大语言模型（LLM）在决策支持领域已广受欢迎，然而其固有局限性——如非确定性输出、不透明推理以及易受偏见影响——引发了对其可靠性的严重关切。另一方面，多准则决策分析（MCDA）为结构化决策提供了数学上严谨、确定且透明的框架，但由于复杂性和技术要求，非专业人士仍难以使用。在本立场文件中，我们认为，通过基于智能体的架构将大语言模型与多准则决策分析集成，可创建一个强大的混合系统，弥补两种方法的互补性弱点。我们提出了一种框架，其中基于大语言模型的智能体充当协调器，为问题表述、偏好获取和数据收集提供自然语言接口，同时将核心决策逻辑委托给确定性多准则决策分析工具。这种集成使强大的决策工具得以普及，同时将大语言模型输出锚定在透明、可复现的数学框架中，将多准则决策分析增强的大语言模型智能体定位为可靠、可及且可信赖的决策支持的有前景解决方案。

近年来，大语言模型（LLM）与大语言模型智能体已成为广泛应用于各类场景的解决方案，包括聊天机器人和个人助理（Wester et al., 2024）。企业将其用作咨询顾问的替代品和一线支持，而个人用户则利用大语言模型进行日常闲聊、任务协助以及日常生活各方面的决策。这包括寻求旅行推荐或购物帮助，在某些情况下，用户甚至会请求医疗或法律建议（Schneiders et al., 2025; Drinkall, 2025）。

然而，大语言模型存在一定局限性。尽管其设计初衷是生成流畅且令人信服的自然语言，但其输出可能包含误导性或有害信息，因此需要仔细验证（Rahman et al., 2025）。这引发了一个问题：是否应在决策辅助中使用大语言模型（Cahyona and Subramanian, 2025）。

另一种常用于决策支持的工具是多准则决策（MCDM）方法，其属于更广泛的多准则决策分析（MCDA）领域（Cinelli et al., 2022）。这些方法旨在协助决策者解决涉及多个（通常相互冲突）准则的复杂问题。鉴于此类结构化方法的可用性，值得追问的是，为何更多人没有使用它们，而是依赖大语言模型进行决策支持。

然而，多准则决策分析也存在其局限性。它通常需要一个数据收集阶段，且正确应用多准则决策分析方法需要一定程度的专业知识和领域知识（Watrobski and Jankowski, 2015）。这些因素限制了其在普通公众中的可及性和广泛使用。

本研究探讨了大语言模型与多准则决策分析在决策支持中的优势与局限。我们提出了一种混合方法，将大语言模型的语言灵活性与多准则决策分析的分析严谨性相融合，以确保决策的可靠性与可及性。主要贡献包括：（1）一种将大语言模型与确定性多准则决策分析算法连接的模块化架构；（2）展示这种集成如何平衡可及性与严谨性；（3）一个证实尽管大语言模型具有非确定性但仍可复现的理论基础。

本文其余部分结构如下。第2节概述了该领域的相关工作，重点关注大语言模型的局限性。第3节讨论了大语言模型与多准则决策分析的局限性，并引入了在单一智能体内集成这两种方法的混合方法概念。第4节简要讨论了所提方法的意义，第5节通过总结研究发现并提出未来研究方向来结束本文。