CN120235428A 一种多模型智能体协同方法及系统 （一脉云数(上海)科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120235428A(43)申请公布日2025.07.01

(21)申请号202510715486.5

(22)申请日2025.05.30

GO6F18/214(2023.01)

(71)申请人一脉云数(上海)科技有限公司

地址201615上海市松江区新桥镇莘砖公

路668号105室-40

(72)发明人吴坚

(74)专利代理机构上海专启专利代理事务所(普通合伙)31593

专利代理师席俊俊

(51)Int.CI.

GO6Q10/0631(2023.01)

GO6Q10/0633(2023.01)

G06Q10/0639(2023.01)

GO6Q10/10(2023.01)

GO6F18/22(2023.01)

权利要求书3页说明书14页附图6页

(54)发明名称

一种多模型智能体协同方法及系统

(57)摘要

CN120235428A本发明涉及人工智能技术领域，具体为一种多模型智能体协同方法及系统，包括以下步骤：获取任务执行计划与实际状态，识别偏离节点，生成同步偏移清单，分析任务趋势，标注进度标签，识别工具影响区段，筛选未受影响节点，判断分布效率，提取异常波动，分析资源与任务周期差异，生成监控结构指标。本发明中，通过提取任务计划编号与时间区间，并比对智能体实时状态，实现任务偏离识别，提升计划执行监控精度，增强对进度变化的感知，通过波动任务与工具调用数据交叉比对，识别干扰区段，映射运行日志与分派数据，评估任务分布效率，结合资源投放

CN120235428A

获取任务场景中的知识库文档、工具

获取任务场景中的知识库文档、工具接口、API调用记录

识别偏离计划的任务节点编号

生成任务节点同步偏移清单

筛选Agent型智能助手

提取任务分解起止时间

生成任务进度趋势标签组

捉取波动任务分区编号

识别区域工具调用频次数据

记录重合度时间段数量

生成任务节点受工具调用影响区段

列表

筛选未受影响的分区节点任务

提取智能体分段任务记录与运行日志数据

映射任务日分派量与智能体运行时段

得到智能体节点任务完成波动组

记录资源投放周期与任务执行周期的差异分布

生成任务进度监控结构指标

CN120235428A权利要求书1/3页

2

1.一种多模型智能体协同方法，其特征在于，包括以下步骤：

S1:获取任务场景中的知识库文档、工具接口配置信息及外部API调用记录，提取智能体任务节点的执行计划编号与时间区间，比对智能体实时执行状态与计划节点标识，识别偏离计划的任务节点编号，生成任务节点同步偏移清单；

S2:基于所述任务节点同步偏移清单，筛选Agent型智能助手，结合任务分解表提取任务分解起止时间，并与计划时点进行差异计算与趋势分类，生成任务进度趋势标签组；

S3:调用所述任务进度趋势标签组，提取波动任务分区编号，识别区域工具调用频次数据，进行工具调用时段与波动任务时间段的比对，记录重合度时间段数量，生成任务节点受工具调用影响区段列表；

S4:基于所述任务节点受工具调用影响区段列表，筛选未受影响的分区节点任务，提取智能体分段任务记录与运行日志数据，映射任务日分派量与智能体运行时段，判断任务是否存在低效分布，得到智能体节点任务完成波动组。

2.根据权利要求1所述的多模型智能体协同方法，其特征在于，所述任务节点同步偏移清单包括任务偏移编号、执行状态标签、时间偏移量、任务节点分类，所述任务进度趋势标签组包括进度偏移等级、趋势变化类型、计划对比结果、任务关联编号，所述任务节点受工具调用影响区段列表包括工具调用类型、影响时间区段、重合时段数量、受影响任务编号，所述智能体节点任务完成波动组包括任务分布不均编号、运行时长记录、任务完成偏差、智能体运行匹配度。

3.根据权利要求1所述的多模型智能体协同方法，其特征在于，所述任务节点同步偏移清单的获取步骤具体为：

S111:获取任务场景中的知识库文档、工具接口配置信息及外部API调用记录，提取智能体任务节点计划时间与编号，匹配知识库文档更新时间与坐标，比较匹配文档时间范围与节点计划时间，生成分区节点文档记录时段；

S112:基于所述分区节点文档记录时段，与任务节点计划时间区间进行重合性判断，提取重合时间与总时长比率，筛选比率低于基准