用过AI的人都有体会：同一个问题问两遍，答案可能不完全相同。聊天时这无伤大雅，但在基因组育种中，如果同一个任务两次分析的结果不同，这会严重影响育种决策的准确性和稳定性。
2026年2月，中农种源（深圳）科技有限公司、中国农业科学院深圳农业基因组研究所、广东省农业科学院农业生物基因研究中心和香港科技大学（广州）等单位，发布了知识驱动的多智能体育种平台--中农伯乐智能评估和选育系统V1，让大语言模型能自主完成常规育种分析和基因组育种分析。伯乐平台通过固定规则约束，在一定程度上解决了方案层面的可重复性，确保同一任务重复执行时分析路线高度一致。但团队发现，还有一个更关键的问题没解决：智能体说它用了某个参数，怎么证明它真的用了？ 他们通过实验发现，在通用智能体（OpenClaw和Claude Code）上，即使载入领域知识和脚本（skill），重复会话之间仍会出现参数差异。这意味着虽然方法选对了，具体参数每次可能不同。更麻烦的是，参数文件可能在执行前被悄悄改动，或者某个关键步骤被跳过，但最终报告里依然写着“已完成”。这些异常不会报错，靠读智能体的回复根本发现不了。针对这一问题，由中农种源（深圳）科技有限公司、中国农业科学院深圳农业基因组研究所、广东省农业科学院农业生物基因研究中心和香港科技大学（广州）等单位组建的研发团队在伯乐基础上重构架构，推出猪专属育种智能体：中农伯乐智能评估和选育系统V2--伯乐猗顿。猗顿之名，取自春秋时期传奇人物。《孔丛子》记载，猗顿向陶朱公请教致富之道，陶朱公说“子欲速富，常畜五牸”。猗顿迁至西河，从事畜牧业，民间更有“伯乐相马，猗顿相猪”的说法（《箴言集（畜牸篇）》）。中农伯乐智能评估和选育系统V2（伯乐猗顿）平台首页
伯乐猗顿的核心思路可以用一句话概括：不依赖智能体的“自觉”，而是用机器可验证的执行契约来约束每一次决策。具体做法是三步：第一，调用前“拍快照”，每次调用分析工具前，系统自动读取参数文件并计算哈希值（相当于数字指纹）；第二，调用中记录起止，开始时记录开始事件，结束时记录结束事件和退出码；第三，归档时三重校验，自动核对命令行实际参数与声明值是否一致、参数文件在执行期间有没有被改动、调用是否正常结束。这三步构成了一条从“智能体说了什么”到“实际执行了什么”的完整证据链。验证实验结果表明，在四项基因组育种任务中，猗顿参数合规状态全部为真，命令行参数与执行前声明逐项一致。为了进一步验证计算结果的可靠性，团队将猗顿与领域内广泛使用的标准软件HIBLUP进行了对比。关系矩阵、纯合度、主成分及育种值预测等核心模块的相关系数为0.99–1.0，表明猗顿的分析结果与主流工具高度一致。伯乐猗顿不仅在执行可靠性上做了改进，在分析能力上也完成了从基因组育种到功能解释的延伸，实现了基因组育种（Genomic breeding）序列功能预测（Prediction）和多组学注释（Annotation）三方面的智能协同和有机整合。这意味着，育种研究者不仅可以让智能体自动完成统计分析，还可以将统计显著信号直接传递给序列功能预测模型和多组学注释资源，形成从“关联发现”到“功能解释”的连贯分析链。相关成果已在bioRxiv上发表预印本论文“PigGPA: A Domain-Constrained Agent for Porcine Genomic Breeding with Verifiable Tool Execution”。相关技术已申请国家软件著作权3项、国家发明专利1项。PigGPA论文首页
从中农伯乐智能评估和选育系统V1到V2（伯乐猗顿），李奎教授团队完成了一次从通用平台到猪专属智能体的垂直延伸，一次从方案可重复到执行可验证的能力跨越，也实现了从常规育种到基因组育种和功能解释的分析链拓展。在技术上，伯乐平台V1解决了“AI该怎么做”，伯乐猗顿进一步回答了“AI真的这么做了吗”。在AI日益深入参与科学决策的今天，让每一步操作都可追溯、可验证，不仅是一个工程问题，更关系到科研可信度和育种决策的安全性。目前，中农伯乐智能评估和选育系统V2（伯乐猗顿）已上线并免费开放使用，同时支持本地化部署，充分保障育种数据的安全性。
你若喜欢，为猪场动力网点个 
在看哦