【技术实现步骤摘要】
本专利技术属于农业生产，涉及一种基于大语言模型的通用智能农事指导方法及系统。
技术介绍
1、随着数字农业产业化的推进，农业物联网和大数据平台大量涌现，但农业传感数据和生产技术精准应用之间的信息转化问题仍未解决。现有物联网基础设施可以获取作物图像、环境变化数据，进行简单的描述性统计并展示，但由于缺乏农学数字模型的支撑，数据并不能有效地形成决策，难以支撑高效的农业生产技术应用，造成了数据资源的严重浪费。同时，传统农技推广成本高昂，农事指导不及时，在西部山区推广效果更差。将农艺专家的知识数字化和模型化，变成可重复利用的数字资产，解决有数据无模型，有模型无决策等精准农业问题，和不同作物、不同土壤、不同物候下农事指导任务的泛化问题。
2、2023年chatgpt凭借其远超传统自然语言对话模型的出色表现迅速火出圈，并将人类带进大语言模型时代，或者说生成式ai时代。这种出色的表现，源自其巨量的人工神经网络参数和巨量的数据集所带来的泛化能力。这种泛化能力，使得大语言模型可以掌握世界通识和人类的基本语言逻辑，是其区别于传统模型的关键，使得其能根据提示词完成文本生成、文本分类、文章总结等特定任务。
3、针对以上问题，亟需研发一种新颖的通用农事指导方法及系统，来有效解决有数据无模型，有模型无决策等精准农业问题，和不同作物、不同土壤、不同物候下农事指导任务的泛化问题。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于大语言模型的通用智能农事指导方法及系统，有效解决有数据
2、为达到上述目的，本专利技术提供如下技术方案：
3、1、一种基于大语言模型的通用智能农事指导方法，将农事任务分解成不同的子问题由不同的模型解决，将农事指导任务分解为上半段和下半段，并用两个提示词分别利用大语言模型的推理能力来完成；
4、当收到目标问题时，利用提示词ⅰ，让大语言模型首先将该问题分解成对具体某些模型的调用；然后利用提示词ⅱ，让大语言模型根据用户的问题和其他模型输出的数据以及参考文档进行推理总结并生成回答。
5、进一步，所述提示词ⅰ包括：
6、1)系统提示词；明确地说明任务，让大语言模型知道要将给定的问题正确分解成对应的模型调用；
7、2)模型描述；准确地描述可调用的模型的名称、输入参数和用途；让大语言模型知道其他模型是什么怎么用；
8、3)目标问题；用户的输入。
9、进一步，所述提示词ⅱ包括：
10、1)系统提示词；明确地说明任务，让大语言模型知道要根据其他模型的输出做出推理并正确回答给定的问题；
11、2)模型描述；与提示词ⅰ的模型描述不同，提示词ⅱ的模型描述描述的是被调用的模型的名称、输入参数和用途；是为了让大语言模型知道接下来的内容是哪些模型的输出，输出的每个字段代表什么；
12、3)目标问题；用户的输入，是为了让大语言模型知道输入数据是为了回答什么问题；
13、4)其他模型的输出；不做预处理，但必须跟模型描述里的内容一致，这样大语言模型才能准确地理解其他模型输出了什么数据；
14、5)参考文档；根据目标问题和其他模型的输出从向量数据库里抽取而来，为了让大语言模型能时刻根据最新的决策方案数据做出回答。
15、进一步，为了让大语言模型能更好地理解两个提示词并做出精准的回答，需对大语言模型做必要的指令微调；所述指令微调的方法是：先从大量的农事指导文档里抽取出问题和答案作为训练数据集，并将其封装成提示词ⅰ和提示词ⅱ的格式，然后通过通用微调方法如lora进行指令微调；结合大语言模型自身的泛化能力，指令微调后其能更好的理解提示词并按照微调训练数据集的风格做出精准的回答。
16、2、一种基于大语言模型的通用智能农事指导系统，包括：
17、(1)存储单元；
18、所述存储单元包括文件存储单元和向量存储单元；所述文件存储单元用于存储整个系统产生的文本文件和非文本文件，如作物的图像；所述向量存储单元用于存储和索引推理单元下半段使用文本数据，如农事指导手册；
19、(2)编码单元；
20、所述编码单元用于将物理环境的数据，如农作物的实时图像、气候等数据，转换成文本数据，并封装成提示词ⅰ后将其发给推理单元；
21、其中，对于如图像、声音这种非文本数据，编码单元需先将这些数据作为文件上传到统一的存储单元，存储单元返回该文件的链接，然后编码单元将文件链接作为非文本数据的文本形式数据封装进提示词ⅰ；因此，这些链接就是大语言模型提取出的其他模型的调用实参。
22、(3)推理单元；
23、所述推理单元用于实现并封装基于大语言模型的通用智能农事指导方法，接收来自编码单元的提示词ⅰ，进入上半段，即调用大语言模型进行问题的分解和对其他模型的调用，然后按照基于大语言模型的通用智能农事指导方法，将上半段的推理结果封装进提示词ⅱ后进入下半段，最后将下半段的推理结果，即大语言模型的最终输出结果发到解码单元；
24、(4)解码单元；
25、所述解码单元用于将推理单元的输出转换成对具体农事设备如自动灌溉、施肥机或光照温湿度调整机器的操作指令。
26、进一步，为了让解码单元更方便和准确地转换推理单元的输出，可以在推理单元的下半段完成后，用提示词ⅲ让大语言模型将自己针对提示词ⅱ的输出结果结合农事设备的描述直接生成操作指令；
27、所述提示词ⅲ包括：
28、1)系统提示词；明确地说明任务，让大语言模型知道要根据设备描述和指导方案生成具体的设备操作指令；
29、2)设备描述；同提示词ⅰ和提示词ⅱ里的模型描述，准确地描述设备的名称、输入参数和用途，让大语言模型知道有什么设备以及怎么用；
30、3)指导方案；提示词ⅱ对应的回答，让大语言模型知道要达到的目的，使其正确生成对应的设备操作指令。
31、本专利技术的有益效果在于：本专利技术提供的方法首次将大语言模型用于精准农事指导，并在此方法基础上提出了系统实现方案，通过将提出的方法抽象成推理单元，结合跟物理世界交互的编码单元和解码单元，来共同完成不同作物、不同土壤、不同物候下农事指导任务。具体有益效果包括：
32、1)本专利技术通过将农事任务拆分成不同的子问题，并设计不同的模型来处理和解决，提高了智能农事处理的全面性和多样性，也让模型间解耦，更专注于细致的具体的问题。
33、2)本专利技术利用大语言模型的推理能力，对解决不同子问题的模型的输出进行总结和决策，进而落实到具体的实施上，让传统农业数字化不仅仅停留于数据处理和展示。让不同水平的地区，不同水平的农业从事者都能获得最新最准确的农事指导。
34、3)本专利技术抽象出的编码单元、推理单元、解码单元、存储单元结构能无缝迁移到不同作物本文档来自技高网...
【技术保护点】
1.一种基于大语言模型的通用智能农事指导方法，其特征在于，将农事任务分解成不同的子问题由不同的模型解决，将农事指导任务分解为上半段和下半段，并用两个提示词分别利用大语言模型的推理能力来完成；
2.根据权利要求1所述的基于大语言模型的通用智能农事指导方法，其特征在于，所述提示词Ⅰ包括：
3.根据权利要求1所述的基于大语言模型的通用智能农事指导方法，其特征在于，所述提示词Ⅱ包括：
4.根据权利要求1所述的基于大语言模型的通用智能农事指导方法，其特征在于，为了让大语言模型能更好地理解两个提示词并做出精准的回答，需对大语言模型做指令微调；所述指令微调的方法是：先从大量的农事指导文档里抽取出问题和答案作为训练数据集，并将其封装成提示词Ⅰ和提示词Ⅱ的格式，然后通过通用微调方法进行指令微调；结合大语言模型自身的泛化能力，指令微调后其能更好的理解提示词并按照微调训练数据集的风格做出精准的回答。
5.根据权利要求1～4中任意一项所述的基于大语言模型的通用智能农事指导方法，其特征在于，该方法的指导系统包括：
6.根据权利要求5所述的基于大语
...【技术特征摘要】
1.一种基于大语言模型的通用智能农事指导方法，其特征在于，将农事任务分解成不同的子问题由不同的模型解决，将农事指导任务分解为上半段和下半段，并用两个提示词分别利用大语言模型的推理能力来完成；
2.根据权利要求1所述的基于大语言模型的通用智能农事指导方法，其特征在于，所述提示词ⅰ包括：
3.根据权利要求1所述的基于大语言模型的通用智能农事指导方法，其特征在于，所述提示词ⅱ包括：
4.根据权利要求1所述的基于大语言模型的通用智能农事指导方法，其特征在于，为了让大语言模型能更好地理解两个提示词并做出精准的回答，需对大语言模型做指令微调；所述指令微调的方法是：先从...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。