A medida que la investigación sobre el control de enjambres de vehículos aéreos no tripulados (UAV) biológicos ha florecido, los profesionales enfrentan una creciente presión temporal y cognitiva para dominar el conocimiento del dominio en rápida expansión. Aunque los recientes modelos de lenguaje general de gran tamaño (LLMs) pueden aumentar las capacidades cognitivas humanas, todavía enfrentan problemas significativos de alucinación e interpretabilidad en aplicaciones específicas del dominio. Para abordar estos desafíos, este estudio diseña y evalúa un LLM específico del dominio para el control de enjambres de UAV biológicos utilizando un marco mejorado de Generación Aumentada por Recuperación (RAG). En particular, este estudio propone una estrategia de fragmentación basada en elementos para construir la base de conocimientos específica del dominio y desarrolla nuevos módulos híbridos de recuperación y reordenamiento para mejorar el marco clásico de RAG. Este estudio también lleva a cabo cuidadosamente evaluaciones automáticas y de expertos de nuestro LLM específico del dominio, demostrando las ventajas de nuestro modelo en términos de precisión, relevancia y alineación humana.