随着大语言模型(large language models

LLM)的兴起，电力领域多数知识问答任务可由其高效处理。首先，电力领域涉及数据分析、多步推理的复杂任务，LLM处理效果仍不理想，核心症结在于缺乏电力特定领域知识、无法精准执行业务逻辑，且规划过程中易出现幻觉问题，难以适配电力行业的实际应用需求。其次，针对该问题展开研究，发现电力行业复杂问题可拆解为动作规划、领域知识获取、业务推理三大核心步骤，据此提出过程动作知识多智能体(process-action-knowledge multi-agent

PAKA)框架，该框架为每个步骤配置独立智能体(Agent)

并以基于知识图谱的领域知识库为核心支撑，提供可靠推理依据与严格规划约束，通过各Agent间的高效推理交互，实现电力复杂任务的协同闭环处理。最后，鉴于目前缺乏面向电力领域实际复杂任务的专用评估数据集，通过人工构造方式搭建覆盖电力行业多场景的评估数据集，包含业务分析、指标查询、领域知识查询三类样本，为框架性能验证提供支撑。实验结果表明，所提PAKA框架显著提升了LLM在电力行业复杂任务中的处理能力，有效缓解了任务规划中的幻觉问题，同时大幅提高了推理结果的准确性与实际可用性，为电力行业复杂任务自动化处理提供了新思路。