摘要：单智能体系统（SAS）已成为大语言模型驱动科学工作流的默认模式，但通过单一上下文窗口进行路径规划、工具使用和综合处理会带来一个众所周知的代价：随着工具规范和观测轨迹的累积，每次决策可用的有效上下文会缩减，端到端的可靠性也会受到影响。我们提出了一种面向流体动力学的多智能体系统（MAS）原型，其中专业智能体通过层级执行图（LEG）进行协调。规划智能体利用自然语言路由启发式规则构建查询特定的执行拓扑，这些规则在不将其硬编码为刚性控制逻辑的情况下捕获领域知识；专业智能体在严格的工具允许列表下运行，并占据互补的数据类别角色。在层级之间，整合智能体将并行输出融合为简洁简报，报告智能体综合生成最终响应，同时运行时记录每次工具调用的来源以支持可审计性。所有基准测试、消融实验和压力测试均使用 Claude Sonnet~4.6 作为专业智能体和通用智能体的骨干模型。在涵盖六个复杂度类别的 37 个查询上评估，该原型实现了 93.6% 的事实精确度和 100% 的通过率。从单线程到五个独立并行轨道的运行中，准确率保持在 90% 以上，并且在模拟单个数据源丢失的情况下，系统性能优雅降级，仍能返回实质性的部分答案。这些结果共同表明，规划器引导的图结构多智能体编排能够有效缓解制约单体单智能体架构的上下文饱和瓶颈。