研究意义
首次系统提出“多智能体 × 大语言模型”在农业中的完整技术框架，为“耕-种-管-收”全流程智能化、无人化提供理论+落地路线。
技术框架
- • 多智能体系统（MAS）＝“角色分工 + 动态协作 + 分布式决策”。
- • 大语言模型（LLM）＝每个智能体的“认知引擎”，负责语义理解、推理与生成。
- • 典型协作模式：
- • 水平结构：去中心化，适合开放场景；
- • 垂直结构：分层/中心化，适合精准任务；
- • 时序协作：早期任务拆解→中期实时协调→晚期结果整合。
农业七层应用架构
数据层 → 基础设施 → 模型 → 应用技术 → 交互 → 能力 → 场景应用
（把遥感、传感器、农机、知识图谱、人机界面全部串联）
全流程场景示例（以水稻为例）
- 1. 数据采集智能体：传感器/遥感实时感知土壤、气象、作物表型。
- 2. 数据处理智能体：多模态融合、清洗、特征对齐。
- 3. 任务协调智能体：根据目标（产量、品质、环保）动态分配子任务。
- 4. 执行智能体：无人拖拉机、无人机、灌溉/施肥/打药机器人精准作业。
- 5. 反馈优化：闭环监控→模型持续更新→策略再优化。
三大挑战
- • 可解释性：推理链不透明，难定位错误 → 引入思维链（CoT） + 专用解释器。
- • 幻觉风险：生成内容违背事实 → RAG检索增强 + 知识图谱 + 校验智能体。
- • 多模态数据：传感器异构、格式不统一 → 制定农业数据标准 + 跨模态大模型。
未来重点
- • 构建农业专属高质量知识库；
- • 开发低功耗、可迁移的多模态大模型；
- • 建立可信、可追溯的决策链，实现真正“无人农场”。
来源：
赵莹萍, 梁锦名, 陈贝章, 邓小玲, 张奕, 熊征, 潘明, 孟祥宝. 多智能体大模型在农业中的应用研究与展望[J]. 智慧农业(中英文), DOI： 10.12133/j.smartag.SA202503026