本文提出了一种可定制的轻量化 LLM 集成工作流，核心思想是让多个大模型协同工作并通过 JSON 结构化输出进行交互。不同于传统的多步骤框架需要额外的答案排序模块，ReX‑GG 采用匿名同行评审的方式对模型输出进行打分，从而抑制幻觉并降低单模型失效的风险。\n\n在实验中，系统被用于英文科普文章的关系抽取任务，目标关系包括强因果、弱因果、对比和组合四类。抽取结果经过语义节点标准化后，生成交互式、彩色标记的 HTML 因果图作为最终展示。\n\n通过匿名用户研究，与人工标注的金标准对比，平均感知准确率达到 0.778。模块化设计支持 API 调用和本地部署两种模式，完整框架已在开源许可证下发布，以促进可复现性和协同研究。\n\n点评