LLM大模型多轮对话解决方案

当前，大模型对话能力虽然还不是很强大，但确实具有巨大的应用潜力有待发掘。实际应用中，自由对话有一定的应用场景，但更多是是为特定目标而进行的多轮对话，在众多行业领域都有广泛的应用前景。这里提出一些自己的见解和解决方案，欢迎交流探讨。

一、参数模板问答

适用于有明确意图，但是需要逐步提供反馈的场景，通过多轮对话进行信息补全后进行最终回答。如：订机票订酒店、脚本代码生成、智能问卷、智能考试等。

执行步骤：

1. 参数模板匹配（识别并加载参数列表）
2. 循环对话，等待用户反馈，并识别填充参数，直到所有参数完成
3. 执行模板处理逻辑，完成回答，反馈结果

例子1：RPA脚本调用流程

1. 模板匹配进入RPA脚本“用户登录“流程