SA 空间预约：Agent 设计方案 (Semantic/AI Layer)

NOTE

模块文档导航

1. [入口] Agent 调度逻辑 (当前文档)：负责 Slot Filling 与全链路编排。
2. [逻辑] 时间处理流水线：负责 P1-P4 时间归一化与贪婪策略。
3. [逻辑] 资源处理流水线：负责 Task B 空间检索与忙闲校验。
4. [算法] 会议室推荐算法逻辑：定义排序权重与冲突处理算法。

文档目的：描述会议预约专家（Meeting Specialist）如何通过多轮对话完成时间、人数及偏好提取，并结合后端实时忙闲数据实现预约建议与确认。

---

整体流程

1. 槽位定义与验证逻辑 (Slot Filling & Validation)

1.1 槽位定义与提取规则 (Slots & Extraction)

Agent 需严格遵循以下 JSON 结构从用户输入中提取槽位（详见 提示词模板）：

槽位名称	类型	说明	示例
start_date	String	"yyyyMMdd"，未指定则为 null (由逻辑层补全)	20260121
start_time	String	用户数字时间 "hh:mm" 或语义标签 "NOW" / "ASAP"	05:00 / NOW
period	String	明确词时为 "AM" 或 "PM"，无则为 null	PM
capacity	Integer	精确人数, 未指定则为 null (由逻辑层补全)	20
duration_hours	Float	时长（小时）或 null	1.5
room_name	String	用户指定的会议室精确名称或 null	火星厅
topic_name	String	会议主题。默认 "临时会议"	研发周会

针对 start_time 举例：

• 用户输入 "下午5点" $\to$ start_time: "05:00", period: "PM"。
• 用户输入 "现在/马上" $\to$ start_time: "NOW" (由逻辑层根据系统时间执行即时预订策略)。
• 用户输入 "越快越好/尽快" $\to$ start_time: "ASAP"。逻辑层返回 Status: OK (Strategy: ASAP)，Agent 随即跳转至 ASAP 专用查询接口。
• 用户未输入时间（如“订个明天的会议室”） $\to$ start_time: null。逻辑层返回 Status: AMBI (Reason: 缺少具体时间)。

1.3 提示词模板 (Prompt Template)

# 角色：Slot提取器
严格从用户输入提取会议室预订slot。仅输出JSON，无额外文本。

# Slot规则
1. [参照 1.1 槽位表数据结构]
2. **特殊时间处理**：
   - 若用户表达“现在/马上/立刻”，请填充 `start_time: "NOW"`。
   - 若用户表达“尽快/越快越好/看最早什么时候有”，请填充 `start_time: "ASAP"`。
   - 不要尝试自行计算具体分钟数，保留语义标签交给逻辑层处理。

# 输出示例
用户："我想订个下午5点会议室"
输出：{"start_date":null,"start_time":"05:00","period":"PM",...}

用户："现在就要开会，要个10人房"
输出：{"start_date":null,"start_time":"NOW","capacity":10,...}

---

2. Dify 流程编排逻辑 (Dify Workflow Logic)

Agent 遵循以下核心编排逻辑完成预约闭环：

1. 意图解析 (Slot Filling)：从用户输入中提取槽位信息。若必填项缺失，直接追问。
2. 时间流水线启动 (Time Pipeline)：槽位初步完成后，直接调用 time pipeline 处理逻辑。
   • 注：流水线内部负责日期补全（如缺失则默认为当前下个整点）等兜底逻辑。
3. 时间结果处理：
   • 4.1 错误拦截：若返回非法日期（昨天）、语义逻辑矛盾（如：明天现在、下午预订上午尽快）、或数字时间矛盾（上午 15 点），则 Agent 进一步追问引导用户修正。
   • 4.2 多候选确认：若返回多个可选时间（歧义），Agent 展示选项供用户进一步确认。
   • 4.3 锁定成功：若返回唯一合法时间，则锁定时间并进入 Step 3a: 调用 Resource Pipeline。
   • 4.4 ASAP 策略：若返回 ASAP 标记，跳过常规资源检索，直接进入 Step 3b: 调用 ASAP 专用接口。
4. 资源流水线启动 (Resource Pipeline)：时间锁定后，调用物理资源检索逻辑。
5. 资源结果处理：
   • 5.1 有效推荐：返回可用会议室列表，Agent 直接发送前端展示组件。
   • 5.2 冲突后推荐：原会议室全忙但有建议方案，Agent 回复话术引导后发送前端展示组件。
   • 5.3 无房可用：返回全忙且无推荐，Agent 回复无法预订的话术。
6. 用户最终决策：用户在前端组件（卡片）中完成最终的点击预约操作。

2.1 编排架构流程图

---

2.2 物理归一化逻辑 (Normalization)

Time Pipeline 仅处理基础的时间归一化与校验：

• Time Parsing: 结合 start_time 与 period 进行 24 小时制转换。
• Time Validation: 校验时间是否合法（是否过期、是否在工作时间、是否具有上下午歧义）。
• No Guessing: 若 start_time 为空，流水线不执行任何默认补全，直接返回 Status: AMBI 要求追问。

2.3 澄清追问与边缘处理 (Clarification & Edge Cases)

为了提升对话的“智能体感”，Agent 需具备以下场景的针对性回复逻辑：

异常类型	判定条件	Agent 预期话术 (示例)
时间缺失	返回 Reason: 缺少时间	"没问题，请问您想订 几点 的会议室呢？"
时间模糊	返回 Status: AMBI	"好的，请问您是想订 上午 {X} 点 还是 下午 {X} 点？"
时间过期	返回 Status: ERROR (已过去)	"抱歉，您选择的时间点已经过去了，麻烦重新说个时间？"
完全冲突	available_list 为空且无平替	"哎呀，这个时段的会议室都满了。建议您看看 其他时间 或者 切换到其他楼层？"
容量严重不足	用户需求 > 空间 Max	"305 只能坐 20 人，装不下 50 位哦。我为您推荐了 隔壁大礼堂，您看可以吗？"
任务中断	多轮对话中途用户话题转移	(保持上下文 5 分钟) 若用户问别的，回复完后主动兜底："刚才的会议室还要订吗？"

---

2.4 终端交互与执行 (UI & Action)

当 Resource Pipeline 返回 SUCCESS 状态时，Agent 需组织前端组件完成闭环：

1. 候选列表组件 (Meeting Room Card)：
   • 内容：展示 Top 3 推荐会议室。
   • 元素：房间名、楼层、容纳人数、IoT 实时状态（如：“24℃ 舒适”）。
   • 交互：点击“立即预定”按钮。
2. 最终预定触发 (Execution)：
   • 用户点击组件后，Agent 调用后台执行逻辑（Task C）。
   • 接口分流：根据企业配置调用 飞书/钉钉/自有系统 的 Create Event 接口。
3. 执行反馈：
   • 成功：展示“预定成功”状态卡片，并提供“查看详情”或“邀请参会人”的 AppLink (飞书客户端等) 跳转。
   • 失败：提示具体原因（如：“登录状态失效，请重新登录”或“该时段刚刚被其他同事抢占”），引导重新选择。

---

4. 相关设计参考

• 路由分发层：意图识别与分发技术方案
• Time Pipeline：SA_空间预约_时间处理逻辑
• Resource Pipeline：SA_空间预约_物理执行逻辑