本技術(shù)涉及人工智能，尤其涉及一種任務(wù)匹配方法及系統(tǒng)。

背景技術(shù)：

1、大模型可用于自然語(yǔ)言處理、智能對(duì)話、圖像識(shí)別、任務(wù)規(guī)劃等方面，基于深度學(xué)習(xí)的預(yù)訓(xùn)練模型，例如chatgpt、llama、chatglm等大模型，能夠在復(fù)雜場(chǎng)景中通過(guò)處理大量數(shù)據(jù)，并理解和生成自然語(yǔ)言文本，具有高效的任務(wù)分解與執(zhí)行能力。作為ai開(kāi)發(fā)的重要組成部分，agent（代理）通過(guò)集成大模型從而獨(dú)立自主完成任務(wù)，優(yōu)化交互體驗(yàn)。

2、因大模型可以進(jìn)行語(yǔ)義理解等任務(wù)，因此，可以用于在需要溝通和管理的領(lǐng)域，在溝通過(guò)程中，管理者與被管理者之間的溝通效率會(huì)直接影響任務(wù)的執(zhí)行效果。然而，在交流過(guò)程中，可能存在溝通不清、信息不對(duì)稱、任務(wù)指令傳達(dá)不準(zhǔn)確、人員理解能力參差不齊等問(wèn)題，導(dǎo)致任務(wù)分配準(zhǔn)確率低或任務(wù)執(zhí)行效率差。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種任務(wù)匹配方法及系統(tǒng)，以解決任務(wù)分配準(zhǔn)確率低或任務(wù)執(zhí)行效率差的問(wèn)題。

2、第一方面，本技術(shù)提供一種任務(wù)匹配方法，包括：

3、獲取目標(biāo)任務(wù)；

4、構(gòu)建匹配模型，所述匹配模型用于處理所述目標(biāo)任務(wù)；

5、將所述目標(biāo)任務(wù)、數(shù)據(jù)信息以及第一提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟，所述數(shù)據(jù)信息為目標(biāo)人員的信息，所述第一提示詞用于引導(dǎo)所述匹配模型輸出任務(wù)分解步驟；

6、獲取第二提示詞，所述第二提示詞用于引導(dǎo)所述匹配模型輸出匹配結(jié)果；

7、將所述任務(wù)分解步驟、數(shù)據(jù)信息以及第二提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出匹配結(jié)果，以通過(guò)目標(biāo)人員執(zhí)行所述匹配結(jié)果。

8、所述方法通過(guò)不同的提示詞，以及匹配模型的語(yǔ)言處理能力，可將任務(wù)拆分、任務(wù)匹配，可解決任務(wù)分配準(zhǔn)確率低或任務(wù)執(zhí)行效率差的問(wèn)題。

9、在一些可行的實(shí)施例中，所述構(gòu)建匹配模型，包括：

10、獲取預(yù)訓(xùn)練模型與數(shù)據(jù)集，所述數(shù)據(jù)集為與所述目標(biāo)任務(wù)為相同領(lǐng)域的文本數(shù)據(jù)；

11、通過(guò)所述數(shù)據(jù)集對(duì)所述預(yù)訓(xùn)練模型微調(diào)，生成匹配模型。

12、通過(guò)微調(diào)預(yù)訓(xùn)練模型，可提高模型性能，使模型生成的結(jié)果更準(zhǔn)確。

13、在一些可行的實(shí)施例中，所述將所述目標(biāo)任務(wù)、數(shù)據(jù)信息以及第一提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟，包括：

14、如果無(wú)法通過(guò)所述數(shù)據(jù)集獲取所述目標(biāo)任務(wù)，在所述匹配模型中嵌入語(yǔ)言處理模型，以得到嵌入模型；

15、通過(guò)所述嵌入模型將所述目標(biāo)任務(wù)轉(zhuǎn)換為第一向量，以及將所述數(shù)據(jù)集轉(zhuǎn)換為第二向量；

16、計(jì)算所述第一向量以及第二向量的余弦相似度，以獲取參考任務(wù)，所述參考任務(wù)為數(shù)據(jù)集中與所述目標(biāo)任務(wù)相似度最高的文本數(shù)據(jù)；

17、將所述參考任務(wù)輸入至所述匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟。

18、通過(guò)余弦相似度計(jì)算，能夠匹配參考任務(wù)，提高任務(wù)分解過(guò)程的響應(yīng)速度。

19、在一些可行的實(shí)施例中，所述將所述目標(biāo)任務(wù)、數(shù)據(jù)信息以及第一提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟，包括：

20、根據(jù)所述目標(biāo)任務(wù)以及所述參考任務(wù)，生成第一提示詞；

21、將所述目標(biāo)任務(wù)、數(shù)據(jù)信息以及第一提示詞輸入至所述匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟。

22、第一提示詞可將任務(wù)分解步驟限制在具體范圍內(nèi)，使其輸出的任務(wù)分解步驟與目標(biāo)任務(wù)的領(lǐng)域更加匹配。

23、在一些可行的實(shí)施例中，所述計(jì)算所述第一向量以及第二向量的余弦相似度，以獲取參考任務(wù)，包括：

24、對(duì)所述第一向量以及第二向量執(zhí)行平均池化操作，以計(jì)算平均值，所述平均值為所述第一向量和第二向量的平均值；

25、根據(jù)所述平均值，計(jì)算所述第一向量以及第二向量的余弦相似度；

26、如果所述第二向量的余弦相似度大于或等于相似度閾值，將所述第二向量對(duì)應(yīng)的文本數(shù)據(jù)作為參考任務(wù)。

27、在一些可行的實(shí)施例中，所述獲取目標(biāo)任務(wù)前，包括：

28、獲取數(shù)據(jù)信息；

29、構(gòu)建智能體，所述智能體用于定義目標(biāo)人員的數(shù)據(jù)信息，所述數(shù)據(jù)信息包括第一數(shù)據(jù)信息以及第二數(shù)據(jù)信息。

30、通過(guò)智能體，可以更加直觀的查看任務(wù)匹配、分解的結(jié)果。

31、在一些可行的實(shí)施例中，所述將所述任務(wù)分解步驟、數(shù)據(jù)信息以及第二提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出匹配結(jié)果，包括：

32、將所述任務(wù)分解步驟生成任務(wù)列表；

33、分析所述任務(wù)列表的任務(wù)類型；

34、根據(jù)所述任務(wù)類型以及第一數(shù)據(jù)信息，生成第二提示詞；

35、將所述任務(wù)列表、第一數(shù)據(jù)信息以及第二提示詞輸入至所述匹配模型，以通過(guò)所述匹配模型輸出匹配結(jié)果；

36、第二提示詞可引導(dǎo)匹配模型在分析任務(wù)列表和第一數(shù)據(jù)信息后，輸出更準(zhǔn)確的匹配結(jié)果。

37、在一些可行的實(shí)施例中，所述方法還包括：

38、根據(jù)所述第二數(shù)據(jù)信息，生成第三提示詞，所述第三提示詞用于引導(dǎo)所述匹配模型輸出評(píng)估結(jié)果；

39、將所述第二數(shù)據(jù)信息以及第三提示詞輸入至所述匹配模型，以通過(guò)所述匹配模型輸出評(píng)估結(jié)果，所述評(píng)估結(jié)果包括第一類結(jié)果、第二類結(jié)果以及第三類結(jié)果；

40、將所述評(píng)估結(jié)果以及匹配結(jié)果輸入至所述匹配模型，以通過(guò)所述匹配模型輸出任務(wù)說(shuō)明，所述任務(wù)說(shuō)明包括第一類說(shuō)明、第二類說(shuō)明以及第三類說(shuō)明。

41、通過(guò)第二數(shù)據(jù)信息，可使模型評(píng)估每個(gè)智能體與第二數(shù)據(jù)信息有關(guān)的能力。

42、在一些可行的實(shí)施例中，所述將所述評(píng)估結(jié)果以及匹配結(jié)果輸入至所述匹配模型，以通過(guò)所述匹配模型輸出任務(wù)說(shuō)明，包括：

43、如果所述評(píng)估結(jié)果為第一類結(jié)果，生成第四提示詞，將所述第一類結(jié)果、匹配結(jié)果以及第四提示詞輸入至所述匹配模型，以通過(guò)所述匹配模型輸出第一類說(shuō)明，所述第四提示詞用于引導(dǎo)所述匹配模型輸出第一類說(shuō)明；

44、如果所述評(píng)估結(jié)果為第二類結(jié)果，通過(guò)所述匹配模型輸出第二類說(shuō)明，所述第二類說(shuō)明為任務(wù)分解步驟；

45、如果所述評(píng)估結(jié)果為第三類結(jié)果，生成第五提示詞，將所述第三類結(jié)果、匹配結(jié)果以及第五提示詞輸入至所述匹配模型，以通過(guò)所述匹配模型輸出第三類說(shuō)明，所述第一類說(shuō)明的復(fù)雜度大于所述第二類說(shuō)明，所述第二類說(shuō)明的復(fù)雜度大于所述第三類說(shuō)明，所述第五提示詞用于引導(dǎo)所述匹配模型輸出第三類說(shuō)明。

46、根據(jù)評(píng)估結(jié)果，可輸出不同的任務(wù)步驟說(shuō)明，以確保任務(wù)被準(zhǔn)確理解和高效執(zhí)行。

47、第二方面，本技術(shù)提供一種任務(wù)匹配系統(tǒng)，包括：

48、獲取單元，用于獲取目標(biāo)任務(wù)；

49、構(gòu)建單元，用于構(gòu)建匹配模型，所述匹配模型用于處理所述目標(biāo)任務(wù)；

50、處理單元，用于將所述目標(biāo)任務(wù)、數(shù)據(jù)信息以及第一提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟，所述數(shù)據(jù)信息為目標(biāo)人員的信息，所述第一提示詞用于引導(dǎo)所述匹配模型輸出任務(wù)分解步驟；

51、所述獲取單元還用于獲取第二提示詞，所述第二提示詞用于引導(dǎo)所述匹配模型輸出匹配結(jié)果；

52、匹配單元，用于將所述任務(wù)分解步驟、數(shù)據(jù)信息以及第二提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出匹配結(jié)果，以通過(guò)目標(biāo)人員執(zhí)行所述匹配結(jié)果。

53、由以上技術(shù)方案可知，本技術(shù)提供一種任務(wù)匹配方法及系統(tǒng)，所述方法包括：獲取目標(biāo)任務(wù)，構(gòu)建匹配模型，所述匹配模型用于處理所述目標(biāo)任務(wù)；再將所述目標(biāo)任務(wù)、數(shù)據(jù)信息以及第一提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出任務(wù)分解步驟，所述數(shù)據(jù)信息為目標(biāo)人員的信息，第一提示詞用于引導(dǎo)所述匹配模型輸出任務(wù)分解步驟；再獲取第二提示詞，并將所述任務(wù)分解步驟、數(shù)據(jù)信息以及第二提示詞輸入至匹配模型，以通過(guò)所述匹配模型輸出匹配結(jié)果，以通過(guò)目標(biāo)人員執(zhí)行所述匹配結(jié)果。所述方法通過(guò)不同的提示詞，以及匹配模型的語(yǔ)言處理能力，可將任務(wù)拆分、任務(wù)匹配，以解決任務(wù)分配準(zhǔn)確率低或任務(wù)執(zhí)行效率差的問(wèn)題。