鉴于大语言模型与多智能体强大的自然语言理解及复杂任务处理能力，探索其在图书馆学科服务领域的应用，对于推动学科服务智慧化转型具有重要意义。

大语言模型驱动的图书馆学科服务

大语言模型是通过无监督学习在大规模文本语料基础上进行训练，具有大量参数的预训练语言模型，其发展始于早期的自然语言处理研究，经历从统计语言模型到神经语言模型，再到预训练语言模型的演进过程，这些都为大语言模型的后续发展奠定了扎实的基础。学科服务是以用户需求为导向、以图书馆学科资源为依托，为用户提供专业化、系统化及嵌入式的个性化知识服务。借助大语言模型能够精准理解用户的复杂问题，并生成可读性高、精准性强的结果，进而提高图书馆学科服务的质量。研究者围绕大语言模型为图书馆学科服务领域带来的变革与挑战展开深入探讨。

学科服务多智能体构建方法

在已构建的学科服务多智能体框架基础上，本研究进一步从实操层面出发，结合多智能体实现技术，系统梳理学科服务多智能体的标准化构建流程，该流程充分遵循分析、设计、开发、测试、部署、迭代的逻辑主线，确保各环节的科学性和可操作性，整个实现路径可具体划分为以下核心步骤。

目标定义与需求分析。目标定义与需求分析是构建多智能体的初始阶段，该阶段需紧密结合学科服务工作痛点（如服务响应慢、学科支持不足等），围绕“用户-场景-价值”深度展开，以确保学科服务多智能体设计符合实际需求且可落地实现。学科服务多智能体的目标是通过资源整合与智能化服务，助力师生解决教学、科研及学习问题，从而提升科研产出效率与学习质量。需求分析是指通过用户调研与场景分析，全面识别学科服务的用户类型、场景定位及核心需求，为后续学科服务多智能体设计提供内容支撑。

智能体设计与架构规划。智能体设计与架构规划阶段的核心任务包括智能体的角色定义与分工、交互机制以及智能体集群架构设计。首先，根据学科服务任务的复杂度，给智能体分配相应角色，同时为每个角色划分技能边界，明确每个智能体哪些能做与哪些不能做，避免功能重叠；其次，在角色定义与技能划分的基础上，制定各智能体间的协作机制，保障任务闭环完成；最后，根据协作机制的复杂度选择架构模式，包括集中式架构、分布式架构和混合式架构。

智能体开发与集成。智能体开发与集成阶段是实现多智能体系统核心功能的重要环节，该阶段的主要目标是将设计阶段定义的智能体角色及技能转化为可执行的单智能体，并根据协作机制集成为统一的多智能体系统。首先，创建单智能体实例，定义名称、功能介绍等基础属性，为每个智能体编写结构化提示词。其次，对单智能体进行模型设置和参数配置，通过配置工具、创建工作流等方式拓展模型的能力边界；同时构建学科服务领域知识库，用于外部数据存储及检索能力增强，利用多步相似度检索进一步降低智能体幻觉，提升智能体在学科服务细分领域的服务质量，实现学科服务领域的专业知识与通用大模型的有效对齐；通过配置长期记忆来存储用户个性化信息，设置定时触发器或时间触发器以提升智能体系统的响应效率。最后，集成已创建的单智能体，设置多智能体协作机制，规划任务分解及协作逻辑，通过单智能体间的分工协作来高效处理复杂任务。

测试与优化。测试与优化是确保多智能体满足学科服务需求，实现高效、稳定运行的关键阶段，主要目标是保证多智能体系统功能准确、智能体间协作有效、具备容错并发处理能力和提升用户体验。主要的测试方法包括单元测试、集成测试、性能测试以及压力测试。基于测试过程检测出的问题，结合学科服务的核心目标，提升服务准确性与效率以优化模块功能，减少智能体冲突与冗余以优化协作效能，提升系统可扩展性与可维护性以优化架构模式，最终形成测试、反馈、优化、再测试的闭环迭代。

部署与实施。部署与实施主要围绕稳定、可用、高效三大特性，将测试与优化后的学科服务多智能体系统从开发环境迁移至生产环境，确保其稳定并高效支持学科服务。关键任务包括部署策略选择、分阶段部署实施、安全监控运维以及用户适配与培训。

学科服务多智能体分类

学科服务多智能体构建的目的在于适配多元化的应用场景，如学科情报分析、参考咨询及教学科研支持等。情报分析是学科服务的基础核心工作，主要涉及基本科学指标（Essential Science Indicators，ESI）学科发展概况、学科竞争力分析等报告的撰写，人工分析需要耗费大量时间，同时需要多次核对以确保数据的准确性，且存在分析深度有限等问题。情报分析型智能体是提供学科情报分析的专业多智能体，它能够对用户上传的学科数据进行精准提取、科学计算与深度剖析，生成包含可视化图谱、关键发现和针对性建议的综合性分析报告。

该智能体通过自动化数据分析流程与方法，为学科分析等报告撰写工作提供智能化辅助，在显著提升情报分析效率的同时，保障内容的可靠性与科学性。情报分析型智能体由情报总控智能体、数据采集智能体、ESI学科潜力分析智能体、学科竞争力分析智能体、高被引论文与热点论文分析智能体及报告生成智能体组成。情报总控智能体负责对用户输入的需求进行解析，明确总体任务目标，将其拆分为具体的子任务，形成详细的分工计划；数据采集智能体对学科相关数据进行采集、解析和清洗，并以特定格式输出；ESI学科潜力分析智能体基于InCites和ESI阈值数据，计算各学科对应的接近度并排序，输出ESI学科潜力分析报告；学科竞争力分析智能体利用InCites各高校学科排名数据，计算学科接近度并分析排名情况，输出学科竞争力分析报告；高被引论文与热点论文分析智能体依据ESI相关数据，量化论文数量并梳理对应学科分布，对统计结果展开全面剖析，输出高被引及热点论文分析报告；报告生成智能体汇总上述子智能体的分析结果，结构化生成包含可视化图谱的综合性分析报告。

（摘自《数字图书馆论坛》网络首发：2026年4月20日）