该框架图展示了设施蔬菜病害大模型（FVD-LLM）的总体框架，以知识基座、复杂度分级训练及层级鉴别与证据链推理为核心。框架自上而下分为四个层次：数据层与知识层负责多源样本（RGB图像、环境农事记录等）的语义对齐标注，并构建包含作物、器官、症状、病因、环境及防控措施的六元组病害知识基座，输出症状映射与候选集合。训练层聚焦领域能力塑造，分三步走：S1领域自适应继续预训练（利用植保语料与LoRA适配，缓解分布偏移）；S2复杂度分级课程微调（由易到难划分D1-D4阶段，结合监督与知识蒸馏）；S3专家偏好对齐（基于DPO抑制无依据断言，提升证据约束程度）。推理层实现层级鉴别与证据链，依次经过表型解析、层级鉴别路由（不提前硬排除）、证据链构建（正向症状+阴性证据绑定区域）及置信校准与弃权。最后是部署与反馈层，在棚室端输出病类、严重度及风险提示，并将误诊样本回流以持续改进模型。