一种动态规划多轮检索增强的推荐智能体方法

本申请公开了一种动态规划多轮检索增强的推荐智能体方法，解决无法适配多样化的用户上下文，开环的检索流程易导致知识补全不完整，最终引发大模型推理幻觉、推荐性能受限的问题。首先，设计分层策略网络，将知识检索与推荐任务深度耦合于强化学习策略网络中，动态生成感知推荐上下文的结构化检索计划；其次，通过多轮反思机制检测知识缺口，反向调整检索计划实现精准知识补全，形成感知‑规划‑执行‑反馈的闭环优化流程；最终，每一轮均利用检索增强的知识驱动大语言模型完成推荐，并以累计检索成本与推荐增益的联合奖励优化策略网络，实现检索流程的自优化。本申请在多个公开数据集上完成训练、测试与模型优化，验证了该方法的有效性。