基于自定义插件和大语言模型的智能学习交互方法技术

本发明专利技术实施例公开了一种基于自定义插件和大语言模型的学习交互方法，包括：响应于特定应用的触发操作，将学习需求发送至大语言模型，并提示大语言模型分析是否存在能够满足学习需求的自定义插件；各自定义插件包括语言翻译插件

【技术实现步骤摘要】
基于自定义插件和大语言模型的智能学习交互方法


[0001]本专利技术实施例涉及智能学习领域，尤其涉及一种基于自定义插件和大语言模型的智能学习交互方法
。

技术介绍

[0002]LLM
（
Large Language Model
，大语言模型）是一种具备交互能力的大型生成式语言模型，模型可以接受用户输入的自然语言，理解其意思并作出相应的反馈
。
插件是指一种可以添加到其他软件或系统中，以增强其功能或扩展其特性的软件组件，可以帮助软件开发人员更快地创建功能强大的应用程序，同时也可以为用户提供更多的选择，更具灵活性
。
[0003]现有技术中，在基于
LLM
的智能问答等应用中，为了实现知识快速扩展，可以提示
LLM
利用已有的知识插件快速获取答案，无需针对每一领域重复构建知识库
。
例如，专利
CN116483980A
公开了一种人机交互方法装置及系统，专利
CN116795968A
公开了一种基于
Chat LLM
技术的知识扩展及
QA
系统，均可以利用插件和
LLM
实现智能问答
。
[0004]但有些插件的执行依赖于其它插件，尤其在为用户提供智能化学习服务的软件或系统中，由于学习需求的多样性和学习过程的复杂性，涉及到的插件数量往往较多
。
如何组织各插件有序执行来实现特定功能，是亟待解决的问题
。

技术实现思路

[0005]本专利技术实施例提供一种基于自定义插件和大语言模型的智能学习交互方法，以解决上述技术问题
。
[0006]第一方面，本专利技术实施例提供了一种基于自定义插件和大语言模型的学习交互方法，包括：
[0007]响应于特定应用的触发操作，将学习需求发送至大语言模型，并提示大语言模型分析是否存在能够满足学习需求的自定义插件；其中，所述特定应用包括智能问答
、
智能课程和智能组卷中的至少之一；各自定义插件包括语言翻译插件
、
学习推荐插件
、
在线测评插件和流程插件中的至少之一，所述流程插件用于协调其它插件的执行顺序；
[0008]通过大语言模型对所述学习需求进行语义分析，并与各自定义插件的描述信息进行语义匹配，其中，自定义插件的描述信息包括：插件的入参
、
出参和
API
，以及插件的作用或使用场景；
[0009]在匹配成功的情况下，提示大语言模型根据流程插件准备匹配插件的入参并调用
API
，由所述匹配插件完成学习任务；在未匹配成功的情况下，提示大语言模型根据自建文档库或网络资源完成学习任务
。
[0010]第二方面，本专利技术实施例提供了一种基于自定义插件和大语言模型的学习系统，包括：
[0011]插件中心，用于存储各自定义插件及其描述信息，其中，所述描述信息包括：插件的入参
、
出参和
API
，以及插件的作用或使用场景；
[0012]控制模块，用于响应于特定应用的触发操作，将学习需求发送至大语言模型，并提示大语言模型分析是否存在能够满足学习需求的自定义插件；其中，所述特定应用包括智能问答
、
智能课程和智能组卷中的至少之一；各自定义插件包括语言翻译插件
、
学习推荐插件
、
在线测评插件和流程插件中的至少之一，所述流程插件用于协调其它插件的执行顺序；
[0013]大语言模型，用于对所述学习需求进行语义分析，并与各自定义插件的描述信息进行语义匹配，其中，自定义插件的描述信息包括：插件的入参
、
出参和
API
，以及插件的作用或使用场景；
[0014]在匹配成功的情况下，所述控制模块还用于提示大语言模型根据流程插件准备匹配插件的入参并调用
API
，由所述匹配插件完成学习任务；在未匹配成功的情况下，所述控制模块还用于提示大语言模型根据自建文档库或网络资源完成学习任务
。
[0015]本实施例提供了一种支持自定义插件集成的智能学习交互方法，允许用户根据一定的规则来添加插件，通过自定义插件拓展模型的功能，丰富
LLM
的使用场景和范围
。
插件的配置文件存储了关于插件的描述信息，包括插件相关的
API
出入参
、
作用使用场景等关键信息
。LLM
通过对配置文件进行语义分析，就可以获取插件可以完成什么
、
什么时候该调度，以及如何完成要完成的事情，从而完成插件的调度
、
调用，实现
LLM
和自定义插件的结合
。
当学习需求依赖多个插件共同完成时，本实施例通过流程插件定义自动化流程，协调各插件有序执行，得到满足需求的智能学习结果
。
附图说明
[0016]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0017]图1是本专利技术实施例提供的一种基于自定义插件和大语言模型的学习系统的结构示意图；
[0018]图2是本专利技术实施例提供的一种基于自定义插件和大语言模型的学习交互方法的流程图；
[0019]图3是本专利技术实施例提供的一种有向路由图的示意图；
[0020]图4是本专利技术实施例提供的构建流程插件的示意图，起哄，图
4(a)
为流程插件的脚本模板，图
4(b)
为将流程节点脚本扩展为多份后的中间脚本
。
具体实施方式
[0021]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚
、
完整的描述
。
显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围
。
[0022]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位
、
以特定的方位构造和操作，因此不能理解为对本专利技术的限制
。
此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于自定义插件和大语言模型的学习交互方法，其特征在于，包括：响应于特定应用的触发操作，将学习需求发送至大语言模型，并提示大语言模型分析是否存在能够满足学习需求的自定义插件；其中，所述特定应用包括智能问答
、
智能课程和智能组卷中的至少之一；各自定义插件包括语言翻译插件
、
学习推荐插件
、
在线测评插件和流程插件中的至少之一，所述流程插件用于协调其它插件的执行顺序；通过大语言模型对所述学习需求进行语义分析，并与各自定义插件的描述信息进行语义匹配，其中，自定义插件的描述信息包括：插件的入参
、
出参和
API
，以及插件的作用或使用场景；在匹配成功的情况下，提示大语言模型根据流程插件准备匹配插件的入参并调用
API
，由所述匹配插件完成学习任务；在未匹配成功的情况下，提示大语言模型根据自建文档库或网络资源完成学习任务
。2.
根据权利要求1所述的方法，其特征在于，所述通过大语言模型对所述学习需求进行语义分析，并与各自定义插件的描述信息进行语义匹配，包括：所述大语言模型通过语义分析，判断所述学习需求是否与各自定义插件的作用或使用场景匹配；在匹配成功的情况下，所述大语言模型判断所述学习需求是否与各匹配组件的入参和出参匹配；其中，所述作用或使用场景要求的匹配度，高于所述入参和出参要求的匹配度
。3.
根据权利要求1所述的方法，其特征在于，自定义插件的描述信息还包括当前插件依赖的第一插件；所述提示大语言模型根据流程插件准备匹配插件的入参并调用
API
，由所述匹配插件完成学习任务，包括：根据匹配插件依赖的第一插件，以及匹配插件入参依赖的第二插件，生成以各插件为节点
、
以插件间的依赖关系为边有向路由图；提示大语言模型根据所述有向路由图以及图中各边的与或关系，生成以所述匹配插件为终点的至少一条路由；从所述至少一条路由中确定优选路由，并根据所述优选路由的方向和经过的各插件构建流程插件；提示大语言模型利用所述流程插件依次执行所述经过的各插件，从而完成学习任务
。4.
根据权利要求3所述的方法，其特征在于，所述根据匹配插件依赖的第一插件，以及匹配插件入参依赖的第二插件，生成以各插件为节点
、
以插件间的依赖关系为边有向路由图，包括：构建空白的有向路由图，并将匹配插件作为目标插件；从所述目标插件的描述信息中，读取所述目标插件的第一插件；将所述目标插件和第一插件作为节点添加至所述有向路由图，并连接从所述第一插件指向所述目标插件的边；从所述描述信息中读取所述目标插件的入参，在所述入参未知的情况下，从插件中心寻找以所述入参为出参的第二插件；将所述第二插件添加至所述有向路由图，并连接从所述第二插件指向所述目标插件的边；分别将所述第一插件和第二插件作为新的目标插件，返回读取所述目标插件的第一插
件和入参的操作，直到最新读取的第一插件为空且最新读取的入参已知
。5.
根据权利要求3所述的方法，其特征在于，所述从所述至少一条路由中确定优选路由，包括：剔除所述至少一条路由中存在环的路由，避免插件无限循环调用...

【专利技术属性】
技术研发人员：赵隽隽，潘斌，赵剑飞，欧阳禄萍，张怀仁，
申请(专利权)人：知学云北京科技股份有限公司，
类型：发明
国别省市：