将13项代表性工作及拟议方案（FVD-LLM）置于数据构建、知识注入、训练范式、跨模态对齐、推理与决策、评测与落地六大技术环节中进行矩阵式拆解。实心圆代表“显式使用并作为方法要点”，半圆代表“部分涉及”，横线表示“未涉及”。图中直观展现了不同模型的发力差异：PLLaMA聚焦数据规模与纯文本微调；PlantGPT侧重RAG知识注入；AgroGPT强调跨模态对齐与单轮对话；AgriGPT致力于数据、训练与推理的“三位一体”；ShizishanGPT则创新性地引入多工具调用与沙箱评测。值得注意的是，底部的FVD-LLM（拟议方案）在六大环节中均有所布局，尤其在“知识注入”、“推理与决策”中明确提出了“症状本体+括号序列”、“证据链/弃权”等创新点，右侧备注直接指出了现有各模型在实战中的核心短板（如缺乏多模态诊断闭环、依赖静态知识库、难以核实证据等）。该矩阵信息密度高、评判标准清晰，是一份极具科研价值的竞品分析图。