Agri-SAGE：面向情境感知农业咨询生成的仿真落地多智能体LLM

农业咨询系统面临根本张力：静态农艺指南提供一致、循证的建议——却对当季变异与动态不确定性视而不见。近期由LLM驱动的咨询系统则有另一种风险：生成农艺上可信但生理上难以令人信服的建议。Agri-SAGE是为解决上述两点局限而设计的闭环框架——将检索锚定的多智能体LLM推理与基于APSIM的生物物理模拟相集成——以生成并验证农艺建议。为评估该框架——我们在10年回顾性分析上评估三种推理方法：Plan-and-Solve、思维树与Reflexion。三者都显著超越静态PoP（实践包）基线——其中思维树取得令人瞩目的峰值产量。同时——Reflexion借助跨季节情景记忆以大幅更低的计算成本取得可比的农艺结果。