面向地球科学数据档案自主发现的层次化多智能体系统

地球科学数据的快速积累带来了显著的可扩展性挑战；尽管 PANGAEA 等数据仓库托管着海量数据集，引用指标表明其中相当一部分仍未被充分利用，限制了数据可复用性。我们提出 PANGAEA-GPT，一个为自主数据发现与分析设计的层次化多智能体框架。与标准大语言模型（LLM）包装器不同，我们的架构实现了集中式的 Supervisor-Worker 拓扑、严格的数据类型感知路由、沙箱化的确定性代码执行，以及通过执行反馈进行的自我纠错，使智能体能够诊断并解决运行时错误。通过横跨物理海洋学与生态学的用例场景，我们展示了该系统以最少人工干预执行复杂多步工作流的能力。该框架提供了一种通过协调的智能体工作流查询与分析异构仓储数据的方法。