本项目旨在解决商业楼宇智慧照明运营中 "节能决策靠人、数据散落各系统、AI 难以真正落地" 的问题。当前痛点包括：照明与能耗数据分散在策略、场景、电表、设备等多个业务接口，能源管理员靠手工取数、Excel 分析，周期长、易出错；现有看板只能 "看历史"，无法预测未来能耗，也不能针对每条照明策略给出可执行的优化建议；通用大模型无法直接读取企业内部业务数据，回答脱离实际运行情况。本项目基于 agentStudio 搭建 AI 智能体，通过 MCP 打通业务系统，让大模型直接调度真实运行数据，自动完成能耗预测与照明策略调优建议，实现 "数据自动取 — 模型自动分析 — 建议自动闭环" 的智能化运营。
平台以 AI 智能体为核心，支持单智能体、工作流、多智能体三种形态，已落地能耗预测、智能照明调优建议、文档摘要助手等智能体。
能耗预测智能体：自动拉取历史用电数据，经代码节点压缩清洗后交由大模型建模，输出未来一个月逐日能耗预测、置信度、关键假设与风险提示，辅助能源计划复核。
智能照明调优建议智能体：通过可视化工作流串联策略记录、策略列表、触发条件、执行配置、场景执行记录、实际节能数据等多个业务接口，汇总后由大模型生成调优建议；每条建议附数据依据、置信度与预期收益，支持采纳 / 去验证 / 微调，形成 "执行→分析→建议→验证→校准" 的优化闭环。
发布与集成：智能体完成配置与试运行验证后，一键发布为 API 或网页链接，支持 SDK 调用，灵活嵌入物业与能源管理后台；组件库沉淀可复用的 Skill、插件、MCP 服务与知识库。
1. "我" 负责的具体任务
我负责基于 agentStudio 完成 AI 智能体的设计、配置与业务对接。具体包括：按 "人设 — 核心技能 — 规则" 三层结构撰写系统提示词，配置模型服务与开场白、推荐问题、入参变量；在开发配置中接入自定义模型供应商（DeepSeek-V4、minimax），完成模型鉴权与调测试验；通过 MCP 服务以 REST（GET）方式对接照明管控平台与电表业务 API，配置 base_url、鉴权账号与查询参数，并定义各节点 String / Integer / Boolean / Object 类型的输入输出 Schema；设计 "开始→MCP 取数→代码压缩→LLM 分析→结果封装→结束" 的工作流节点链路，用变量引用串联上下游输出；为能耗预测与调优建议两个智能体逐节点试运行、查看耗时与中间产物、调试提示词，并完成 API（DashScope SDK）与网页渠道的版本发布。
2. 项目技术栈、架构与实现亮点
技术栈：基于 agentStudio 智能体开发平台；模型层接入 DeepSeek-V4、deepseek-v4-flash、minimax 等大模型，支持自定义模型供应商、路由策略与模型调测；能力层使用 MCP 服务对接业务 API、文件解析插件（支持 txt/doc/docx/csv/xlsx）、代码节点与知识库；编排层采用可视化工作流（画布式拖拽）串联 LLM 节点、代码节点与工具节点。
架构与实现亮点：
- **MCP 解耦业务**：智能体通过标准 MCP 协议调用现有业务系统的 REST 接口，按条件查询策略控制记录、策略列表、触发配置、执行记录、场景执行记录与实际节能数据，无需改造原有后端；
- **上下文工程控本**：业务返回的历史数据为大体积 JSON，先用代码节点（Code）做压缩、字段裁剪与结构化封装，再喂
评论