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. 15:35
    1. 临时组个队-端到端的法律信息查询Agent推理框架
  2. 14:36
    2. 5way-针对不同问题类型调用不同Agent适配差异化流程
  3. 14:18
    3. PromptcnAi-自定义增加接口满足不同的查询需求
  4. 13:55
    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
  5. 15:32
    5. nickolasNi-类似ChatGPT-o1思维链的方式在答题前生成解题思路
  6. 15:21
    6. 躺躺不想动了-反馈增强的分步编码Agent
  7. 15:20
    7. LegalHi-全局适应的动态法律多智能体协作系统
  8. 12:53
    8. Splandour-法务智能体
  9. 14:05
    9. RedCoast-高可靠低成本的ReactCodeAgent智能协同框架
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

嗷嘶咔最佳影帝 2024-11-07

PPT有吗

放荡不羁丶GG 2024-09-30

[支持]

AIMason泥瓦匠 2024-09-29

[支持]