CN118535688A (zh)
WO (1) WO2025148684A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120612259A (zh) * 2025-08-08 2025-09-09 信华信(大连)软件服务股份有限公司 一种基于内容分析的多智能体自动修图系统
CN120639835A (zh) * 2025-08-12 2025-09-12 北京中科汇联科技股份有限公司 一种多智能体系统
CN120705025A (zh) * 2025-08-28 2025-09-26 杭州通义实验室科技有限公司 数据处理方法、任务处理方法
CN120765312A (zh) * 2025-09-10 2025-10-10 北京森博明德营销科技股份有限公司 多智能体协同驱动的ai营销内容生成方法
CN120996206A (zh) * 2025-10-22 2025-11-21 深圳市法本信息技术股份有限公司 动态演化的多智能体项目代码问答方法、系统和装置

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118535688A (zh) * 2024-01-12 2024-08-23 浙江阿里巴巴机器人有限公司 基于多智能体系统的信息处理方法以及多智能体系统
WO2026060221A1 (en) * 2024-09-13 2026-03-19 Schlumberger Technology Corporation Autonomous hierarchical multi-agent system for energy applications
CN119441418B (zh) * 2024-09-30 2026-04-07 北京百度网讯科技有限公司 智能体的处理方法、系统、装置、设备及存储介质
CN119808922A (zh) * 2024-12-26 2025-04-11 科大讯飞股份有限公司 问题回答方法、装置、设备、系统及程序产品
CN119414969B (zh) * 2025-01-03 2025-04-22 闪极科技(深圳)有限公司 一种基于智能眼镜的多智能体互动方法及系统
CN120688542B (zh) * 2025-06-23 2026-03-27 北京百度网讯科技有限公司 智能体的能力描述方法、任务执行方法、装置及智能体
CN120993955A (zh) * 2025-10-22 2025-11-21 四川腾盾科技有限公司 基于多智能体的无人机自主飞行控制方法及服务器

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063992A1 (en) * 2014-08-29 2016-03-03 At&T Intellectual Property I, L.P. System and method for multi-agent architecture for interactive machines
CN113194012A (zh) * 2021-04-27 2021-07-30 上海德衡数据科技有限公司 基于物联网的多智能体管理方法、架构、设备及存储介质
CN118535688A (zh) * 2024-01-12 2024-08-23 浙江阿里巴巴机器人有限公司 基于多智能体系统的信息处理方法以及多智能体系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160063992A1 (en) * 2014-08-29 2016-03-03 At&T Intellectual Property I, L.P. System and method for multi-agent architecture for interactive machines
CN113194012A (zh) * 2021-04-27 2021-07-30 上海德衡数据科技有限公司 基于物联网的多智能体管理方法、架构、设备及存储介质
CN118535688A (zh) * 2024-01-12 2024-08-23 浙江阿里巴巴机器人有限公司 基于多智能体系统的信息处理方法以及多智能体系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ANONYMOUS: "Multi-agent: Multiple agents with different roles collaborate to efficiently complete complex tasks", DEVELOPER.ALIYUN, 8 October 2023 (2023-10-08), pages 1 - 19, XP093334930, Retrieved from the Internet <URL:https://developer.aliyun.com/article/1343139> [retrieved on 20250305] *
ZANG ZHICHENG , WU ZHIKAI: "Community Tips | Multi-agent: Collaborating across multiple agent roles to efficiently complete complex tasks", WEIXIN, 7 October 2023 (2023-10-07), pages 1 - 14, XP093334928, Retrieved from the Internet <URL:https://mp.weixin.qq.com/s/GY_7s4k61Qnp6qpEZ6M2FQ> [retrieved on 20250305] *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN120612259A (zh) * 2025-08-08 2025-09-09 信华信(大连)软件服务股份有限公司 一种基于内容分析的多智能体自动修图系统
CN120612259B (zh) * 2025-08-08 2025-10-14 信华信(大连)软件服务股份有限公司 一种基于内容分析的多智能体自动修图系统
CN120639835A (zh) * 2025-08-12 2025-09-12 北京中科汇联科技股份有限公司 一种多智能体系统
CN120705025A (zh) * 2025-08-28 2025-09-26 杭州通义实验室科技有限公司 数据处理方法、任务处理方法
CN120705025B (zh) * 2025-08-28 2025-11-25 杭州通义实验室科技有限公司 数据处理方法、任务处理方法
CN120765312A (zh) * 2025-09-10 2025-10-10 北京森博明德营销科技股份有限公司 多智能体协同驱动的ai营销内容生成方法
CN120996206A (zh) * 2025-10-22 2025-11-21 深圳市法本信息技术股份有限公司 动态演化的多智能体项目代码问答方法、系统和装置

Also Published As

Publication number Publication date
CN118535688A (zh) 2024-08-23

Similar Documents

Publication Publication Date Title
WO2025148684A1 (zh) 基于多智能体系统的信息处理方法以及多智能体系统
WO2025148703A1 (zh) 信息处理方法、电子设备及存储介质
CN114830614B (zh) 用于双向通信系统的功能即服务云聊天机器人
CN116595154B (zh) 任务处理方法以及自动问答方法
CN109614474A (zh) 多轮会话的流程配置单元、方法及智能机器人交互系统
CN118945047A (zh) 基于大语言模型的网络运维方法、装置、设备及存储介质
KR20210095126A (ko) 로봇 프로세스 자동화 설계를 위한 콘텍스트 기반 추천 기법
CN116701588A (zh) 一种信息生成方法、装置、设备、存储介质及系统
CN109829123A (zh) 一种信息发送方法及装置
CN118413505A (zh) 会话交互方法、装置、电子设备及存储介质
US11188548B2 (en) Profile data store automation via bots
CN118210407B (zh) 虚拟互动对象配置方法、装置、设备及介质
WO2025098098A1 (zh) 样本的处理方法、系统和电子设备
JP2026512322A (ja) アプリケーション作成のための方法、装置、機器及び記憶媒体
CN119356785A (zh) 应用程序的多模态信息展示方法、装置、设备和存储介质
CN118467700A (zh) 问答处理方法、装置、计算设备、存储介质以及程序产品
CN120910198B (zh) 基于智能体的数据处理方法、装置、设备、介质及产品
CN119537560B (zh) 基于融合感知rag的开源协作个性化问答方法和系统
CN112035643B (zh) 一种对话机器人能力复用的方法和装置
CN120336451A (zh) 人机对话方法、电子设备及存储介质
CN121233720A (zh) 会话控制方法及装置
CN117858034A (zh) 5g消息应答处理方法、5g消息应答处理系统及存储介质
CN121234870A (zh) 数据处理方法、电子设备、计算机存储介质及程序产品
JP2025136792A (ja) 情報処理装置、情報処理システム及びプログラム
CN120407731A (zh) 基于智能体的数据处理方法、装置、设备、介质及产品

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24916731

Country of ref document: EP

Kind code of ref document: A1