一种基于大模型的成本感知高效工具规划方法

本发明提出一种基于大模型的成本感知高效工具规划方法，通过构建CATP‑LLM框架实现工具调度的效率与成本优化。该方法包括：设计工具规划语言TPL，利用结构化Token支持生成非线性多分支并行方案，显著提升任务执行效率；结合成本感知离线强化学习CAORL算法，基于历史数据动态优化工具选择策略，平衡任务性能与资源消耗；通过方案质量指标QoP量化性能与成本的平衡关系，实现动态调整以输出高效低成本的规划方案。相较于现有技术，本发明支持并行工具调用、动态成本优化及复杂任务适应性，在确保任务质量的同时显著降低执行成本，为多场景任务规划提供高效解决方案。