边缘节能 Agent：在现场形成受控闭环
面向空调与普通照明，结合环境、空间占用和设备状态，在批准的舒适区间、设备保护及操作范围内选择策略。按现场条件建设本地感知、策略执行与反馈校验；在线大模型可辅助解释和优化建议，不作为实时控制的必要依赖。
01 / 产品总体简介
古河 AI 智能运维让建筑从感知走向主动调控
古河建筑AI Agent围绕运行目标组织感知、决策与主动调控，把设备数据、空间关系和业务工具连接起来。在预先批准的策略范围内执行空调、照明等调控任务，并核对独立反馈；空间运营Agent同步承担查询、分析和任务协同。
- 感知与空间知识
- 策略与专家技能
- 主动执行与反馈
面向值班人员、设施管理者与系统集成商
AI Agent / 零碳建筑创新应用
不止回答问题，让 AI Agent 参与建筑运行
古河 AI 智能运维已有模型接入、专家技能、Agent 与任务配置、工具权限和运行日志等产品入口。面向零碳建筑，创新方案将主动任务能力组织为两条相互协同、权限独立的应用路径。
空间运营 Agent：主动发现问题并组织任务
面向设施主管、能源专员和物业团队，按周期或事件读取授权的空间、环境、能耗及服务记录，输出带来源的分析、报告草稿和待办。该方案中不授予设备控制工具，分析与现场控制分开运行、分开验收。
每次任务关联同一组空间、设备和计量对象：读取带时间与质量标记的数据 → 提出有依据的建议 → 按权限审批或在预先批准的策略范围内执行 → 核对独立反馈 → 复盘并留档。指令已发送不等于设备已执行，生成文字也不等于任务已完成。
把一次性分析沉淀为可复用技能
可围绕夜间用能核查、环境异常解释、设备巡检摘要、空间月报和碳台账核对设计 Skills。每项技能明确触发条件、输入范围、可调用工具、结果格式、责任人和停止条件；按版本维护，验证重复触发不重复派单、失败可追踪、越权被阻止。
先影子运行，再受控试点
历史回放核对建议 → 影子运行只分析不控制 → 样板区域授权试点 → 同时检查舒适度、设备状态和用能变化 → 达标后按区域扩大。断网自主运行须以现场切断网络并改变输入的测试验证，不能仅凭缓存画面判断。
以下为零碳建筑的方案设计与建设方法，需按现场设备、接口、数据质量及授权范围配置、集成或开发，并通过试点验收；不代表所有项目已部署，也不构成节能率或零碳认证承诺。
02 / 产品架构
四层协同，连接建筑数据、知识与行动
物联数据
状态 · 环境 · 占用 · 能耗
本体知识
空间 · 设备 · 供给关系 · 资料
Agent编排
模型 · 技能 · 策略 · 周期任务
执行反馈
权限 · 动作 · 回采 · 人工接管
- 01
设备与数据
通过物联平台读取设备状态、占用、环境和用能，统一对象编码、时间与质量标记。
- 02
知识与上下文
本体关系定位空间与设备，维护资料提供依据；静态知识与实时状态分别管理。
- 03
Agent与技能
模型、专家技能和任务编排组织分析与策略，按任务范围选择可调用工具。
- 04
工具与执行
由授权接口承接业务动作与设备控制，通过独立回采确认结果并保留人工接管入口。
03 / 核心功能
围绕主动运行组织六项核心能力
感知与定位
把告警、温度、占用与用能关联到具体空间和设备，为策略提供有效输入。
策略决策
围绕舒适区间、运行目标与设备条件组织规则和技能，形成可执行的策略。
预授权执行
策略在获批对象、参数与时段内运行；新范围或越界操作进入人工确认。
独立反馈
持续核对指令回执、设备回采与环境变化，识别未生效、异常退出及人工接管。
知识与专家技能
本体关系、资料检索和技能编排为策略提供对象与依据，查询分析与动作权限分别配置。
模型与运行管理
管理模型连接、工具权限、任务周期、失败处理与停止方式，保留调用和执行记录。
04 / 界面与用途
前台用户界面与后台管理界面
前台用户界面 · 运维对话
值班人员围绕具体设备提出问题，结合返回的业务信息继续查询、判断和核对。
后台管理界面 · 引擎与连接
实施与管理人员配置服务连接和运行设置，配合模型、工具权限和任务记录管理应用。
让日常运维问题有数据、有依据、有下一步
平台面向值班人员、设施管理者和系统集成商，连接公共设备数据、告警、资料与业务接口，把分散的查询过程组织成对话或任务。例如查询某楼层设备、解释一条告警的上下文、查找维护资料，再进入监控或工单。产品价值在于帮助人员利用现有信息完成工作。
设备与状态查询
通过自然语言描述位置、设备或系统，结合知识关系确定对象，再查询当前状态、历史与告警。结果应包含可核对的对象、时间和来源，避免把过期数据当成实时值。
告警分析与资料辅助
围绕事件读取相关运行信息和维护资料，整理可能原因、检查步骤与未确认事项。分析建议由人员结合现场情况判断，资料缺失和工具失败应清楚呈现。
任务与专家技能
按岗位配置专家、技能、工具和任务范围，将常用分析或信息整理组织成可重复过程。新增技能及需要管理操作的任务经过审核，运行日志用于追查实际调用与结果。
夜间空调优化：让主动调控落到具体任务
发现夜间运行
结合时段、空间占用、室内温度与设备状态，识别需要调整的运行场景。
匹配批准策略
核对舒适区间、设备对象和控制权限，选用已批准策略；超出范围交由人员确认。
执行调控动作
经现场状态与保护条件校验后调用允许的控制接口，记录策略、目标参数和指令结果。
核对与退出
读取设备回采及环境变化，确认动作效果；异常时停止策略或交由人员接管。
把模型、工具和业务范围配置到同一任务中
引擎与连接配置
设置AI引擎及公共平台连接，核对服务可用性、认证和访问范围。模型能回答文字问题，不等于已经连接实时数据或具备业务工具，联调时分别验证。
模型服务管理
按需求选择可接入的模型服务，配置可用模型与相关参数。公有服务或本地模型分别评估部署、网络和数据访问范围，并使用实际业务问题检查效果。
不同动作，采用不同的管理方式
| 任务类型 | 平台可以帮助完成 | 实施与运行要求 |
|---|---|---|
| 信息查询 | 汇总设备、告警、历史和资料 | 只读取授权范围；结果保留时间和来源 |
| 分析与建议 | 结合数据和知识整理线索与检查步骤 | 标明依据和待核实项，人员结合现场判断 |
| 业务管理 | 按工具创建或更新任务、配置等业务对象 | 验证角色、审批或确认要求及操作日志 |
| 设备控制 | 调用已批准的操作接口并读取反馈 | 确认对象、参数、权限及现场条件；保护由原系统承担 |
| 定时任务 | 按配置周期运行允许的查询或工作流 | 明确范围、失败处理、日志和停止方式 |
语音、消息或外部协作入口可以按渠道条件配置和开发，并分别确认账户、接口和权限。采用本地模型时，还应确认检索、工具及依赖服务是否本地可用，不能仅凭模型在本地就宣称整套应用可离线运行。
从高频查询开始，逐步验证应用价值
业务平台沿用Java / Spring Cloud口径，AI引擎与模型服务按交付组件部署。IBMS及公共平台提供设备与运行基础，本体知识和文档提供上下文，AI应用组织对话、任务与工具调用。
先选可验证的问题
收集值班人员的真实问题，确定对象、所需数据和预期结果。先覆盖查询、资料和事件分析，再评估需要业务动作的场景。
建立样例与异常检查
用固定设备和告警核对答案，并检查重名设备、无数据、过期数据、工具失败、无权限和操作拒绝。正确识别失败也是验收的一部分。
移交与持续校准
交付模型配置、知识范围、工具清单、角色权限及任务日志查询方法。根据实际问题补齐资料与映射，再复测，保留应用版本和责任人。
案例、资料与下一步
公开项目用于说明设备集成与数据应用基础。AI能力以本页说明的组件、配置和实际演示范围为准，不把基础平台案例推断为全部AI功能已部署。
广州奥林匹克中心物联网平台
参考设备接入与公共数据平台的公开应用背景。
海南西部中心医院后勤运维平台
参考医院设施及后勤业务基础，AI场景另行验证。
产品参数与选型依据
AI Agent策略、动作与反馈
- 运行目标
- 围绕空间使用、环境舒适与设备运行组织策略；节能目标需结合运行基线、工况和计量数据评估。
- 感知输入
- 人员占用、温度、照度、设备状态、数据时间与质量，以及设备服务哪些房间的空间关系。
- 策略与动作
- 把触发条件、目标对象、允许参数区间、时段和退出条件组合为策略，调用已经接入的控制工具。
- 预授权执行
- 批准范围内自动运行；新增或越界动作进入人工确认，现场联锁和专用保护继续有效。
- 反馈闭环
- 分别记录策略意图、下发指令与独立回采；超时、反馈冲突或数据过期时进入停止、保持或转人工的处理分支。
- 双Agent分工
- 边缘节能Agent围绕设备调控；空间运营Agent组织查询、分析、报告和任务，控制工具权限独立配置。
- 投运步骤
- 先验证策略草案、历史回放和影子运行，再经授权开展仿真控制与现场试点；影子阶段只生成意图，不应记作设备执行。
夜间空调场景：识别空间占用与温度 → 匹配批准策略 → 核对设备和保护条件 → 执行动作 → 回采验证 → 异常退出或人工接管。控制能力以目标设备和批准策略的投运验证为准。
南京古河软件 · 资料复核：2026-09-27 · 性能测试日期与条件在关联资料中单独列明。
选型常见问题
- AI智能运维与普通聊天机器人有什么不同？
- 它按配置连接建筑对象、实时数据、维护资料和业务工具，围绕实际设备与任务回答问题。是否可用取决于数据、知识和工具是否完成接入，并需要实际场景验收。
- AI会自动控制所有设备吗？
- AI Agent可在预先批准的设备、参数区间、时段和策略范围内，经权限与现场保护条件校验后自动运行；新增或越界动作进入人工确认。执行后核对独立反馈，现场专用控制与安全联锁由原专业系统承担。具体闭环按设备接口与试点结果建设。
- AI分析结果能够保证正确吗？
- 不能作此保证。结果应说明数据时间、资料和查询依据，区分事实、建议及待核实项。重要判断需要人员结合现场，资料不足或工具失败不能当成成功分析。
- 支持本地模型和私有化部署吗？
- 可以按模型及引擎适配范围制定方案。除模型外，还要确认检索、工具、接口及依赖服务的部署位置、网络和权限，以实际环境验证。
- 如何证明产品适合我们的项目？
- 用真实的设备、告警和运维问题演示查询、资料与任务，检查无数据、无权限、工具失败和操作拒绝等情况，再按岗位使用效果确定下一阶段范围。
补充了解：使用背景与建设目标
从“去哪里查”到“直接问清这台设备”
值班人员常常要在设备列表、告警页面、趋势图和操作资料之间来回切换。AI智能运维以业务问题为入口，通过已授权的数据和工具获取信息，再把结果组织为便于核对的回答，帮助工作人员更快找到下一步。
按业务问题查询
可围绕设备状态、未处理告警和历史运行信息发起提问；问题能查到哪些对象，取决于已接入数据、工具范围与当前用户权限。
把异常放回上下文
结合告警、相关运行数据和已配置知识解释异常，区分实际观测与分析建议。工程师可以回到原始记录核对，避免只看到一段结论。
策略授权与反馈闭环
AI Agent可在预先批准的设备、参数区间、时段和策略范围内，经权限与现场保护条件校验后自动运行；新增或越界动作进入人工确认。执行后核对独立反馈，现场专用控制与安全联锁由原专业系统承担。具体闭环按设备接口与试点结果建设。
微信咨询
