基于智能体的元编排器用于多任务 Copilot
人工智能
2025-11-06 v2
摘要
Microsoft Copilot 套件作为处理各种擅长处理重要任务的智能体的通用入口，范围从帮助客户购买产品到检测公司编程代码中的漏洞。每个智能体都可以由语言模型、软件工程操作（如数据库检索）以及内部和外部知识驱动。Copilot 的 repertoire 可以通过添加新的智能体来动态扩展。这需要一个健壮的编排器，能够将来自用户提示的任务分配给正确的智能体。在本工作中，我们提出了用于处理 Copilot 服务中多个任务和可扩展智能体的 Agentic Meta-orchestrator (AMO)，它可以提供自然语言和动作响应。我们还展示了一种利用元学习的规划方法，即使用经过训练的决策树模型，在各种智能体/模型之间决定最佳推理策略。我们通过两个生产用例展示了 AMO 的有效性：Microsoft 365 (M365) 电子商务 Copilot 和代码合规 Copilot。M365 电子商务 Copilot 向外部客户推广 Microsoft 产品以促进销售成功。M365 电子商务 Copilot 提供最新产品信息并连接到多个智能体，如关系型数据库和人类客户支持。代码合规 Copilot 扫描内部 DevOps 代码以检测拉取请求 (PR) 中的已知和新颖的合规问题。
关键词
引用
@article{arxiv.2510.22781,
title = {Agentic Meta-Orchestrator for Multi-task Copilots},
author = {Xiaofeng Zhu and Yunshen Zhou},
journal= {arXiv preprint arXiv:2510.22781},
year = {2025}
}