本研究提出了一种利用大型语言模型（GPT-4o）自动生成适应性网络的方法，以解决动态环境下自适应规划的不足。实验结果表明，该方法生成的网络在通用性上优于手动构建的网络，推动了机器人、自动驾驶汽车和智能系统等领域的发展。

本研究针对现有多模态检索生成方法的非适应性和过载问题，构建了Dyn-VQA数据集，并提出了自适应规划代理OmniSearch，实验结果表明其在复杂检索中表现优越。