2026年9月18日，中国农科院基因组所（大鹏湾实验室）商连光团队联合崖州湾国家实验室、盐碱地综合利用国家技术创新中心，在《分子植物（Molecular Plant）》上在线发表题为'OASIS, a self-evolving AI scientist that integrates omics data and literature knowledge for plant stress research'的研究论文。该研究开发了面向植物逆境研究的自进化AI科学家'绿洲'（OASIS）。系统将大语言模型、多智能体协作、植物逆境文献知识库以及组学和遗传数据纳入同一科研流程。'绿洲'将复杂科研任务拆解为多个子任务，由6个AI智能体分工协作完成。研究团队进一步以水稻耐盐为案例，对'绿洲'提出的候选基因开展实验验证，形成了从科学问题到候选假说再到实验验证的完整研究路径。
部署全季节事件驱动多智能体系统FAIRY，在大豆农场完成从起垄到存储的全流程评估。
中国农科院深圳基因组所李奎教授团队在Journal of Integrative Agriculture发表的BOLE多智能体AI平台，将原本高度依赖专业知识的复杂工程任务简化为直观的自然语言对话，显著降低技术使用门槛同时提升分析结果可重复性。BOLE已上线并免费开放使用同时支持本地化部署。论文第一作者为广东省农科院王子帅与深圳基因组所梁崇霄，研究得到国家重点研发计划、猪禽种业全国重点实验室基金等项目支持。
综述90篇文献，提出PRAS框架与就绪度量表，评估智能体AI在畜舍管理中的应用与成熟度。
上海市农业科学院生态环境保护研究所土壤修复与保育团队联合歌历伽谱（上海）科技发展有限责任公司、上海卓益得机器人有限公司，正式上线"坤灵智壤——多智能体协同都市农田土壤健康诊断系统V1.0"。该系统集土壤健康监测数据库、专业计算引擎与多智能体协同平台于一体，重点破解土壤监测数据分散、评价标准不一、分析精度不足、效率不高等痛点；与通用大语言模型相比，系统在土壤健康评估的专业性、场景适配性和可解释性等方面提升25%至80%。前期内测用户已覆盖浙江大学、四川省农业科学院、四川农业大学等多家单位。
近日，上海市农业科学院生态环境保护研究所土壤修复与保育团队正式上线"坤灵智壤-多智能体协同都市农田土壤健康诊断系统 V1.0"。该系统基于多源数据构建了集土壤健康监测数据库、专业计算引擎与多智能体协同系统于一体的综合性智能平台，将 AI 技术与土壤健康评估深度融合，打造农田土壤"数字医生"，已建成覆盖 6 大类因子、25 个协变量、1629 个土壤样点数据。
综述农业信息物理系统中感知驱动多机器人协同与非结构化环境物流的研究进展。
Wenzheng Tao、Qiwei Sang(江苏大学计算机科学与通信工程学院)、Cong Chen(农业农村部南京农业机械化研究所)、Qirong Mao(江苏大学)发表综述论文。本综述聚焦由大语言模型及相关多模态基础模型驱动的现代农业智能体,考察这一新兴领域如何重塑智能农业系统的组织模式。综述阐明农业智能体的概念边界,综合其架构基础、关键能力、应用场景、部署挑战和未来研究方向。综述文献表明,农业智能体正从孤立的感知、预测和响应生成,向农业任务链中农业知识、动态数据、外部工具和决策流程的目标导向协调转变,开始支持更集成的知识服务、作物监测与诊断、决策支持和农场级协作管理形式。
内蒙古自治区科技重大专项农业生产多智能体时空大模型关键技术研发与示范应用项目启动会在呼和浩特召开，由呼伦贝尔农垦集团牵头联合内蒙古大学、内蒙古工业大学、内蒙古农业大学、哈尔滨工业大学、中科院计算所、华南农业大学、西华大学共同实施，中国工程院院士罗锡文领衔担任首席科学家，路战远院士担任咨询委员会主任。项目立足呼伦贝尔百万亩寒地农业场景，研发农业专用大模型和智能农机一体化平台，为5万亩示范区搭建标准化数据集与一体化管控平台。
本文提出VIDA+PANDA多智能体视觉语言框架用于零样本作物病害诊断,包含两个阶段:VIDA多VLM智能体独立分析作物叶片图像建立基线性能;同行锚定命名审议架构(PANDA)在选定的智能体群体中引入结构化多轮辩论,智能体交换推理、批评同行预测、通过基于证据的讨论修订决策,反谄媚机制阻止无支持的共识转变。在CDDM基准上使用来自四个独立提供商的七个异构VLM,在完全零样本设置下,非参与方GPT-5作为独立评判者评估。框架引入三个语义度量:语义标签相似度(SLS)、推理特异性(RS)、智能体间推理收敛度(IRC)。实验结果表明协作多智能体审议提高了个体诊断性能和语义对齐,较弱智能体增益最大。原文框架发表于Frontiers in Plant Science。
Agri-SAGE是一个闭环框架，旨在通过将检索增强的多智能体LLM推理与基于APSIM的生物物理模拟相结合，生成并验证农艺建议，从而解决静态农艺指南"对季节内变化和动态不确定性视而不见"以及LLM驱动咨询系统"生成农艺上可信但生理上不可信的建议"两个核心矛盾。研究评估了三种推理方法——规划与求解、思维树和反思法，进行了为期10年的回顾性分析。结果显示三种推理方法均优于静态基线，其中思维树实现最高产量，反思法以较低计算成本达到相当效果。