DataFactory：面向高级表格问答的协作式多智能体框架

表格问答（TableQA）支持用自然语言与结构化表格数据进行交互。然而，现有大语言模型（LLM）方法面临关键局限：上下文长度限制制约了数据处理能力，幻觉问题损害答案可靠性，而单智能体架构难以应对涉及语义关系与多跳逻辑的复杂推理场景。本文提出DataFactory，一个通过专业化团队协作与自动化知识转换来克服这些局限的多智能体框架。该框架由一个采用ReAct范式进行推理编排的Data Leader，以及专门的Database团队与Knowledge Graph团队组成，能够将复杂查询系统性地分解为结构化推理与关系型推理任务。我们通过映射函数T:D x S x R -> G将自动化数据到知识图谱的转换形式化，并实现了基于自然语言的咨询机制——与固定工作流的多智能体系统不同——支持灵活的智能体间商议与自适应规划，以提升协作稳健性。我们还应用了融合历史模式与领域知识的上下文工程策略，以减少幻觉并提高查询准确性。在TabFact、WikiTableQuestions与FeTaQA上，使用来自五家提供商的八个LLM，结果显示出一致的提升。我们的方法相比基线在准确率上提升20.2%（TabFact）与23.9%（WikiTQ），效应显著（Cohen's d > 1）。团队协作也优于单团队变体（TabFact +5.5%、WikiTQ +14.4%、FeTaQA ROUGE-2 +17.1%）。该框架为多智能体协作提供了设计指南，并通过集成结构化查询与基于图谱的知识表示，为企业数据分析提供了实用平台。