用于非线性文献分析的多智能体根茎式流水线

社会科学中的系统性文献综述绝大多数遵循树状逻辑——分层关键词过滤、线性筛选与分类学归类——这些逻辑压制了复杂研究图景中特有的横向连接、断裂与涌现模式。本研究简报介绍Rhizomatic Research Agent（V3），一个以德勒兹过程-关系本体论为根基的多智能体计算流水线，通过在七阶段架构中运作的12个专业化智能体执行非线性文献分析。该系统的开发回应了(Narayan2023)所奠定的方法学基础——后者在其关于可持续能源转型的博士研究中运用了根茎式探究，但依赖研究者手工驱动的探索。Rhizomatic Research Agent将根茎的六条原则——连接、异质性、多样性、非意指断裂、制图与拓印（decalcomania）——落实为一条自动化流水线，集成大语言模型（LLM）编排、来自OpenAlex与arXiv的双源语料摄入、SciBERT语义地形分析以及动态断裂检测协议。初步部署展示了该系统揭示跨学科汇聚点与结构性研究缺口的能力，而这些正是传统综述方法系统性忽视的。该流水线开源，且可扩展到任何需要非线性知识映射的现象领域。