一种基于联邦上下文学习和大模型智能体的知识查询方法

本发明公开了一种基于联邦上下文学习和大模型智能体的知识查询方法，包括以下步骤：S1.每个客户端通过基于大模型的知识概要生成模块生成本地知识概要；S2.每个客户端将生成的知识纲要传输到中心服务器；S3.中心服务器将收集到的所有本地知识纲要进行拼接聚合创造全局知识纲要；S4.中心服务器将全局知识纲要下发到所有客户端；S5.客户端将收到的全局知识纲要转换为向量数据库进行数据存储，客户端的大模型智能体结合检索增强生成实现全局知识纲要根据用户的需求实现对应知识获取。本发明基于检索增强生成的知识学习使用模型设计，有效解决了大模型智能体联邦学习的带宽、计算需求，数据异构问题，能够提供高效且性能优良的联邦学习过程。