用于自动化甲烷排放分析和报告的本地可部署、基于工具的 LLM 多代理框架

甲烷现场监测需要集成采样设计、气象解释、传感器处理、羽流分析、可视化和报告，但这些步骤通常分布在单独的专家驱动的工作流程中。我们开发了一个可本地部署、基于工具的 大语言模型 (LLM) 多代理框架，用于我们的低成本甲烷传感和现场监测活动。该框架使用 LLM 代理作为工作流程协调器，将现场测量、气象数据、确定性传感器处理例程、高斯羽流反演和报告生成联系起来，而不是直接估算甲烷浓度或排放量。跨不同现实环境（例如废水处理设施、垃圾填埋场以及石油和天然气站点）的广泛现场部署表明，我们的框架在工作流程路由和参数提取方面可以实现 92.0% 的准确率，在排放率估计和羽流预测方面可以达到 85.0% 的成功率，在实际操作条件下生成可编辑报告的成功率可以达到 95.0% 的成功率。与手动和通用LLM辅助工作流程相比，它将工作流程时间从小时级缩短到分钟级，降低了手动协调和即时工程要求，并保留了可追溯的基于羽流的输出。此外，大多数处理可以在本地执行，从而减少敏感设施和现场数据向云服务的暴露。这些结果表明，基于工具的 LLM 协调可以减少甲烷田监测的时间、劳动力、可用性和数据安全障碍。