探索面向环境数据管理的稳健多智能体工作流

将LLM驱动的智能体引入环境FAIR数据管理颇具吸引力——它们可以外化操作知识，并在异构数据与不断演进的规范下扩展数据整理规模。然而，用概率性工作流替换确定性组件会改变失效模式：LLM流水线可能生成貌似合理但实际错误的输出，它们能通过表面检查并传导至DOI注册与公开发布等不可逆操作。我们介绍EnviSmart，一个部署于校园级环境科研存储基础设施上的生产级数据管理系统。EnviSmart通过两种机制将可靠性作为架构属性来对待：其一是三轨知识架构，将行为（治理约束）、领域知识（可检索上下文）与技能（使用工具的规程）外化为持久且相互咬合的制品；其二是角色分离的多智能体设计，由确定性验证器与经审计的交接在不可逆步骤之前的信任边界处恢复失效即停止（fail-stop）语义。我们比较了两个生产部署。该大学GIS中心的生态档案（849个经整理的数据集）作为单智能体基线。SF2Bench是一个复合洪水基准，包含2452个监测站和横跨39年的8557个已发布文件，用于验证多智能体工作流。多智能体方案同时提升了效率——由一名操作员在两天内完成，且制品在多次部署中反复复用——与可靠性：经审计的交接在发布前检测并阻断了一个影响全部2452个站点的坐标转换错误。一起代表性事件（ISS-004）展示了基于边界的遏制能力：10分钟检测延迟、零用户暴露和80分钟解决时间。本文已被PEARC 2026接收。