空间运营官 (Space Agent) 业务流程与多智能体协作方案 (V4.0)
一、 核心定位
空间运营官旨在通过 AI 屏蔽复杂的硬件与系统操作。其核心逻辑是：意图驱动新单预约，全量感知存量日程，通过主动服务引导交互回流，同时支持即时的语义化设备调控。
二、 三大核心智能体 (Sub-agents) 角色定义
| 智能体角色 | 核心能力 | 业务职责 |
|---|---|---|
| SA-交互与推荐助手 | NLU、Python 算法节点 | [新单入口] 负责多轮对话解析预约需求，通过内置 Python 脚本实时计算并推荐最优资源，完成新单预定。 |
| SA-主动整备助手 | 日程感知、消息推送 | [存量唤醒] 持续监控预约系统流水（不限来源）。会前 15 分钟推送富媒体卡片引导回流，触发预定房间的整备动作。 |
| SA-物联执行官 | 语义映射、BA 联动 | [执行中枢] 统一接收来自“卡片确认”或“用户直达指令”的任务。将语义意图转化为物理指令，执行空调、灯光调优。 |
三、 核心业务流程全景图 (全生命周期闭环)
四、 核心场景逻辑深度解读
1. 智能预约：从“筛选”到“匹配”
SA-交互与推荐助手 内部集成 Python 脚本节点。
- 逻辑：根据用户输入的“下午 10 人开会，要带投影”需求，脚本实时检索房间标签，自动计算 Top 1 建议。用户只需回答“可以”，AI 自动完成预约系统写入。
2. 主动引导：全渠道存量覆盖
SA-主动整备助手 实现了 AI 服务对“非 Agent 预定单”的截流。
- 价值：无论你是通过 OA 还是网页订的房，Agent 都会在会前准时出现，并通过卡片上的“一键开启空调”按钮，将你引入 Chatbot 交互体系。
3. 即时调控：精准的语义映射
针对直接打开 Chatbot 的用户，SA-物联执行官 负责处理非预约相关的即时指令。
- 交互逻辑：用户输入“开启305空调”。Agent 执行 NLU 提取词槽
房间: 305,设备: 空调。
五、 业务系统改造与配套支撑（底层逻辑）
1. 统一预约数据总线 (P0)
- 需求：必须确保所有预定来源最终汇聚至同一张表或触发同一个 Hook，作为 Agent 的数据源。
2. 物联底座语义化映射 (P0)
- 需求：在数据库层面建立
房间-设备-点位索引，支持 Agent 通过房间号直接定位控制目标。
3. 富媒体消息推送网关 (P0)
- 需求：支持在企微/微信发送 Action 卡片，并能将 Room_ID 等上下文参数回调给 Agent。
六、 结语
空间运营官通过“双轨建单”与“双轨控制”的设计，实现了对空间管理全生命周期的覆盖。它不仅服务于“会用 AI”的人，更通过主动服务机制，让“不用 AI”的人也能被动感受到空间智能化的便利。