在全球农业转型的大背景下，智慧农业正成为提升农业生产力的重要力量。进入“十五五”时期，《国务院关于深入实施“人工智能+”行动的意见》明确将农业列为人工智能赋能的重点领域，提出发展农业智能装备、农业智能化管理等新应用。与此同时，智慧农业的快速发展，也对高层次、复合型人才提出了更高要求。当前，农业高校在人才培养中仍面临课程内容更新不够及时、科研成果转化不够顺畅、多主体协同不够紧密等问题，亟须通过深化“科教融汇与产教融合”，推动农业教育体系与产业需求深度衔接。
在这样的背景下，南京农业大学智慧农业团队依托国家信息农业工程技术中心、作物学“双一流”学科和智慧农业交叉学科优势，探索出一条面向未来农业的人才培养新路径。团队引导学生运用AI大模型技术整合智慧农业课程知识，构建农业知识图谱，并通过知识梳理提炼、大模型训练和科普论文写作，实现知识的输入、理解与输出；同时，依托团队已有的知识模型、生长模型和表型解析模型，构建了基于机理模型与AI大模型融合的农业智能体——“慧耕耘”，实现农业知识问答、作物长势分析、作物生长模拟和种植管理方案推荐等功能。
“慧耕耘”以农业生产实际应用为导向，赋能学生面向不同类型的农业经营主体开展科普与志愿技术服务，将人才培养嵌入产业应用全过程，并将产业一线的问题持续反馈到教学与科研之中，逐步构建起“产学研用”深度融合的育人机制，实现“科教融汇”与“产教融合”的双向循环，为智慧农业人才培养提供了一个可借鉴、可推广的创新样本。
在数字化与人工智能深度融合的今天，AI正成为引领新一轮科技革命、产业变革和教育变革的战略性力量。人工智能的发展，经历了从规则推理、专家系统到深度学习，再到如今大模型时代的演进。如今的大语言模型，已经不再局限于完成某一个单一任务，而是能够处理复杂、多模态信息，具备更强的理解、推理和生成能力，在农业领域也展现出巨大潜力。
但农业不是一道标准题。农业生产具有很强的地域性、季节性，受到天气、土壤、品种、管理方式等多重因素影响。仅靠大语言模型，往往难以实时感知农田环境变化，也难以对作物长势、土壤条件和农事需求作出精准响应。它擅长“懂道理”，却未必真正“懂地里”。如果缺乏实时数据、专业知识体系和定量模型支撑，大模型给出的建议就容易停留在理论层面，难以落实到具体地块、具体作物和具体时节，甚至可能偏离农业生产实际。正因如此，发展具备环境感知、记忆规划、工具调用和自主执行能力的“农业智能体”，成为智慧农业发展的必然选择。
南京农业大学智慧农业创新团队以多模态大模型为调度中枢，深度融合知识检索增强（RAG）、模型上下文协议（MCP）和多智能体协同技术，实时耦合气象、土壤、品种和农事记录等数据，结合作物感知与生长预测机理模型，构建了基于“知识+量化”双引擎的“慧耕耘”农业智能体。
在知识引擎上，团队融合了多年、多点种植数据，空天遥感数据，长时序气象数据以及物联网感知数据。研究生参与了大量农业场景数据的积累和整合，本科生则把课堂上学习的专业书籍、专家经验、权威专著和专业文献，经过学习内化、数据清洗和系统化重构，转化为本地知识向量库和专业知识图谱，真正把“所学”变成“所用”，构建起面向真实农业生产的多源异构数据底座。
在“量化引擎”方面，团队依托MCP、Skill技术和多智能体协同架构，将表型解析算法、CropGrow作物生长模型算法和知识决策算法封装为可调用的功能模块，由大模型进行任务调度，再通过多智能体协同生成最终方案，从而保证在复杂农业环境中依然能够作出更加专业、精准和可落地的决策。
目前，“慧耕耘”已面向不同应用场景推出电脑版、网页版和小程序版多个客户端，兼容文本、图片、语音等多模态输入方式，可生成涵盖品种推荐、种植规划、生长诊断、水肥运筹和效益评估在内的量化方案。用户还可以在“慧耕耘”平台上传本地知识库，构建不断学习、不断进化的专属农业智能体。
“慧耕耘”智能体，最早源于南京农业大学智慧农业创新团队朱艳教授、肖浏骏副教授指导的大学生创新创业项目，随后逐渐融入团队在农情遥感监测、农作系统模拟、农田精准管理等方向的协同攻关，成为师生共同研发、共同打磨、共同应用的重要成果，获得2025中国国际大学生创新大赛金奖。
为了验证模型是否真正有效，团队没有停留在“先发布一个产品”的层面，而是选择直接走向农业生产一线，在中试熟化和广泛应用中验证它、完善它。团队搭建了“高校+科技小院+农技推广部门+农业生产主体”的技术应用网络，创新探索“共享农技员”模式，组织学生带着“慧耕耘”真正扎根大田，去发现农业生产中的真实问题，挖掘农业农村的现实需求，在服务中学习，在实践中成长。
在这一过程中，学生不仅传播科技、开展技术服务，也把大田生产中的一手数据不断反馈给模型，推动农业大模型持续优化升级。这样一来，大模型不再只是一个“会聊天的电子书”，而是逐步成长为一个真正能帮助农业生产主体解决问题的智能助手，让农户感受到它“实用、管用、好用”，不再觉得智慧农业“听不懂、用不会、难接受”。
如今，“慧耕耘”智能体已在江苏省“人工智能+农业”推进会暨农业农村局长会议上被列为江苏省首批农业智能体，并被推荐在全省推广应用。围绕不同层级的农业经营主体——地方农技推广部门、普通种植农户和规模化农业企业，团队还构建了分层施策、精准触达的差异化服务机制，推动服务标准分类形成、落地见效。
针对基层农业监管难、专业人员紧缺、技术手段相对滞后等痛点，团队与地方农业部门合作建设智慧农业示范区，部署县级农业大数据平台和本地化农业大模型，提升区域农业的数字化监管与服务水平，为地方政府科学决策提供有力支撑。比如在河南邓州，团队联合邓州农技推广中心建立智慧农业示范田，通过采集上万组数据，让大模型更深入地理解当地水土特性，针对砂姜黑土等土壤问题生成标准化改良方案，探索出一条符合中原地区实际的智慧种植路径。
针对农户技术接纳度不高、付费意愿较弱的现实问题，团队联合地方部门和种植大户，招募返乡大学生和新农人，经培训后上岗成为“共享农技员”。农户只需支付较低费用，就能像“拼单”一样获得遥感监测、大模型指导等标准化服务。比如在江苏新沂，面对连阴雨等极端天气挑战，南京农业大学智慧农业团队联合共享农技员，利用CropGrow模型和“AI种田数字系统”，指导农户优选抗逆品种、科学调整播种深度，为来年丰产打下基础。这种“低门槛、可复制、接地气”的服务模式，有效打通了智慧农业技术落地的“最后一公里”，并被央视《新闻联播》《中国三农报道》作为科技助农典型进行深度报道。
面向农业企业和大型农场：提供“数字化诊断+技术赋能”服务
针对一些农业企业存在种植效益不高、管理较为粗放等问题，团队不直接替代企业管理，而是通过实施“一地一码”数字化改造，结合遥感技术和作物生长模型，为企业提供从播种到收获的全过程标准化决策支持。比如在南京溪田农业发展有限公司，团队对地块进行高精度数字化建模，并分区域采集土壤样本。基于土壤理化指标和企业风险偏好，利用大模型制定差异化种植方案，并建立常态化巡查机制，定期面向企业员工开展实地农技培训，手把手提升一线人员的种植水平和信息化素养。这种“授人以渔”的技术赋能方式，不仅让生产过程更加可视、可控，也帮助企业逐步建立起自己的技术团队和规范化的现代农业管理体系。
“慧耕耘模式”的实践，不仅在农业社会化服务领域进行了深入探索，也在涉农高校教育教学改革中实现了新突破。在社会化服务方面，这一模式推动了农业全产业链服务体系的健全与推广，把原本模糊的农事经验，逐步转化为清晰的服务标准和可执行的操作规范。在人才培养方面，这一模式深入践行了“新农科”建设要求，推动农业科技成果更快走进乡村、走进农户，也推动涉农专业人才在真实问题中定向成长。依托“科技小院”，团队打破了传统课堂的边界，把教学现场搬到生产一线。导师带着学生，不仅参与“慧耕耘”农业智能体等前沿技术的研发与验证，还深度参与“共享农技员”机制的推广，把标准化的智慧农业技术传授给新农人，逐步培育出一支“带不走”的基层农技服务队伍。在“研发+应用+培训”的复合实战中，学生不断提升解决复杂工程问题的能力，也产出了一批高水平论文和竞赛成果，成长为既懂农业、又懂技术，既能扎根田间、又能服务产业的复合型人才，真正把论文写在祖国大地上。
