利用LLMs增强农业气象推荐

农业气象推荐通过为农民提供基于天气预报、土壤条件和作物特定数据的可操作见解，对于提高作物生产力和可持续性至关重要。本文提出了一种利用大型语言模型 (LLMs) 和提示工程来提高这些推荐准确性和相关性的新颖方法。我们设计了一个多轮提示框架，利用更新数据和反馈迭代优化推荐，并在ChatGPT、Claude2和GPT-4上实现。我们的方法使用手动收集的数据集，与基线模型和思维链 (CoT) 方法进行了评估。结果表明，在准确性和上下文相关性方面有显著提升，我们的方法达到了高达90%的准确率和较高的GPT-4评分。通过真实世界试点研究进行的额外验证进一步证实了我们方法的实际效益，凸显了其变革农业实践和决策的潜力。