UrbanDS：面向数据密集型城市任务的图引导 LLM 多智能体系统

arXiv AI 论文提出了 UrbanDS，一个图引导的 LLM 多智能体系统，用于应对数据密集型城市任务。该系统先构建统一的数据集图，组织可复用数据集技能及其关系；运行时由规划智能体检索相关数据集并生成执行计划，多个执行智能体共享中间结果，最终由报告智能体合成报告。同时构建了 UrbanDS-Bench 基准用于评估。

此前 LLM 智能体处理数据科学任务时依赖少量提供的数据集，难以从大规模、多源异构数据仓库中发现并利用相关信息。UrbanDS 通过图结构组织数据集技能与关系，使智能体能够自主检索相关数据集并协作执行，为城市数据分析这类复杂场景提供了可复用的系统框架。

系统通过 Data Profiling Agent 为每个数据集提取技能，Relation Agent 识别数据集之间的空间、时间、语义关系并整合到统一图结构中。运行时 Planner Agent 从图中检索与任务相关的数据集并生成执行计划，多个 Execution Agent 并行处理分析，通过共享内存交换进度与中间结果，最后由 Report Agent 综合日志并支持用户反馈迭代。

• UrbanDS 在真实城市数据仓库上的性能与鲁棒性如何？
• 该系统的数据集图构建与更新是否需要大量人工标注？
• 系统能否推广到城市以外的其他数据密集型领域？