系统首先对论文内容进行解析与学科识别，再根据论文所属领域动态选择对应的学科专家智能体。例如，金融、数学、法学等不同学科分别拥有具有相应专业知识、评价规则和评审侧重点的专家 Agent。学科专家智能体负责从本专业视角完成论文评阅，在存在跨学科内容或需要多方判断时，可以由多个专家智能体协同参与，最终由主审智能体对不同专家的评阅结果进行整合、校准和冲突处理，形成最终评阅意见。
本次演讲将重点分享 Multi-Agent 在真实系统中的工程问题，包括学科专家智能体如何设计与路由、专业知识和评审标准如何注入、长论文上下文如何管理、多个智能体如何协作、如何控制模型输出的稳定性与结构化程度，以及如何评估多智能体方案相较单一通用模型是否真正提升了评阅质量。希望通过论文评阅这一实际场景，为听众提供一套可以迁移到其他 Python + LLM 项目中的专家智能体设计、动态路由、工作流编排和系统评估方法。