离子液体（Ionic Liquids, ILs）的新型发现面临诸多关键挑战，包括数据匮乏、预测模型精度不足以及工作流程碎片化等问题。基于大语言模型（Large Language Models, LLMs）的强大能力，我们首次提出AIonopedia——据我们所知，首个专用于离子液体发现的LLM智能体。该系统依托于一种经LLM增强的多模态领域基础模型，能够实现高精度的物性预测，并集成了一种分层搜索架构，用于分子筛选与设计。模型基于一个全新整理且全面的离子液体数据集进行训练与评估，展现出卓越的性能表现。此外，对文献报道体系的评估结果表明，该智能体在离子液体结构优化方面具备高效性。进一步地，通过真实实验室内（wet-lab）的验证，其实际应用效能得到充分证实：该智能体在具有挑战性的分布外（out-of-distribution）任务中展现出优异的泛化能力，充分证明其在加速真实世界离子液体发现方面的巨大潜力。