带结构与逻辑精炼的多智能体程序性图抽取

从自然语言自动抽取工作流为程序性图前景广阔但探索不足，既要求结构有效性又要求逻辑对齐。尽管近期大语言模型（LLM）展现出程序性图抽取的潜力，它们常产生病态结构或误解逻辑流。我们提出一个多智能体框架，将程序性图抽取表述为带专门结构与逻辑精炼的多轮推理过程。该框架在三个阶段中迭代：（1）与图构建智能体协作的图抽取阶段；（2）由模拟智能体诊断并解释结构缺陷的结构反馈阶段；（3）由语义智能体对齐流逻辑与源文本语言学线索的逻辑反馈阶段。重要反馈被优先排序并以自然语言表达，注入后续提示，实现可解释、可控的精炼。这种模块化设计使智能体能够针对不同错误类型，无需监督或参数更新。实验表明，该框架在结构正确性和逻辑一致性上相较强基线取得显著提升。