4. 买白菜不砍价-基于GLM多智能体协同的法律行业问答系统
合集 · GLM法律行业大模型挑战赛 · 决赛答辩 (9)
-
1. 临时组个队-端到端的法律信息查询Agent推理框架
15:35
-
2. 5way-针对不同问题类型调用不同Agent适配差异化流程
14:36
-
3. PromptcnAi-自定义增加接口满足不同的查询需求
14:18
-
4. 买白菜不砍价-基于GLM多智能体协同的法律行业问答系统
13:55
-
5. nickolasNi-类似ChatGPT-o1思维链的方式在答题前生成解题思路
15:32
-
6. 躺躺不想动了-反馈增强的分步编码Agent
15:21
-
7. LegalHi-全局适应的动态法律多智能体协作系统
15:20
-
8. Splandour-法务智能体
12:53
-
9. RedCoast-高可靠低成本的ReactCodeAgent智能协同框架
14:05
Description
本项目方案采纳“先思考后执行”的策略,通过精心设计的三模块系统来确保高效的问题解决流程。这三个模块包括:中枢模型(Planner)、执行模型(Tooler)和总结答案模块。 中枢模型(Planner)——系统的决策核心: 负责对用户问题进行深入语义解析,制定策略,选择合适的工具和API,形成逻辑严密的思考链,并管理对话流程。 通过集成通用指导策略和动态指导策略生成,中枢模型能够灵活应对各类问题,提升规划的科学性和效率。 执行模型(Tooler)——系统的执行臂: 负责具体任务的执行,利用GLM4函数的强大调用能力,与API高效配合,确保任务的快速准确完成,并将结果实时反馈给中枢模型。 通过容错纠错机制,执行模型增强了操作的准确性和流程的稳定性,促进了模型间的顺畅协作。 总结答案模块——确保输出的规范性: 在对话结束后,从交互数据中提炼出最终答案,确保答案的规范性和准确性。 通过答题模板设计和模板调整提示,我们提升了中枢模型在问题总结上的泛化能力,以适应不同问题的需求。 系统运行流程简洁明了:首先,通过提示词激活模型对问题的思考;其次,启动模型与用户的交互对话。在中枢模型和执行模型的协同作用下,系统逐步推进对话,直至得出满意答案。
Comments
PPT有吗
[支持]
[支持]