两个指令反过来说大模型就理解不了啦？或许该让第三者插足啦 -通过引入中间LLM预处理用户输入以提高多任务处理能力

今天就遇到有点儿dt的问题，利用大模型顺利通了自定义的工具调用（并没有用到tools功能，而是通过prompt强制输出），单个单个的没问题哈，但是多个一起就出现问题了

我说“关闭电脑PC1, 打开第2台电脑” 它看不懂了，但我反过来说“打开第2台电脑，关闭电脑PC1”，它倒是很机智，顺利找到了对应的主机id并调用了正确的工具，反正我是一脸懵逼，这到底是个什么鬼？毕竟是个黑盒，找到原因可能难但问题必须解决撒，只能另辟蹊径（PS这个不是恶作剧，而是一个云桌面的运维后台，我正研究如何利用AI提升效率）

1 问题背景：自然语言指令处理中的困境

在多任务处理的场景下，用户可能会提出一些包含多个动作的指令，比如：

“关闭电脑PC1，打开第2台电脑。”
“打开第四台电脑，关闭电脑PC1。”

通过实际测试，发现模型在面对这些复杂指令时，有时无法正确理解和执行所有任务。例如：

当用户要求“关闭电脑PC1，打开第2台电脑”时，模型可能无法正确调用两个工具来分别执行这两个操作。
但当指令顺序被调整为“打开第四台电脑，关闭电脑PC1”时，模型能够正确地按顺序调用工具，并且完成了用户的需求。

这种现象提示我们，模型在解析和执行指令时受到指令语序和结构的影响。因此，我们需要一种方法来更好地解析用户的复杂指令，并将其转换为具体的可执行操作。

2 解决方案：通过 LLM 解析层进行指令分解

为了让 LLM 更好地处理这些复杂的自然语言指令，建议增加一个专门的解析层，用于将原始的自然语言需求转换为多个明确的、可执行的步骤。该解析层可以通过 LLM 来实现，具体功能如下：

1. 分解复杂指令为多个步骤

用户的自然语言指令往往包含多个动作，这些动作有时是并行的，有时是按顺序执行的。通过 LLM 解析层，我们可以将复杂的指令进行拆解。例如：

用户输入：“关闭电脑PC1，打开第2台电脑。”
解析层输出：
- Step 1: 关闭电脑PC1
- Step 2: 打开第2台电脑

通过这种方式，每一个步骤都变得更加明确，可以独立执行，并且避免了模型对多个并列任务的混淆。

2. 明确操作类型与对象识别

解析层可以帮助模型更好地理解每个指令中的动词（如“关闭”或“打开”）及其作用对象（如“电脑PC1”或“第2台电脑”）。例如：

用户输入：“打开第四台电脑，关闭电脑PC1。”
解析层输出：
- Action 1: 打开 -> 电脑PC4
- Action 2: 关闭 -> 电脑PC1

通过这种明确的操作类型和对象识别，模型可以清晰地理解每个操作需要作用的目标，并根据目标生成正确的操作命令。

3. 处理任务的依赖关系

在复杂的任务环境中，某些操作之间存在依赖关系。例如，可能需要先关闭一台电脑再打开另一台。这时，解析层可以识别这些依赖关系，并为模型生成有序的执行步骤。对于顺序不明的任务，解析层可以判断是否需要并行执行任务，或者是否需要调整任务的顺序。

4. 自然语言转为工具命令

通过解析层，模型可以将复杂的自然语言指令转化为系统所需的结构化工具命令。以关闭和打开电脑为例，经过解析的步骤最终可以生成具体的 API 调用或命令行操作，如：

Command 1: 关闭(PC1)
Command 2: 打开(PC2)

这种方法将自然语言需求转化为明确的系统命令，使得多任务处理更加高效且可控。

3 实践示例

假设用户发出了如下复杂指令：

用户输入：“请先关闭PC3，然后开启PC1和PC4，最后关掉PC2。”

通过 LLM 解析层，这个复杂的需求可以被拆解为多个明确的任务步骤：

Step 1: 关闭 PC3
Step 2: 开启 PC1
Step 3: 开启 PC4
Step 4: 关闭 PC2

模型再根据这些步骤依次执行任务，或者将并行任务（如开启PC1和PC4）同时处理，最终确保任务按预期完成。

4 如何设计解析层

要设计一个高效的 LLM 解析层，需要注意以下几个关键点：

鲁棒的指令拆解能力：解析层需要能够理解复杂的自然语言指令，并准确提取出任务的关键动词和作用对象。比如，“关闭”“打开”等动词以及“PC1”“PC4”等对象的识别必须准确无误。
任务依赖关系的识别：解析层必须能够处理任务之间的依赖关系，确保前后顺序的合理性。在需要时，能够区分并行任务与串行任务。
应对模糊指令的能力：用户的自然语言可能包含模糊表达，如“打开所有电脑”，解析层需要能够处理这种模糊需求，推理出上下文中的具体执行对象。
灵活性与适应性：解析层还需要能够应对不同领域的任务需求，具有足够的灵活性来解析不同语境下的指令。