基于心大陆AI大语言模型的多智能体应用

探索大语言模型背后的力量

人工智能技术的快速发展已经推动智能体技术（Agent）从执行简单任务转向更加复杂的智能交互任务。数业智能心大陆智能体，借助大型语言模型，不仅在对话和语言理解方面表现出色，还能利用丰富的知识库和环境反馈做出高效决策。这些智能体在多智能体系统中尤为重要，它们通过协作和通信共同完成复杂任务，展现出群体智能的力量。

在多智能体系统中，实现个体目标与整体效益的平衡是一项挑战。系统需要处理智能体间的交互、协调、冲突解决，同时还要评估智能体的表现，并根据反馈进行优化。智能体的设计包括属性、行为和学习能力的建模，以及人机交互的实现，确保遵守伦理和法律规定。核心问题包括任务分配、策略选择、信息共享、学习方式，以及人类的参与和影响。

智能体是一种能够感知环境并采取行动以实现目标的智能实体。相应地，大语言模型（LLM）智能体，是一种利用大语言模型进行复杂任务执行的应用。这种智能体通过结合大语言模型与关键模块，如规划智能体和记忆智能体来执行任务。构建这类智能体时，LLM（大语言模型）充当着控制中心或“大脑”的角色，负责管理完成任务或响应用户请求所需的一系列操作。这种智能体的构建，需要依赖于规划、记忆以及工具使用等关键模块。由于大语言模型出色的自然语言理解、处理和生成能力，在记忆检索、决策推理以及行动顺序选择等方面为智能体提供了有力支持，从而使其智能程度得到显著提升。

图：心大陆多智能体分布模块

构建基于心理LLM的多智能体应用

多智能体与大模型之间能够互相补充，相辅相成地完成复杂任务。在心理健康领域，针对焦虑或抑郁患者的心理疏导与疗愈过程是比较复杂的，往往涉及到行为认知治疗，共情聊天，心理画像测绘，心理干预训练等方面或环节。

有鉴于此，并借助大模型与多智能体的体系，数业智能心大陆构筑了面向心理疏导与疗愈的基于大模型的多智能体心理应用（如下图所示），将心理疏导与疗愈过程进行分解，使用自建大规模的多模态评估语料、共情对话语料、基于CBT的对话语料以及高质量的对话策略等构建具备不同能力的专家智能体，如：用于心理状态建模的多模态评估智能体，用于高效对话调度的决策智能体，用于共情对话的共情智能体，用于CBT对话治疗的CBT智能体，以及用于心理干预训练资源推荐的推荐智能体。

这些智能体会根据各自的角色接受不同的模态的输入，并通过预设提示的驱动产生相应的结果，实现互相协作，达成心理图谱的建立、对用户的共情疏导、以及用于强化疏导效果，缓解用户情绪的心理干预训练资源的推荐，从而达到更好的心理疗愈效果。