1.一种面向大语言模型智能体的经验抽取与任务规划方法，其特征在于，包括以下步骤：S1，构建执行历史库，并向智能体提供执行历史上传接口，所述执行历史库中存储有智能体的任务规划轨迹；

所述任务规划轨迹包括以下属性信息：任务描述、任务执行状态、动作或调用的工具、动作或工具的运行结果；

所述任务执行状态作为属性，用于记载任务执行结果是否成功；

所述动作或工具的运行结果作为属性，用于记载动作执行或工具运行是否成功；

S2，从S1中的任务规划轨迹中，提取若干条子任务分解经验与若干条任务执行方案经验，每条所述子任务分解经验，包括任务描述及其分解得到的若干个子任务，所述子任务分解经验用于指导智能体如何将复杂任务分解为多个子任务，每条所述任务执行方案经验，包括任务描述及用于完成该任务描述需要执行的若干个动作和需要调用的若干个工具，所述任务执行方案经验用于指导智能体如何依次调用工具、采取动作来完成任务；

S3，提取易错点提醒经验：

使用大语言模型，从执行历史库中总结出智能体所犯的错误，得到若干条易错点提醒经验，每条所述易错点提醒经验包括任务描述和错误，所述错误的类型包括：调用工具时缺失了必要参数、忽略步骤间的依赖关系、智能体缺乏执行任务需要的知识；

S4，对所述子任务规划经验、所述任务执行方案经验、所述易错点提醒经验中的任务描述进行数据增强，以减轻任务描述多样性对S5语义相似度搜索的影响，所述数据增强包括：使用大语言模型，扩展任务描述，生成更多角度的描述；

S5，构建经验库，并向智能体提供经验获取接口；

所述经验库中的经验数据包括：步骤S2得到的子任务分解经验、任务执行方案经验，和步骤S3得到的易错点提醒经验；

智能体收到任务请求后，调用所述经验获取接口，通过语义相似度检索得到任务相关的经验数据，基于所述任务相关的经验数据，优化智能体的Prompt构造。

2.如权利要求1所述的一种面向大语言模型智能体的经验抽取与任务规划方法，其特征在于：步骤S1中，所述任务规划轨迹的格式为结构化的树型结构；所述任务规划轨迹还包括以下属性信息：父子任务从属关系；

所述结构化的树型结构，包括三种类型的节点，分别是任务节点、底层任务节点、工具或动作节点；三种类型的节点都包括节点状态字段，节点状态字段的值为成功或不成功；若当前节点为任务节点和底层任务节点时，节点状态字段用于标记的属性信息为任务执行状态，若当前节点为工具或动作节点，节点状态字段用于标记的属性信息为动作或工具的运行结果；

所述树型结构的根节点，代表智能体收到的任务请求，类型为任务节点和底层任务节点中的任意一个；

所述任务节点代表能分解子任务的任务，能分解子任务的任务节点的子节点是任务节点或底层任务节点；

所述底层任务节点代表该任务不能被分解为子任务，其子节点为工具或动作节点；

所述工具或动作节点作为叶子节点，代表用于完成底层任务需要执行的动作或需要调用的工具；

步骤S2中，提取若干条子任务分解经验与若干条任务执行方案经验的方法，为从结构化的树型结构任务规划轨迹中提取经验的方法，包括以下步骤：从树的根节点往下遍历，直到遍历到叶子节点；

如果遍历到的节点类型为任务节点，且节点状态为成功，则生成一条“子任务分解经验”，所述“子任务分解经验”的结构包括：当前节点的任务描述和所述节点的所有子任务；如果遍历到的节点类型为底层任务节点，且节点状态为成功，则生成一条“任务执行方案经验”，所述“任务执行方案经验”的结构包括：当前节点的任务描述和所述节点下的所有节点状态为成功的工具或动作节点。

3.如权利要求1所述的一种面向大语言模型智能体的经验抽取与任务规划方法，其特征在于：步骤S1中，所述任务规划轨迹的格式为：非结构化的文本型结构，以连续纯文本的形式呈现；

步骤S2中，所述提取若干条子任务分解经验与若干条任务执行方案经验的方法，是通过大语言模型，从非结构化的文本型任务规划轨迹中提取经验，对所述大语言模型使用的Prompt的编写，包括：给大语言模型定义一个角色代入；

要求大语言模型通过任务规划轨迹，提取所述子任务分解经验与任务执行方案经验；

对于所述子任务分解经验的提取，找出成功执行并进行了分解的任务，归纳其子任务分解方法；

对于所述任务执行方案的提取，找出执行成功且无法再分解的任务，归纳该任务的有效动作或工具调用；

要求大语言模型的输出格式为以结构化的格式输出，以利于后续对结构化的数据进行程序处理。

4.如权利要求1所述的一种面向大语言模型智能体的经验抽取与任务规划方法，其特征在于：步骤S3中，所述大语言模型使用的Prompt的编写，包括：给大语言模型定义一个角色代入；

要求大语言模型通过任务规划轨迹，提取所述易错点提醒经验；

提取的方法包括以下步骤：要求大语言模型地细化任务，根据步骤S3中所述错误的类型归纳出易点错提醒经验；

每个任务可能含有多个易错点，要求大语言模型在同一句话中描述；若找不出错误，忽略该任务；

要求大语言模型的输出格式为以结构化的形式输出。

5.如权利要求1所述的一种面向大语言模型智能体的经验抽取与任务规划方法，其特征在于：步骤S4中，用于所述数据增强的所述大语言模型使用的Prompt的编写，包括：给大语言模型定义一个角色代入；

要求大语言模型扩展所述任务描述；

扩展的方法包括以下步骤：抹除任务描述中的特殊参数信息；从若干个不同角度扩展任务描述；限定扩展生成的新任务描述的数量；

要求大语言模型的输出格式为以结构化的形式输出。

6.如权利要求1所述的一种面向大语言模型智能体的经验抽取与任务规划方法，其特征在于：所述步骤S5中，所述经验库的构建，包括：使用embedding模型将所述子任务分解经验、任务执行方案经验和易错点提醒经验转换为向量并保存；

调用所述经验获取接口，包括：使用embedding模型将智能体收到的任务请求转变为向量，使用余弦相似度计算向量距离，从而获取与当前任务最相关的若干条子任务分解经验、任务执行方案经验和易错点提醒经验；智能体参考所述最相关的若干条子任务分解经验、任务执行方案经验和易错点提醒经验，优化其Prompt构造。