一种融合更长记忆的保持内容一致性智能Agent思考方法

本发明公开了一种融合更长记忆的保持内容一致性智能Agent思考方法，包括对用户问题换一种方式问，而对提示和示例不作处理；分别将两个问题提交给智能Agent的大模型作答，并将答案进行二值量化；用embedding算法将问题、原始答案和调整后的问题答案转换成向量，计算原始答案向量与调整问题答案的差向量，将问题向量与差向量连接成一个长向量，以长向量作为输入，Agent答案二值化结果作为输出，构造一组输入输出对，整理数据集训练Mamba模型；当用户提出新问题时，按前述方法构建长向量输入和Agent两种问题，使用训练的Mamba模型进行0，1预测，根据预测结果选择恰当问题的答案返回给用户。本方法相比大模型原始答案能获得融合更长记忆的保持内容一致性的问题答案。