基于 RAG 的城市碳治理证据锚定多智能体规划支持
计算机与社会
2026-01-21 v1
摘要
城市碳治理要求规划者将异构证据——排放清单、统计年鉴、政策文本、技术措施及学术成果——整合为可执行的跨部门规划。大语言模型(LLM)能够辅助规划工作流,但其事实可靠性与证据可溯源性仍是专业应用中的关键障碍。本文提出了一种基于标准文本检索增强生成(RAG)(不使用 GraphRAG)构建的城市碳治理证据锚定多智能体规划支持系统。我们通过将任务分解为四个专用智能体使系统与典型规划工作流对齐:(i)用于事实核查与合规查询的证据问答,(ii)用于诊断分析的排放状况评估,(iii)用于生成多部门治理路径的规划建议,以及(iv)用于生成规划式交付物的报告整合。我们在两类任务中评估了该系统:事实检索与综合规划生成。在事实检索任务中,引入 RAG 将平均分从 6 分以下提升至 90 分以上,并显著改善了关键字段提取(例如,区域和数值检测率接近 100%)。一个真实城市案例研究(中国宁波)展示了端到端报告生成,在专家评审中具有很强的相关性、覆盖度和连贯性,同时也突出了跨数据源的边界不一致性作为实际局限性。
引用
@article{arxiv.2601.11587,
title = {Evidence-Grounded Multi-Agent Planning Support for Urban Carbon Governance via RAG},
author = {Yuyan Huang and Haoran Li and Yifan Lu and Ruolin Wu and Siqian Chen and Chao Liu},
journal= {arXiv preprint arXiv:2601.11587},
year = {2026}
}