标题： 面向地理空间数据检索的风险感知 LLM 智能体：设计与初步对抗性评估
摘要： 我们提出了一种基于 LLM 的框架，用于通过自然语言查询从云端地理空间目录中检索遥感数据。该系统将用户意图转换为结构化的 API 调用，从而实现对卫星影像和环境数据集的高效访问。该架构集成了三个智能体：Guardrail（用于安全与策略执行）、General-QA（用于意图解析）以及 Recommender-Analyst（用于生成符合模式感知的 API 调用）。这种协同设计确保了与外部数据服务的可靠、语义对齐的交互。该模块化框架通过 API 模式替换可跨平台移植，并支持环境监测、灾害响应和气候分析等应用。它在用户意图与地理空间基础设施之间建立了一个可扩展的接口，从而实现了简化和自动化的地球观测工作流。在对抗性多轮设置下的初步实验表明，提示级别的安全指令能够提升鲁棒性，尽管在 API 操纵场景中仍存在罕见的高影响故障，这凸显了需要自适应、系统级的防御机制来平衡安全性、可用性和成本效率，也正因此推动了我们的拦截级 Guardrail 智能体的设计。