A Large Language Model-based Agent System for Interactive Large-Scale Project Scheduling

Haram Seo

doi:10.1093/jcde/qwag082

A Large Language Model-based Agent System for Interactive Large-Scale Project Scheduling

2026-09-14

0

OA

AI

DOI：10.1093/jcde/qwag082

原文链接

原文求助

摘要

En 中文

先进优化技术为大规模工程项目生成高度复杂的计划。尽管大型语言模型最近已成为项目计划领域具有变革性的替代方案，但实现高精度框架必须克服两大主要障碍：大规模项目中的性能下降以及计划与分析之间的功能分离。为解决这些挑战，我们提出了一种本地自主的大型语言模型代理系统，旨在将开源模型提升至工业计划实用所需的精度水平。该系统在基于LangGraph框架（采用推理与行动范式）的协调下运行，代理通过计划生成与分析反馈相互强化的良性循环。为精确处理大规模项目，代理采用图检索增强生成方法，结合对计划知识图谱的局部与全局搜索。该方法将检索与分析、修改和优化工具相结合，检索仅提取计划的相关部分，而工具则执行检索单独无法完成的计划范围计算（如对计划内所有活动的汇总）。在真实计划数据的案例研究中，该框架将开源模型的精度提升至大规模计划的约90%。相比之下，无工具基线在各类模型中均表现不佳：开源模型无法在上下文窗口内容纳计划，即便长上下文商业模型（Gemini）也仅达到41%。这表明瓶颈主要在于工具缺失而非上下文窗口容量，这一发现得到我们的组件式消融研究支持。尽管本工作仅在一个造船厂的单一项目类型上进行了评估，但它展示了大型语言模型如何成为智能伙伴，并为工业计划领域的人工智能驱动支持及其他领域类似工作提供了参考点。

A Large Language Model-based Agent System for Interactive Large-Scale Project Scheduling

摘要

期刊

机构

引用论文