多智能體協(xié)同調(diào)度

03彩訊多Agent調(diào)度框架設(shè)計04應(yīng)用案例分享05實(shí)驗(yàn)探索與未來方向預(yù)測大模型加持下人工智能發(fā)展趨勢互聯(lián)網(wǎng)生態(tài)向智能體生態(tài)發(fā)展互聯(lián)網(wǎng)生態(tài)向智能體生態(tài)發(fā)展中國人工智能行業(yè)政策“完善生成式人工智能發(fā)展和管理機(jī)制”《中共中央關(guān)于進(jìn)一步全面深化改革推進(jìn)中國式現(xiàn)代化的《國家人工智能產(chǎn)業(yè)綜合標(biāo)準(zhǔn)化體系建設(shè)指南》APPAPPAPPStoreLLM人民共和國網(wǎng)絡(luò)安全法》《中華人民共和國數(shù)據(jù)安全法》APPStoreLLM隨著大模型技術(shù)的發(fā)展，Agent的結(jié)構(gòu)不同廠商幾乎大同小異，一般包含感知、規(guī)劃、執(zhí)行、工具、記憶。為什么會需要一個Multi-Agent框架？簡單的說，人們的直覺是模仿人類分工協(xié)同的模式，能夠更有效的解決問題。更底層的邏輯是為了突破單Agent的一些限制。由于Agent之間是松耦合的,多智能求。Agent可以動態(tài)地加入或退出系統(tǒng),提高系統(tǒng)的魯棒性。LongContext是很多LLM追求的特性 之一，單一的Agent也會受到Context的限制，因?yàn)橛捎贏gent之間是松耦合的,多智能求。Agent可以動態(tài)地加入或退出系統(tǒng),提高系統(tǒng)的魯棒性。Agent之間的交互和協(xié)商有助于實(shí)現(xiàn)整體最優(yōu)。因此拆分Agent的功能避免超過上下multimulti-agent指的是由LLM語言模型驅(qū)動的多個獨(dú)立行動者Agent以特定方式連接在一起，每個代理都可以擁有自己的提示詞，LLM底層模型，調(diào)用工具和其他自定義代碼，以便與其他代理最好地協(xié)作。代表方法：ReACT單Agent核心功能：使用工具的能力multimulti-AgentAgents之間的協(xié)作：通過不同的Agent之間的分工協(xié)作（有的做規(guī)劃，有的執(zhí)行，執(zhí)行的時候可以調(diào)用工具，也可以利用LLM本身的代碼，總結(jié)能力等完成一些比較復(fù)雜的任務(wù)Agent自動化調(diào)度：廣播機(jī)制，訂閱發(fā)布者機(jī)制、Routing等多Agent行業(yè)主流框架概覽LangGraphAutoGenCrew.AIChatDevSwarmMetaGPTLangGraph是一個用LLM構(gòu)建有狀態(tài)（stateful）、多參與者（multi-actor）應(yīng)用庫，用于創(chuàng)建Agent和multi-agent工作流。LangGraph允許定義包含循環(huán)的流，它提供了對應(yīng)用程序流和狀態(tài)的細(xì)粒度控制。此外，LangGraph包括內(nèi)置的持久化機(jī)制，支持高級的human-in-the-loop和記憶功能。共享思考鏈上下文模式中介者模式LangGraph—共享思考鏈上下文模式用戶輸入用戶輸入開始路徑開始路徑AgentAAgentBRouter:根據(jù)agent輸出的語句路由消息。如果語句是"FINALANSWER"Router:根據(jù)agent輸出的語句路由消息。如果語句是"FINALANSWER"，則直接將消息發(fā)送給User。如果語句是"continue"或"startsender"，則將消息發(fā)送給ChartGenerator。stated[Sender]==AgentAstated[Sender]==AgentBCall_Tool?如果LLM調(diào)用了一個工具，路由器會繼續(xù)執(zhí)行該?如果LLM返回“FINALANSWER”（最終答），Generator調(diào)用。AutoGenAutoGen由微軟推出，提供了一個統(tǒng)一的多智能體對話框架。該框架簡化了復(fù)雜LLM工作流的編排、自動化和優(yōu)化。它最大限度地提高了LLM模型的性能，并克服了它們的弱點(diǎn)。它使得基于多智能體對話構(gòu)建下一代LLM應(yīng)用變得輕松。變其行為。數(shù)或工具的能力。使用GroupChat和GroupChat可以通過設(shè)置max_round和speaker_selection_method來控制Agent之間的通信流程?？梢酝ㄟ^定義一個next_speaker可以通過插入特定的提示來影響Agent的發(fā)言順序，從而控制聊天的code_execution_config={"executor":code_executor})user_proxy.initiate_chat(assistant,③用戶Agent收到助手的響應(yīng)后，嘗試通過征求人類輸入或準(zhǔn)備自動生成的回復(fù)來進(jìn)行回復(fù)。如果)上圖定義了一個簡單的研究工作流程，包含4個狀態(tài)：Init、Retrieve、Research和End。在每個狀態(tài)中，將調(diào)用不同的Agent來執(zhí)行任務(wù)。Retrieve：首先調(diào)用Coder來編寫代碼，然后調(diào)用Executor來執(zhí)行代碼。Research：我們將調(diào)用Scientist來閱讀論文并撰寫摘要。End：我們將結(jié)束工作流程。其中：Initializer：通過發(fā)送任務(wù)開始工作流程。(即右圖代碼所示的最下面user.initate_chat)Coder：通過編寫代碼從互聯(lián)網(wǎng)上獲取論文。Executor：執(zhí)行代碼。Scientist：閱讀論文并撰寫摘要。SwarmSwarm是OpenAI開發(fā)的多智能體框架，Swarm關(guān)注的重點(diǎn)是讓智能體協(xié)作和執(zhí)行變得輕量、高度可控且易于測試。Swarm的核心在于兩種原語抽象：智能體(agent)和交接(handoff)。智能體包含指令和工具，并且在任何時間都可以選擇將對話交接給另一個智能體。這種設(shè)計使得智能體之間可以靈活地傳遞任務(wù)，適應(yīng)不同的場景和需求。主要組件：保其格式正確。并處理缺失工具。返回結(jié)果。不是流式的。工作流程：CrewAICrewAI是一個開創(chuàng)性的多Agent協(xié)作平臺，旨在通過多Agent協(xié)作提升AI解決方案的效率和智能。每個Agent都配備有一套獨(dú)特的工具和能力，能夠協(xié)作、分配任務(wù)、共享信息，并高效地解決復(fù)雜問題。和工具。彼此之間詢問，提高問題解決的效率。開發(fā)更復(fù)雜的流程，如共識和自主流程。后續(xù)使用。為Pydantic模型或Json格式。ChatDEV是由OpenBMB團(tuán)隊開源的對話式AI開發(fā)平臺，旨在為開發(fā)者提供一個集模型訓(xùn)練、交互設(shè)計和實(shí)時評估于一體的高效工具。ChatDEV基于經(jīng)典的瀑布模型，將軟件開發(fā)過程劃分為：設(shè)計、編碼、測試和記錄四個階段。每個階段都有一個Agent團(tuán)隊（如程序員、代碼評審員、測試工程師等他們通過協(xié)作對話和無縫工作流程推動開發(fā)進(jìn)程。續(xù)性。務(wù)由程序員根據(jù)CTO的指示實(shí)現(xiàn)，設(shè)計師則負(fù)責(zé)圖形用指令明確并幫助程序員聚焦于解決特定子任務(wù)代碼中的不必要冗余，并提高了代碼的準(zhǔn)確性。賴性配置說明和用戶手冊。這些文檔幫助用戶獨(dú)立解系統(tǒng)的使用方法。MetaGPT是一種多智能體框架，其利用SOP來協(xié)調(diào)基于LLM的多智能體系統(tǒng)，從而實(shí)現(xiàn)元編程技術(shù)。該框架使用智能體模擬了一個虛擬軟件團(tuán)隊，包含產(chǎn)品經(jīng)理、架構(gòu)師、項目經(jīng)理、工程師、質(zhì)量工程師等角色，并引入SOP成為框架的虛擬軟件團(tuán)隊的開發(fā)流程。其專注于軟件開發(fā)，覆蓋了從需求分析到代碼實(shí)現(xiàn)的全生命周期覆蓋。在MetaGPT中，多智能體被視為一個智能體社環(huán)境：環(huán)境是智能體生存和互動的公共場所。智能體從環(huán)境中）：經(jīng)濟(jì)：這指的是多智能體環(huán)境中的價值交換系統(tǒng)，決定資源分配和任務(wù)優(yōu)先級。行業(yè)多Agent框架總結(jié)分析05多輪交多輪交互場景04新手Swarm和易于上手，適合進(jìn)行新手Swarm和易于上手，適合進(jìn)行簡單的多Agent復(fù)雜任務(wù)LangGraph則是高級用戶的理想選擇，它提供了高度可定制的邏輯和編排能力個不錯的選擇LangGraph與開源LLM的兼容性很好，CrewAI也可作為不錯的選擇個不錯的選擇實(shí)驗(yàn)框架設(shè)計與實(shí)現(xiàn)：框架整體架構(gòu)介紹mapping-reAct融合的多智能體調(diào)度模式用戶輸入智慧大腦模塊用戶輸入智慧大腦模塊智能體構(gòu)建響應(yīng)智能體構(gòu)建響應(yīng)任務(wù)管理模塊任務(wù)管理模塊調(diào)度協(xié)同模塊調(diào)度協(xié)同模塊智慧大腦的角色與功能智慧大腦作為AIBOX多Agent系統(tǒng)的“大腦”，旨在將用戶與各類Agent連接起來。實(shí)現(xiàn)Agent的統(tǒng)一管理和協(xié)作，使得不同業(yè)務(wù)模塊中的Agent能夠協(xié)同工作，打破業(yè)務(wù)壁壘，實(shí)現(xiàn)資源的優(yōu)化配置與智能分配。智慧大腦智能體創(chuàng)建智能體接入單智能體調(diào)度任務(wù)轉(zhuǎn)發(fā)智能體創(chuàng)建智能體接入單智能體調(diào)度任務(wù)轉(zhuǎn)發(fā)內(nèi)部各業(yè)務(wù)智能體內(nèi)部各業(yè)務(wù)智能體智能辦公?招聘數(shù)字員工?財務(wù)數(shù)字員工?審計數(shù)字員工?黨建數(shù)字員工通話?智能翻譯?商務(wù)速記?反詐防護(hù)?智能應(yīng)答圖文變換?妙云相機(jī)?成語接龍?文生圖數(shù)字資產(chǎn)管理?資產(chǎn)檢索?資產(chǎn)分類?資產(chǎn)整理?內(nèi)容生成?網(wǎng)約打車?外賣快遞?上門服務(wù)?搶購門票?景點(diǎn)預(yù)約?視頻點(diǎn)播支持復(fù)雜任務(wù)鏈的無縫執(zhí)行。用戶體驗(yàn)割裂現(xiàn)象。Agent之間建立了統(tǒng)一的能力標(biāo)準(zhǔn)，確保各Agent在業(yè)務(wù)執(zhí)行中的表現(xiàn)一致，消除了能力參差不齊的問題，使得各項任務(wù)能夠在高智慧大腦：用戶意圖識別智慧大腦意圖識別模塊意圖識別與調(diào)度策略配置后處理組件Agent_1weatherAgent_2MusicMusic子智能體庫url2url3url4技能庫意圖理解是多Agent系統(tǒng)的重要模塊，我們?yōu)橐鈭D識別模塊配置了豐富的組件。除此之外，為了加快意圖響應(yīng)速度，還引入智慧大腦意圖識別模塊意圖識別與調(diào)度策略配置后處理組件Agent_1weatherAgent_2MusicMusic子智能體庫url2url3url4技能庫任務(wù)拆解與規(guī)劃：任務(wù)分解策略任務(wù)分解策略的目的是將用戶的輸入需求轉(zhuǎn)化為一系列小的、具體的任務(wù)，每個任務(wù)處理輸入中的一部分工作。通過將任務(wù)分解成多個子任務(wù)，可以讓系統(tǒng)更加靈活地處理多Agent系統(tǒng)的復(fù)雜需求。??從用戶輸入解析任務(wù)：通過對用戶的需求進(jìn)下單等。），型選擇合適的操作。weatherweather中選擇.子智能體庫中選擇.子智能體庫…任務(wù)拆解與規(guī)劃：規(guī)劃任務(wù)的優(yōu)先級與依賴關(guān)系完整的任務(wù)分解步驟的提示工程#1任務(wù)規(guī)劃階段AI助手可以將用戶輸入解析為多個任務(wù)：完整的任務(wù)分解步驟的提示工程#1任務(wù)規(guī)劃階段AI助手可以將用戶輸入解析為多個任務(wù)："dep"字段表示生成當(dāng)前任務(wù)所依賴的新資源的前一個任務(wù)的id。特殊標(biāo)簽"<resource>-task_id"表示在id為task_id的依賴任務(wù)中生成的文本、圖片、音頻和視頻。任務(wù)必須從以下選項中選擇：{{Agent_CLASS}}.任務(wù)之間存在邏輯關(guān)系，請注意它們的順序。如果無法解析用戶輸入，你需要回復(fù)空的JSON。以下是幾個參考案例：{{Demonstrations}}.聊天歷史記錄為{{ChatLogs}}。從聊天記錄中，你可以找到用戶提到的資源的路徑，以便于你的任務(wù)規(guī)劃。----Demonstrations用戶輸入：商品的描述，返回商品圖片及各個平臺的銷售價格A:[{"task":"search_goods","task_id":0,"dep":[-1],"args":("text":"商品的描述"}},{"task":"get_picture_url","task_id":1,"dep":[0],"args":{"text":"<resource>-0"}}, {"task":"get_price","task_id":2,"dep":[1],"args":{"text":"<resource>-1"}},]?依賴關(guān)系：在多個任務(wù)之間，某些任務(wù)務(wù)完成后才能執(zhí)行。?任務(wù)優(yōu)先級：根據(jù)任務(wù)的依賴關(guān)系，系統(tǒng)可行效率。?輸入依賴關(guān)系：<resource>-task_i是更早的子任務(wù)的輸出。多Agent協(xié)同調(diào)度：子Agent的分類與功能子智能體庫weatherEmailAgent3Music為了使得智慧大腦在任務(wù)分發(fā)時更好的拆分出子任務(wù)，我們對子Agent進(jìn)行了分類設(shè)計。在任務(wù)拆分環(huán)節(jié)，智慧大腦會依據(jù)子Agent的類進(jìn)行拆分，并建立了子Agent庫。子Agent作為底層被調(diào)用模塊，只需嚴(yán)格按照意圖大腦的分發(fā)任務(wù)執(zhí)行子智能體庫weatherEmailAgent3MusicAgent之間的任務(wù)邏輯依賴，信息之間的轉(zhuǎn)發(fā)，均以此為?子智能體描述：子智能體描述是幫助智慧大腦為每一個?子智能體類：用于對Agent進(jìn)行歸類，方便在智慧大腦建子任務(wù)類型。多Agent協(xié)同調(diào)度：調(diào)度策略與算法任務(wù)分配步驟的提示工程#2Agent選擇階段：根據(jù)用戶請求和調(diào)用命令，針對{{#1任務(wù)規(guī)劃階段}}劃分的task，AI助手幫助用戶從{{Agent}}和{{工具庫}}中為每一個task選擇一個合適的Agent來處理用戶請求。AI任務(wù)分配步驟的提示工程#2Agent選擇階段：根據(jù)用戶請求和調(diào)用命令，針對{{#1任務(wù)規(guī)劃階段}}劃分的task，AI助手幫助用戶從{{Agent}}和{{工具庫}}中為每一個task選擇一個合適的Agent來處理用戶請求。AI助手僅輸出最合適Agent的Agent_id。如果沒有匹配合適的Agent，你需要回復(fù)空的JSON。輸出必須嚴(yán)格遵守JSON格式：[{"task":task,"id":task_id,"dep":dependency_task_ids,"agent_id":"agen·t_id","reason":"你選擇的詳情原因","args":{"text":text,"image":URL,"audio":URL,"video":URL}}]我們有一份Agent列表供你選擇{{Agent}}請從列表中選擇需要的agent。?子Agent選擇：對于每一個拆分后?選擇子agent的原因：這是作為后續(xù)Re任務(wù)協(xié)同。多Agent協(xié)同調(diào)度：協(xié)同工作的機(jī)制子agent路由架構(gòu)Agent_1Agent_1Agent_1我們通過為每一個子Agent配置路由來實(shí)現(xiàn)子Agent之間的協(xié)同工作機(jī)制，在我們的架構(gòu)下Agent之間不是直接通信的，而是通過專屬的路由進(jìn)行轉(zhuǎn)發(fā)，這樣有效的控制了Agent之間的通信標(biāo)準(zhǔn)問題子agent路由架構(gòu)Agent_1Agent_1Agent_1?相應(yīng)Json輸入：智慧大腦只會在確保只返回必要的信息。?路由間的傳遞：路由間的轉(zhuǎn)發(fā)，均通過讀取記錄。框架設(shè)計與實(shí)現(xiàn)：關(guān)鍵模塊與功能解析上下文召回智慧大腦框架設(shè)計與實(shí)現(xiàn)：智慧大腦模塊上下文召回智慧大腦?核心大模型：提供智慧大腦的核心計算能力，通過強(qiáng)大的大腦提供可用的Agent資源庫。持上下文連貫性，確保智能體的應(yīng)答準(zhǔn)確且相關(guān)。任務(wù)或支持多任務(wù)并行執(zhí)行。定任務(wù)或支持多任務(wù)并行執(zhí)行。任務(wù)或支持多任務(wù)并行執(zhí)行。任務(wù)管理模塊任務(wù)管理模塊框架設(shè)計與實(shí)現(xiàn)：任務(wù)管理模塊子智能體庫檢索模塊上下文召回子智能體庫檢索模塊上下文召回存儲記錄模塊?核心推理模型：提供推理用戶請求，進(jìn)行任務(wù)分解的核心計算能力，確保任務(wù)管理的高效執(zhí)行。?子智能體檢索模塊：在任務(wù)拆分階段：檢索當(dāng)前可用的Agent類型，為任務(wù)分解提供基礎(chǔ)信息。?上下文召回：記錄和檢索任務(wù)相關(guān)的上下文信息，保持任務(wù)管理在多輪操作中的一致性和連貫性。?任務(wù)拆分提示工程:使用提示工程方法將復(fù)雜任務(wù)分解為多個子任務(wù)，并提供必要的分解邏輯和依據(jù)。?存儲記錄模塊:負(fù)責(zé)記錄任務(wù)拆分過程中的關(guān)鍵數(shù)據(jù)，包括任務(wù)狀態(tài)、分解邏輯和依據(jù)等，支持后續(xù)任務(wù)追蹤、分析和優(yōu)化。路由轉(zhuǎn)發(fā)分配模塊存儲記錄模塊上下文召回核心推理模型調(diào)度協(xié)同模塊路由轉(zhuǎn)發(fā)分配模塊存儲記錄模塊上下文召回核心推理模型調(diào)度協(xié)同模塊塊?核心推理模型：提供推理用戶請求，進(jìn)行任務(wù)下發(fā)的核心計算能力，確保任務(wù)管理的高效執(zhí)行。為拆分后的子任務(wù)匹配合適的Agent實(shí)例。?技能庫檢索模塊：在任務(wù)下發(fā)階段，根據(jù)任務(wù)需求，檢索技?任務(wù)下發(fā)提示工程:基于提示工程的方法，結(jié)合子智能體檢索能，確保任務(wù)執(zhí)行的準(zhǔn)確性和高效性。?存儲記錄模塊:負(fù)責(zé)記錄任務(wù)拆分過程中的關(guān)鍵數(shù)據(jù)，包括任化。度與協(xié)同工作。多智能體協(xié)同-單任務(wù)意圖以單意圖單任務(wù)為例展示智能體協(xié)同工作流程，通過意圖識別大腦調(diào)度智能體池中的相關(guān)能力模塊，完成用戶輸入的任務(wù)指令，并利用短期與長期記憶提升任務(wù)執(zhí)行效率，實(shí)現(xiàn)自動化的任務(wù)分配與反饋數(shù)據(jù)流數(shù)據(jù)流↓↓意圖識別讀取數(shù)據(jù)基礎(chǔ)個人信息讀取數(shù)據(jù)基礎(chǔ)個人信息【2】郵箱地址【3】認(rèn)證信息【4】。。。個人習(xí)慣【1】常用郵箱【2】常用聯(lián)系人【3】。。。長期記憶工作流節(jié)點(diǎn)智能體下發(fā)參數(shù)，收件人，收件時間，郵件內(nèi)容執(zhí)行結(jié)果輸入?yún)?shù)執(zhí)行計劃執(zhí)行結(jié)果用戶需求，對話信息智能體畫像、用戶畫像、會話數(shù)據(jù)郵箱智能體技能池昨晚8點(diǎn)收到了何嘉發(fā)來的offer讀取數(shù)據(jù)識別結(jié)果智能體調(diào)度體智能體池5G體1、需要用戶更新入?yún)?、執(zhí)行失敗信息反饋體調(diào)起參數(shù)執(zhí)行中：正在新建郵件。。輸入?yún)?shù)是修改查詢條件工作流節(jié)點(diǎn)智能體下發(fā)參數(shù)，收件人，收件時間，郵件內(nèi)容執(zhí)行結(jié)果輸入?yún)?shù)執(zhí)行計劃執(zhí)行結(jié)果用戶需求，對話信息智能體畫像、用戶畫像、會話數(shù)據(jù)郵箱智能體技能池昨晚8點(diǎn)收到了何嘉發(fā)來的offer讀取數(shù)據(jù)識別結(jié)果智能體調(diào)度體智能體池5G體1、需要用戶更新入?yún)?、執(zhí)行失敗信息反饋體調(diào)起參數(shù)執(zhí)行中：正在新建郵件。。輸入?yún)?shù)是修改查詢條件訪問數(shù)據(jù)池鏈接意圖大腦做多輪對話或推薦賬號、密碼技能調(diào)度1、郵箱智能體：為用戶提供電子郵件發(fā)送服務(wù)。主要功能：提供郵件回復(fù)功能（2）發(fā)送郵件：提供郵件發(fā)送功能（3）?2、云盤智能體3、5G消息智能體時間：昨晚8點(diǎn)發(fā)件人：何嘉技能執(zhí)行查看郵件 執(zhí)工作流節(jié)點(diǎn)執(zhí)行APILLMXXX信息【2】【3】。。。工作流用戶交互界面 執(zhí)多智能體協(xié)同-多任務(wù)意圖多任務(wù)處理流程，用戶請求包含多個操作，系統(tǒng)通過意圖識別大腦調(diào)度郵件智能體和云盤智能體，分別完成郵件發(fā)送與附件查詢的任務(wù)，實(shí)現(xiàn)多步驟任務(wù)的協(xié)同處理。執(zhí)行中執(zhí)行中：正在查找圖片。。查看郵件查看郵件用戶交互界面意圖識別輸入需求和附件，入?yún)⒉蛔銜r進(jìn)行多輪對話輸入需求，入?yún)⒉蛔銜r進(jìn)行多輪對話否等待郵箱智能體發(fā)送否否等待郵箱智能體發(fā)送否輸入?yún)?shù)輸入?yún)?shù)輸入?yún)?shù)輸入?yún)?shù)修改查詢條件修改查詢條件1、時間范圍擴(kuò)大2、相似收件人查詢1、時間范圍擴(kuò)大2、相似收件人查詢修改查詢條件修改查詢條件工作流1：發(fā)送郵件工作流2工作流1：發(fā)送郵件工作流2：查找圖片}發(fā)送附件素材發(fā)送附件素材是是是是是案例一：某地市不動產(chǎn)登記中心某地級市不動產(chǎn)智能客服：本方案核心為解決不動產(chǎn)行業(yè)疑難問題多、信息量龐大等難題，依托AIBox連接不動產(chǎn)領(lǐng)域海量知識，為該行業(yè)工作人員、企業(yè)及民眾的自助咨詢提供快速、統(tǒng)一、完整、準(zhǔn)確的對話式AI同時將基于用戶對話數(shù)據(jù)回流給模型，實(shí)現(xiàn)模型的迭代學(xué)習(xí)。不斷強(qiáng)化，形成標(biāo)準(zhǔn)服務(wù)能力，為多渠道多場景的服務(wù)復(fù)用提供智能知識底座。主要數(shù)據(jù)源常見問題常見問題產(chǎn)權(quán)相關(guān)房屋買賣產(chǎn)權(quán)相關(guān)房屋買賣/租賃/土地管理/使用權(quán)…案例二：廣東移動營銷導(dǎo)購助手鏈路AI輔助解決方案的實(shí)踐經(jīng)驗(yàn)，樹立了行業(yè)樣板。案例三：智能報價助手制造者智能報價客服：核心為解決制造業(yè)報價困難、定制化程度高、疑難問題多、信息量龐大等難題，依托AIBox連接制造業(yè)領(lǐng)域海量知識，為客戶自助咨詢提供快速、統(tǒng)一、完整、準(zhǔn)確的對話式AI智能咨詢問答服務(wù)。核心優(yōu)勢報價書格式統(tǒng)一報價書格式統(tǒng)一案例四：智能客服中的復(fù)雜意圖規(guī)劃與任務(wù)調(diào)度天氣查詢案例五：數(shù)字員工系統(tǒng)的多Agent協(xié)同控制項目所需意圖能力項目所需業(yè)務(wù)能力…………語音搜索照片語音搜索筆記，并調(diào)用智能糾錯功能調(diào)用語音生成會議紀(jì)要功能案例六：基于AI郵箱的辦公數(shù)字員工實(shí)驗(yàn)探索與未來方向預(yù)測間的依賴關(guān)系和執(zhí)行順序。任務(wù)和模型。個任務(wù)。基于推理模型任務(wù)分發(fā)+路由轉(zhuǎn)發(fā)的機(jī)制的改進(jìn)思路核心思路：對于用戶的請求，有一個核心控制進(jìn)行任務(wù)理解，并將其拆解為各個單Agent可執(zhí)行的子任務(wù)，再由核心控制模塊2.插件庫：用于記錄當(dāng)前已配置的相關(guān)可直接調(diào)用的插件/技能/3.工作流庫：用于記錄當(dāng)前已正確生成的工作流的工作流流動節(jié)點(diǎn)、執(zhí)行順序以及工作流息，將信息轉(zhuǎn)發(fā)給不同的其他agent，并進(jìn)行調(diào)用。信息驗(yàn)證模塊是要基于核心控制模塊生成的預(yù)期輸出，監(jiān)控每一個處于工作流的agent的輸出和輸出，預(yù)期結(jié)果的輸出，要將記錄結(jié)果再次返回給核心控制模塊，進(jìn)行ReAct步驟。推理模型任務(wù)分發(fā)實(shí)驗(yàn)驗(yàn)證用戶請求輸入：“幫我構(gòu)建一個可以根據(jù)當(dāng)前天氣播放適合的音樂的多智響應(yīng)會分為以下四個階段：query_weather->find_music->play_musica.query_weather｜agent_1｜根據(jù)任務(wù)需求，查詢天氣，agent_1的技能描述為查詢天氣，因此選擇agent_1b.find_music｜agent_3｜根據(jù)任務(wù)需求，查找音樂，agent_3的技能描述為查找音樂，因此選擇agent_3c.play_music｜agent_2｜根據(jù)任務(wù)需求，播放音樂，agent_2的技能描述為播放音樂，因此選擇agent_2{'id':'123457','object':'pletion','created':1733999455,'model':'Qwen2.5-32B-Instruct-GPTQ-Int4','choices':[{'index':0,'message':{'role':'assistant','content':'```json\n[\n{"task":"query_weather","id":0,"dep":[-1],"agent_id":"agent__1