ARIES：用于实时流行病监测与疫情监控的可扩展多智能体编排框架

全球卫生监测目前面临知识空白的挑战。尽管通用人工智能技术不断发展，但其在高风险流行病学领域仍然不适用，原因在于持续的幻觉问题以及无法导航专门的数据孤岛。本文引入ARIES（Agentic Retrieval Intelligence for Epidemiological Surveillance），一种专门的自主多智能体框架，旨在超越静态、疾病特定仪表盘，走向动态智能生态系统。ARIES基于层级命令结构，利用GPT技术 orchestrate 一群可自主查询世界卫生组织（WHO）、美国疾病控制与预防中心（CDC）以及同行评议研究论文的子智能体。通过自动化提取与逻辑综合监测数据，ARIES提供专门推理，能够在近实时内识别新兴威胁和信号偏差。该模块化架构证明，任务特定智能体群体能够超越通用模型，为下一代疫情响应和全球卫生情报提供了稳健、可扩展的解决方案。