本技术涉及人工智能，尤其涉及一种基于大语言模型和多智能体的产品推荐方法及相关装置。
背景技术：
1、用户往往具有产品推荐的需求，当前存在许多向用户推荐产品的技术。
2、当前向用户推荐产品的技术一般是用户在浏览、购物等场景下向用户推荐产品。例如：在用户浏览购物网站上的产品，或用户浏览社交应用程序的页面过程中，向用户推荐产品。
3、当前向用户推荐产品的技术的推荐场景较为单一。
技术实现思路
1、鉴于上述问题，本技术提供了一种基于大语言模型和多智能体的产品推荐方法及相关装置，以实现在用户与大语言模型进行对话的场景下向用户推荐产品的目的。具体方案如下：
2、本技术第一方面提供一种基于大语言模型和多智能体的产品推荐方法，应用于基于大语言模型和多智能体的产品推荐系统，所述基于大语言模型和多智能体的产品推荐系统包括：对话管理智能体、产品选择智能体和产品排序智能体，所述基于大语言模型和多智能体的产品推荐方法包括：
3、所述对话管理智能体基于用户与大语言模型的当前对话内容，判断用户是否具有产品推荐需求，若用户具有产品推荐需求，则将所述当前对话内容发送至所述产品选择智能体；
4、所述产品选择智能体根据所述当前对话内容，从预先构建的产品库中筛选出多个目标产品，并组成候选产品集发送给所述对话管理智能体；
5、所述对话管理智能体将所述候选产品集和所述当前对话内容发送给所述产品排序智能体；
6、所述产品排序智能体基于所述当前对话内容对所述候选产品集中的多个目标产品进行排序，并返回排序后的所述多个目标产品中的至少部分产品至所述对话管理智能体；
7、所述对话管理智能体基于接收到的产品，生成产品推荐语句，并在所述大语言模型的界面中输出所述产品推荐语句。
8、在一种可能的实现中，所述预先构建的产品库的构建过程包括：
9、利用大语言模型对多个入库产品的信息进行总结，获得每个所述入库产品的总结信息；
10、将所述总结信息转换为产品的向量，构建包括多个产品的向量的产品库。
11、在一种可能的实现中，所述利用大语言模型对多个入库产品的信息进行总结，获得每个所述入库产品的总结信息，包括：
12、从预设数据库中提取多个入库产品的信息；
13、若提取的多个入库产品的信息中包含指代信息，则根据预设的映射关系，将所述指代信息替换为本意信息，以使得所述多个入库产品的信息中不包含所述指代信息；
14、利用大语言模型对不包含所述指代信息的多个入库产品的信息进行总结，获得每个所述入库产品的总结信息。
15、在一种可能的实现中，所述产品选择智能体根据所述当前对话内容，从预先构建的产品库中筛选出多个目标产品，包括：
16、所述产品选择智能体根据所述当前对话内容，构建用于输入大语言模型的用户偏好提示词；
17、所述产品选择智能体利用所述大语言模型基于所述用户偏好提示词生成用户偏好总结，所述用户偏好总结中包括：用户偏好的产品的信息；
18、所述产品选择智能体基于所述用户偏好总结在预先构建的产品库中筛选出多个目标产品。
19、在一种可能的实现中，所述产品排序智能体基于所述当前对话内容对所述候选产品集中的多个目标产品进行排序，包括：
20、所述产品排序智能体基于所述用户偏好总结和所述候选产品集，构建用于输入大语言模型的产品打分提示词，利用所述大语言模型基于所述产品打分提示词对所述候选产品集中的多个目标产品进行打分，获得每个所述目标产品的第一分数；
21、所述产品排序智能体基于所述候选产品集生成所述候选产品集中每个所述目标产品的产品编码，基于所述用户偏好总结生成用户编码，将所述产品编码和所述用户编码输入重排序模型中，获得所述重排序模型输出的每个所述目标产品的第二分数；
22、基于所述第一分数和所述第二分数，对所述多个目标产品进行排序。
23、本技术第二方面提供一种基于大语言模型和多智能体的产品推荐系统，所述基于大语言模型和多智能体的产品推荐系统包括：对话管理智能体、产品选择智能体和产品排序智能体，
24、所述对话管理智能体基于用户与大语言模型的当前对话内容，判断用户是否具有产品推荐需求，若用户具有产品推荐需求，则将所述当前对话内容发送至所述产品选择智能体；
25、所述产品选择智能体根据所述当前对话内容，从预先构建的产品库中筛选出多个目标产品，并组成候选产品集发送给所述对话管理智能体；
26、所述对话管理智能体将所述候选产品集和所述当前对话内容发送给所述产品排序智能体；
27、所述产品排序智能体基于所述当前对话内容对所述候选产品集中的多个目标产品进行排序，并返回排序后的所述多个目标产品中的至少部分产品至所述对话管理智能体；
28、所述对话管理智能体基于接收到的产品，生成产品推荐语句，并在所述大语言模型的界面中输出所述产品推荐语句。
29、在一种可能的实现中，所述产品选择智能体根据所述当前对话内容，从预先构建的产品库中筛选出多个目标产品，具体配置为：
30、所述产品选择智能体根据所述当前对话内容，构建用于输入大语言模型的用户偏好提示词；所述产品选择智能体利用所述大语言模型基于所述用户偏好提示词生成用户偏好总结，所述用户偏好总结中包括：用户偏好的产品的信息；
31、所述产品选择智能体基于所述用户偏好总结在预先构建的产品库中筛选出多个目标产品。
32、在一种可能的实现中，所述产品排序智能体基于所述当前对话内容对所述候选产品集中的多个目标产品进行排序，具体配置为：
33、所述产品排序智能体基于所述用户偏好总结和所述候选产品集，构建用于输入大语言模型的产品打分提示词，利用所述大语言模型基于所述产品打分提示词对所述候选产品集中的多个目标产品进行打分，获得每个所述目标产品的第一分数；所述产品排序智能体基于所述候选产品集生成所述候选产品集中每个所述目标产品的产品编码，基于所述用户偏好总结生成用户编码，将所述产品编码和所述用户编码输入重排序模型中，获得所述重排序模型输出的每个所述目标产品的第二分数；基于所述第一分数和所述第二分数，对所述多个目标产品进行排序。
34、在一种可能的实现中，所述预先构建的产品库的构建过程包括：
35、利用大语言模型对多个入库产品的信息进行总结，获得每个所述入库产品的总结信息；
36、将所述总结信息转换为产品的向量，构建包括多个产品的向量的产品库。
37、在一种可能的实现中，所述利用大语言模型对多个入库产品的信息进行总结，获得每个所述入库产品的总结信息，包括：
38、从预设数据库中提取多个入库产品的信息；
39、若提取的多个入库产品的信息中包含指代信息，则根据预设的映射关系，将所述指代信息替换为本意信息，以使得所述多个入库产品的信息中不包含所述指代信息；
40、利用大语言模型对不包含所述指代信息的多个入库产品的信息进行总结，获得每个所述入库产品的总结信息。
41、本技术第三方面提供一种计算机程序产品，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现上述第一方面或第一方面任一实现方式的基于大语言模型和多智能体的产品推荐方法。
42、本技术第四方面提供一种电子设备，包括至少一个处理器和与所述处理器连接的存储器，其中：
43、所述存储器用于存储计算机程序；
44、所述处理器用于执行所述计算机程序，以使所述电子设备能够实现上述第一方面或第一方面任一实现方式的基于大语言模型和多智能体的产品推荐方法。
45、本技术第五方面提供一种计算机存储介质，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备上述第一方面或第一方面任一实现方式的基于大语言模型和多智能体的产品推荐方法。
46、借由上述技术方案，本技术提供的基于大语言模型和多智能体的产品推荐方法及相关装置，可以通过对话管理智能体、产品选择智能体、产品排序智能体这三个智能体相互配合，完成向用户推荐产品的处理。同时，本技术可以基于用户与大语言模型的当前对话内容，判断用户是否具有产品推荐需求，若用户具有产品推荐需求，则向用户推荐产品。本技术并未简单的将产品输出给用户进行推荐，而是基于接收到的产品，生成产品推荐语句，并在大语言模型的界面中输出产品推荐语句。可见，本技术实现了在用户与大语言模型进行对话的场景下向用户推荐产品的目的，用户无需离开与大语言模型的对话界面，十分方便。
1.一种基于大语言模型和多智能体的产品推荐方法，其特征在于，应用于基于大语言模型和多智能体的产品推荐系统，所述基于大语言模型和多智能体的产品推荐系统包括：对话管理智能体、产品选择智能体和产品排序智能体，所述基于大语言模型和多智能体的产品推荐方法包括：
2.根据权利要求1所述的基于大语言模型和多智能体的产品推荐方法，其特征在于，所述预先构建的产品库的构建过程包括：
3.根据权利要求2所述的基于大语言模型和多智能体的产品推荐方法，其特征在于，所述利用大语言模型对多个入库产品的信息进行总结，获得每个所述入库产品的总结信息，包括：
4.根据权利要求1所述的基于大语言模型和多智能体的产品推荐方法，其特征在于，所述产品选择智能体根据所述当前对话内容，从预先构建的产品库中筛选出多个目标产品，包括：
5.根据权利要求4所述的基于大语言模型和多智能体的产品推荐方法，其特征在于，所述产品排序智能体基于所述当前对话内容对所述候选产品集中的多个目标产品进行排序，包括：
6.一种基于大语言模型和多智能体的产品推荐系统，其特征在于，所述基于大语言模型和多智能体的产品推荐系统包括：对话管理智能体、产品选择智能体和产品排序智能体，
7.根据权利要求6所述的基于大语言模型和多智能体的产品推荐系统，其特征在于，所述产品选择智能体根据所述当前对话内容，从预先构建的产品库中筛选出多个目标产品，具体配置为：
8.一种计算机程序产品，其特征在于，包括计算机可读指令，当所述计算机可读指令在电子设备上运行时，使得所述电子设备实现如权利要求1至5中任意一项所述的基于大语言模型和多智能体的产品推荐方法。
9.一种电子设备，其特征在于，包括至少一个处理器和与所述处理器连接的存储器，其中：
10.一种计算机存储介质，其特征在于，所述存储介质承载有一个或多个计算机程序，当所述一个或多个计算机程序被电子设备执行时，能够使所述电子设备实现如权利要求1至5中任意一项所述的基于大语言模型和多智能体的产品推荐方法。
