Artificial Intelligence and Large Language Models in Agricultural Extension: Critical Synthesis of Adoption, Efficacy, and Equity in Smallholder Advisory Systems

农业推广与咨询服务正在经历一场由人工智能（AI）、机器学习、自然语言处理以及近年来兴起的生成式人工智能和大语言模型（LLMs）驱动的快速数字化转型。这些技术有望解决传统农业推广中长期存在的制约因素，包括推广人员与农民比例有限、地理隔离、信息本地化不足，以及气候、市场和农艺信息传播的延迟。基于大语言模型的咨询系统尤为重要，因为它们能够将复杂的农业知识转化为对话式、多语言且可能实现个性化的指导。然而，其技术能力并不会自动转化为有效或公平的农业成果。本综述综合了关于基于AI和大语言模型的农业咨询系统在采用、有效性、可扩展性和公平性影响方面的新兴证据，特别关注低收入和中等收入国家的小农户。文献表明，AI赋能的咨询系统能够改善及时信息的获取，促进问答交互，支持作物与病虫害管理，并扩展人工推广人员的服务范围。诸如Farmer.Chat等新兴平台展示了大规模生成式AI赋能咨询服务的可行性，而近期关于检索增强生成的实验则表明，在改善事实依据和情境相关性方面存在有前景的路径。尽管如此，关于对农业生产率、盈利能力、韧性及持续性行为改变产生直接影响的证据，仍明显弱于关于技术可行性和用户参与度的证据。主要局限包括幻觉现象、信息过时或地理上不适用、语言和方言限制、与当地农业数据库的互操作性薄弱、透明度有限、数据治理问题，以及对自动化建议的过度依赖。公平性同样是一个重要关切，因为数字接入、素养、性别、收入、连通性和社会规范都会影响谁能够从AI赋能的服务中受益。本综述认为，大语言模型应被定位为多元推广体系中的增强技术，而非人类推广人员的替代品。未来的农业AI系统应将检索增强生成与结构化农业知识图谱、