设施协同官 (Facility Agent) 业务流程与多智能体协作方案 (V4.0)
一、 核心定位
设施协同官通过 4 个专业化 Agent 的协同，深度嵌入运维全生命周期。它将传统工单系统升级为具备“自我质控”和“经验自动沉淀”能力的智能化平台。
二、 四大子智能体 (Sub-agents) 角色定义
| 智能体角色 | 核心能力 | 业务职责 |
|---|---|---|
| FA-交互助手 (Reporter) | Slot Filling、VLM | 引导报修、图片识别故障分类、自动补全工单要素。 |
| FA-诊断专家 (Diagnostician) | RAG、历史聚类分析 | 聚合报警、历史工单与 SOP，多端提供归因诊断报告。 |
| FA-审计专家 (Auditor) | LLM-as-a-Judge | 实时审计结单描述质量，拦截低质量数据，确保水源纯净。 |
| FA-知识馆员 (Librarian) | 知识抽取 (KIE)、向量化 | 离线清洗高质量工单，自动转化并反哺企业全域知识库。 |
三、 核心业务流程全景图 (按阶段演进)
四、 核心价值深度解读
1. 阶段一：降低报修门槛 (AI 降本)
通过 FA-交互助手 的 VLM 视觉识别能力，用户只需“随手拍”即可完成原本需要选择 5 级目录的复杂报修动作，显著提升系统易用性。
2. 阶段二：赋能一线决策 (AI 增效)
FA-诊断专家 打破了“消息只是一条文本”的现状。它作为多端共用的诊断插件，让管理员和维修工都能瞬间获得基于 RAG 和历史统计的深度分析，大幅缩短排障时长（MTTR）。
3. 阶段三：数据水源治理 (核心壁垒)
FA-审计专家 是全系统的“质检员”。它确保了每一张入库工单都具备可追溯、可学习的语义价值。没有审计，就没有高质量的行业大模型语料。
4. 阶段四：资产内生式增值 (持续演进)
FA-知识馆员 实现了从“人教 AI”到“业务教 AI”的转变。系统随业务量增长自动丰富知识库，形成数据与算法的螺旋上升。
五、 业务系统改造与配套支撑（底层逻辑）
为支撑上述 Agent 矩阵的高效运行，需对现有业务系统进行以下针对性改造与定义：
1. 人员画像与技能标签体系
- 技能建模：在运维系统中为技术人员建立多维标签（如：强电、弱电、给排水、精密空调、电梯特种等）。
- 忙闲状态实时化：改造考勤与任务模块，实时反映人员的当前工作载荷（已领工单数/工时）。
2. 工单类型的工作量权重定义
- 标准工时预设：为不同类型的工单（如：更换灯管 vs. 冷机大修）预设工作量权重系数。
- 调度依据：该权重将作为调度算法的重要参数，用于平衡各维修工的当日压力，防止“旱涝不均”。
3. 工单智能调度算法 (Smart Dispatch)
- 多约束求解：算法自动匹配 [技能匹配度] + [实时位置/距离] + [当前忙闲度] + [工单紧急度]。
- Agent 联动：若常规算法无法匹配（如所有具备该技能的人都忙），触发 Master Agent 介入寻找平替方案或协调外包。
4. 消息系统改造 (Rich-Media Messaging)
- 富媒体卡片支撑：消息中心需支持富媒体推送（支持嵌入“一键诊断”按钮、设备缩略图、快捷处置链接）。
- 双向通信：确保消息不仅能“发出去”，还能通过回调（Callback）实时触发 Agent 的诊断微服务。
5. 工单系统深度集成 (Workflow Integration)
- 结单 Hook 注入：在“提交结单”接口前增加 Webhook 钩子，将填报内容同步给 FA-审计专家。
- 人工标注入口：在结单页面增加“故障分类校准”和“核心参数标注”模块，作为 AI 持续进化的“人工反馈（RLHF）”数据源。