1.一种基于大语言模型和多智能体协同的污水处理系统，其特征在于，包括：传感器网络，用于实时采集污水的水质参数；

监测智能体，用于对所述水质参数进行数据校验；

至少一个边缘计算节点，用于对所述水质参数进行数据预处理；

云端决策智能体，用于基于大语言模型，根据预处理后的水质参数生成污水处理策略；

所述云端决策智能体包括：

数据解析模块，用于将预处理后的水质参数转换为水质特征向量；

知识库模块，用于存储海洋养殖领域的污水处理工艺规则、环保标准规范及历史案例，并构建知识图谱；

推理决策模块，用于根据所述水质特征向量和所述知识图谱，通过大语言模型，生成针对当前水质状况的污水处理策略；在所述推理决策模块中，根据以下公式在所述知识图谱中匹配出与当前水质状况最相似的历史案例：其中，表示当前水质状况与历史案例中水质状况的相似程度； 为第个水质参数在时间 的动态权重；为水质参数的数量； 和 分别为当前和历史水质特征向量中第个参数的值； 为历史水质特征向量中第个参数的方差；为时间衰减系数，用于反映历史数据对当前决策的影响随时间减弱的程度； 是当前时间与历史案例时间的时间差；

将最相似的历史案例所对应的历史污水处理策略，以及当前的水质特征向量、污水处理设备运行状态、预设的养殖参数共同输入所述大语言模型，生成针对当前水质状况的污水处理策略；

指令生成模块，用于将所述污水处理策略转换为污水处理设备的控制指令；

执行智能体，用于执行所述污水处理策略，对污水进行处理；

评估智能体，用于对污水处理效果进行分析和评估，并反馈至所述云端决策智能体，以优化所述污水处理策略。

2.根据权利要求1所述的一种基于大语言模型和多智能体协同的污水处理系统，其特征在于，所述水质参数至少包括：氨氮浓度、溶解氧含量、pH值、悬浮物浓度中的任意一种或多种。

3.根据权利要求1所述的一种基于大语言模型和多智能体协同的污水处理系统，其特征在于，所述预处理至少包括：对所述水质参数进行去噪和异常值剔除，并将非结构化的数据转换为结构化数据。

4.根据权利要求1所述的一种基于大语言模型和多智能体协同的污水处理系统，其特征在于，所述知识库模块中还存储有不同养殖模式对应的策略模板，所述大语言模型通过调用相应的策略模板，生成与当前养殖模式匹配且针对当前水质状况的污水处理策略。

5.根据权利要求4所述的一种基于大语言模型和多智能体协同的污水处理系统，其特征在于，所述养殖模式至少包括：网箱养殖模式、工厂化养殖模式和池塘养殖模式中的任意一种；

所述网箱养殖模式对应的策略模板包括：优先采用水体交换及曝气工艺进行污水处理；

所述工厂化养殖模式对应的策略模板包括：优先采用生物滤池及膜处理组合工艺进行污水处理；

所述池塘养殖模式对应的策略模板包括：优先采用物理沉淀及人工湿地协同工艺进行污水处理。

6.根据权利要求1所述的一种基于大语言模型和多智能体协同的污水处理系统，其特征在于，在所述评估智能体中，根据以下公式从不同维度综合评估所述污水处理策略的处理效果：其中，为处理效果的评估值； 为第 个评估维度的权重；为评估维度数量；

和 分别为处理后和目标第 个维度下第个指标的值； 为第 个维度下第个指标的调整系数； 为第 个评估维度下的指标数量；是第 个评估维度的范数阶数，用于反映对极端值的敏感度；

基于所述大语言模型的因果一致性检验算法，分析污水处理策略与水质状况改善之间的关联性；所述的因果一致性检验算法为：其中，表示因果一致性得分；为评估指标数量； 为第个指标的权重；  和分别为处理后和目标第 个指标的值； 为污水处理策略 的指示函数，若策略 被执行则为1，否则为0；

若处理后的水质状况不满足预设条件，将污水处理策略处理效果的评估值 及因果一致性得分 反馈至所述云端决策智能体，以优化所述污水处理策略；

污水处理完成后，将所述评估值 最高的污水处理策略作为最优污水处理策略，并作为新的历史案例存储于所述知识库模块中，同时更新知识图谱。

7.一种基于大语言模型和多智能体协同的污水处理方法，基于权利要求1 6任一项中~所述的污水处理系统，其特征在于，包括以下步骤：

S1：利用所述传感器网络实时采集污水的水质参数，并利用所述监测智能体进行数据校验；

S2：利用所述至少一个边缘计算节点，对所述水质参数进行数据预处理；

S3：利用所述云端决策智能体，基于大语言模型，根据预处理后的水质参数生成污水处理策略；

S4：利用所述执行智能体，执行所述污水处理策略，对污水进行处理；

S5：利用所述评估智能体，对污水处理效果进行分析和评估，并反馈至所述云端决策智能体，以优化所述污水处理策略。