SCI一区Top!一种面向可控环境农业的知识驱动型智能服务智能体

期刊名称：

Computers and Electronics in Agriculture

（SCI一区Top、IF:8.9）

中文题目：

ChatCEA：面向可控环境农业的知识驱动型智能服务智能体

英文题目：

ChatCEA: a knowledge-driven intelligent service agent for controlled environment agriculture

关键词：

分布可控环境农业、大型语言模型、检索增强生成技术、CEA问答基准测试、知识整合模块

原文链接：

https://doi.org/10.1016/j.compag.2026.111733

投稿周期：

2025年2月28日投稿，2025年11月11日提交修改稿，2026年3月31日被接受，2026年4月11日在线发表。

• 方法创新：融合大语言模型与检索增强生成技术构建问答框架。

• 技术突破：设计知识集成模块有效提升定量参数解析准确率。

• 应用价值：支持本地化私有部署保障农业生产数据安全隐私。

可控环境农业正朝着集约化与精准化方向高速发展，但生产者在面对复杂的作物管理与环境调控时，往往受困于专业知识碎片化与获取门槛过高。传统的专家系统规则僵化，通用搜索引擎缺乏语义理解，而通用大语言模型又常因幻觉问题给出错误指导，导致生产者难以获取精确且可执行的农事操作建议，严重制约了设施农业的生产效率与智能化进程。

针对上述痛点，本研究提出了名为ChatCEA的领域专用智能服务智能体。该框架突破了传统检索增强生成技术的局限，构建了融合管理手册与期刊论文的双源专业知识库，并创新性地引入了知识集成模块。该模块通过非结构化数据处理技术解析复杂表格，结合混合检索与重排序策略，实现了对专业术语与数值参数的精准匹配。这一架构不仅为大语言模型注入了深厚的领域知识，还通过本地化部署方案解决了农业数据敏感性与隐私保护的难题。

该研究构建了包含1025个问答对的基准数据集，涵盖定性与定量两类问题，并细分为环境控制、水肥管理等七个子领域。实验结果表明，相较于通用大语言模型与传统搜索引擎，ChatCEA在答案正确率与专家评价得分上均有显著提升，尤其在涉及具体数值的定量问题上表现优异，能够输出简洁准确的决策支持信息，为智慧农业提供了高效可靠的人机交互范式。