如何用成文化的人类专家领域知识增强LLM来构建AI智能体？一个软件工程框架

关键领域知识通常掌握在少数专家手中，造成可扩展性与决策的组织瓶颈。非专家难以创建有效的可视化，导致洞见欠佳并占用专家时间。本文通过一个工业案例研究，调查如何把人类领域知识捕获并嵌入 AI 智能体系统。我们提出一个软件工程框架，用于在仿真数据可视化中为工程化 AI 智能体捕获人类领域知识，其做法是用请求分类器、用于代码生成的检索增强生成（RAG）系统、成文专家规则与可视化设计原则来增强大语言模型（LLM），统一于一个展示自主、反应、主动与社会行为的智能体。跨多个工程领域的五个场景、12 名评估者的评估显示，输出质量提升 206%，我们的智能体在所有情形下达到专家级评分，而基线表现糟糕，同时保持更优且方差更低的代码质量。我们的贡献包括：一个自动化的基于智能体的可视化生成系统，以及一个经验证的框架，用于系统捕获人类领域知识并把隐性专家知识成文到 AI 智能体中，证明非专家也能在专门领域取得专家级成果。