基于层次任务抽象机制的领域特定智能体设计

LLM驱动的智能体，尤其是使用通用框架（如 ReAct 或类人角色扮演）的智能体，在需要严格结构化工作流程的专业领域往往难以胜任。诸如遥感领域所需的专业工具（如校正、光谱指数计算）以及诸多中间产物和可选步骤的多步骤程序，显著挑战了通用方法。为解决这一问题，我们引入一种以层次任务抽象机制（HTAM）为核心的新型智能体设计框架。具体而言，HTAM 超越了模仿社交角色，构建智能体系统的逻辑层次结构，映射给定领域的内在任务依赖图。这种任务导向的体系结构通过强制程序正确性，将复杂问题分解为顺序层次，其中每一层的子智能体在前一层的输出上 operate。我们将该框架实例化为 EarthAgent，一个为复杂地理空间分析量身定制的多智能体系统。为评估此类复杂规划能力，我们构建了 GeoPlan-bench，一个包含真实、多步骤地理空间规划任务的综合性基准测试，并配套一系列精心设计的度量指标，用于评估工具选择、路径相似性和逻辑完整性。实验表明，EarthAgent 在各种 established 的单智能体和多智能体系统中显著优于后者。我们的工作表明，将智能体体系结构与领域的内在任务结构对齐，是通向构建稳健可靠的专业自主系统的关键步骤。