用于生成可行业务建议的多代理系统

摘要

客户评论包含有关产品弱点和未满足的用户需求的丰富信号，但现有的分析方法很少超越情感分析或方面提取等描述性任务。虽然大语言模型 (LLM) 可以生成自由形式的建议，但其输出通常缺乏推理的准确性和深度。在本文中，我们提出了一个基于大语言模型的多代理框架，用于规范性决策支持，它将大规模评论语料库转化为可行的业务建议。该框架集成了四个组成部分：聚类以选择代表性评论、生成建议、迭代评估和基于可行性的排名。这种设计将语料库蒸馏与反馈驱动的建议细化结合起来，以产生具体的、可操作的和实用的输出。跨三个服务领域和多个模型系列的实验表明，我们的框架在可操作性、特异性和非冗余性方面始终优于单一模型基线，中型模型接近大型模型框架的性能。

超越情感分析：从评论生成可执行商业建议的多智能体流水线 — 图2：所提出的多智能体工作流总览：Clustering 智能体对评论进行嵌入与聚类以选出代表性评论，Issue 智能体将其归入更高层级的问题（issue），Recommendation–Evaluation 智能体迭代精炼候选干预措施，Ranking 智能体选出最佳建议。