重庆大学AI训练营+202524021005+偏序MILP任务规划助手

[zhang-345]

偏序-MILP任务规划助手

一、项目简介

“偏序-MILP任务规划助手”是基于 Nexent 平台构建的科研辅助智能体，面向多智能体任务规划、时序逻辑任务分解、偏序集生成和 MILP 任务分配等研究场景。

该智能体结合本地知识库检索能力，能够围绕 LTL 任务建模、Büchi 自动机、偏序分解、避免约束 AC、保持约束 KC、MILP 任务分配与调度、论文精读和组会汇报等内容进行结构化回答，帮助用户完成文献阅读、算法理解、实验复现和汇报材料整理。

---

二、项目背景

多智能体任务规划通常需要同时处理任务逻辑、执行顺序、智能体能力、资源冲突、时空约束和在线变化等问题。传统全序任务规划容易限制多智能体并行执行能力，而直接基于时序逻辑进行全局规划又可能导致状态空间膨胀。

因此，本项目围绕“LTL 任务建模 → Büchi 自动机 → 偏序分解 → 语义约束增强 → MILP 分配调度”的技术路线，构建了一个专门服务于科研学习和任务规划方法设计的智能体。

---

三、智能体名称与配置

1. 智能体名称

偏序-MILP任务规划助手

2. 智能体变量名

poset_milp_research_assistant

3. 知识库名称

poset_milp_lib

4. 使用模型

模型类型	示例配置
大语言模型	Qwen/Qwen3-8B
向量模型	BAAI/bge-m3

5. 使用工具

工具	作用
knowledge_base_search	检索本地知识库内容

---

四、知识库设计

本智能体使用的知识库为：

poset_milp_lib

知识库主要包含以下内容：

文件名	内容
kb01_ltl_buchi_poset.txt	LTL、Büchi 自动机与偏序分解基础
kb02_avoid_keep_constraints.txt	避免约束 AC 与保持约束 KC 的语义增强方法
kb03_milp_allocation_scheduling.txt	MILP 任务分配与调度建模
kb04_paper_reading_meeting_template.txt	论文精读与组会汇报模板
kb05_faq_boundary_control.txt	常见问题与边界控制

知识库内容围绕“偏序分解 + MILP”路线组织，能够为智能体回答提供稳定依据，减少凭空生成和不确定回答。

---

五、智能体工作流

智能体的基本工作流如下：

用户问题
→ 判断问题类型
→ 调用 knowledge_base_search 检索 poset_milp_lib
→ 结合检索结果进行结构化回答
→ 输出概念解释、算法流程、MILP 建模或汇报内容

具体逻辑包括：

1. 判断用户问题属于概念解释、算法流程、MILP 建模、论文精读、代码复现、组会汇报或专利写作中的哪一类。
2. 对知识库覆盖范围内的问题，优先调用 knowledge_base_search。
3. 对概念问题，按照“定义—作用—例子—在偏序-MILP路线中的位置”回答。
4. 对算法问题，按照“输入—处理步骤—输出—返回—注意事项”回答。
5. 对 MILP 问题，按照“集合—变量—目标函数—约束—输出”回答。
6. 对论文精读问题，按照“背景—问题—方法—关键算法—实验—可借鉴点—不足”回答。
7. 对组会汇报问题，输出“PPT 页面文字 + 讲稿 + 可提问问题”。
8. 对知识库未覆盖的问题，明确说明当前知识库没有覆盖，不编造论文数据、代码函数或实验结论。

---

六、核心功能

1. LTL 与偏序分解解释

智能体可以解释 LTL 公式如何经过 Büchi 自动机构造、剪枝和子任务提取，最终生成偏序集。

示例问题：

如何从 LTL 任务公式生成偏序集？

---

2. 避免约束与保持约束分析

智能体可以区分避免约束 AC 和保持约束 KC，并说明如何将二者转化为偏序增强约束或 MILP 可处理约束。

示例问题：

避免约束 AC 和保持约束 KC 有什么区别？如何增强偏序集？

---

3. 算法伪代码生成

智能体可以生成带有输入、输出、返回和主要步骤的算法伪代码，适合用于论文、专利或组会材料。

示例问题：

请给我一个避免与保持语义增强算法伪代码，要求包含输入、输出和返回。

---

4. MILP 建模辅助

智能体可以辅助构建任务分配、前序约束、互斥约束、保持约束和目标函数。

示例问题：

MILP 中如何表达任务分配、前序关系、互斥冲突和保持约束？

---

5. 论文精读与组会汇报

智能体可以从“偏序分解 + MILP”路线出发分析论文的可借鉴点，并生成组会汇报内容。

示例问题：

我上传了一篇多智能体任务规划论文，请你从“偏序分解 + MILP”路线分析它有什么可借鉴点。

---

七、智能体提示词摘要

智能体的核心提示词如下：

你是“偏序-MILP任务规划科研助手”，面向研究多智能体任务规划、时序逻辑任务分解、偏序集生成和 MILP 任务分配的研究生用户。

你具备本地知识库检索能力。面对 LTL、Büchi 自动机、偏序分解、避免约束 AC、保持约束 KC、MILP 任务分配、论文精读、组会汇报和专利算法撰写等问题时，必须优先调用 knowledge_base_search，在 poset_milp_lib 知识库中检索相关内容。

回答时应根据问题类型组织结构：
- 概念问题：定义—作用—例子—在偏序-MILP路线中的位置；
- 算法问题：输入—处理步骤—输出—返回—注意事项；
- MILP问题：集合—变量—目标函数—约束—输出；
- 论文精读问题：背景—问题—方法—关键算法—实验—可借鉴点—不足；
- 组会汇报问题：PPT页面文字 + 讲稿 + 可提问问题。

若知识库未覆盖，应明确说明当前知识库没有覆盖该问题，不编造论文数据、代码函数、公式编号或实验结果。

---

八、测试用例

测试问题	预期能力	测试结果
如何从 LTL 任务公式生成偏序集？	概念解释与流程梳理	通过
AC 和 KC 有什么区别？	语义约束分析	通过
生成避免与保持语义增强算法伪代码	算法生成	通过
MILP 如何表达前序和冲突？	数学建模辅助	通过
上传论文后分析可借鉴点	论文精读	通过
询问知识库未覆盖内容	边界控制	通过

---

九、适用场景

本智能体适用于：

1. 多智能体任务规划方向的论文阅读；
2. LTL / sc-LTL 任务建模学习；
3. Büchi 自动机与偏序分解理解；
4. 避免约束 AC 与保持约束 KC 的算法设计；
5. MILP 任务分配与调度建模；
6. 组会汇报内容生成；
7. 专利算法流程撰写；
8. 代码复现思路梳理。

---

十、附件

智能体配置文件：

post_milp_task_planning_assistant.json

[poset_milp_task_planning_assistant.json](https://github.com/user-attachments/files/28432414/poset_milp_task_planning_assistant.json