面向大语言模型驱动 AI 系统的自主问题构建

针对现有 LLM 系统依赖预定义任务、难以在动态环境中自主识别问题的局限，本文提出一种基于人类模拟的框架。该框架使 AI 能通过推理内部状态、环境观测及多智能体交互，自主构建问题并设定任务。方法将问题构建视为任务执行前的首要决策过程，整合了内部驱动、环境感知和智能体间感知的提示范围。此外，框架支持从经验中学习问题构建过程，以提升适应性。多智能体仿真实验表明，该方法显著减少了资源匮乏事件，提升了决策质量。