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
我基于 agentStudio 完成 AI 智能体的设计、配置与业务对接：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、开场白与入参变量；接入 DeepSeek-V4、deepseek-v4-flash、minimax 等自定义模型并完成鉴权调测；通过 MCP 协议以 REST GET 方式对接照明管控与电表业务 API，定义各节点 String / Object 类型输入输出 Schema；用可视化工作流串联 "MCP 取数→代码压缩→LLM 分析→结果封装" 节点，逐节点试运行调试，并完成 API 与网页渠道的版本发布。
2. 技术栈与实现亮点
核心技术：agentStudio 智能体平台、大模型（DeepSeek /minimax）、MCP 协议、提示词工程、可视化工作流编排、代码节点上下文压缩、JSON 结构化输出、知识库 / Skill / 插件复用。
亮点：MCP 解耦业务，智能体实时调用策略、能耗、设备等业务接口，无需改造原后端；历史大体积 JSON 先经代码节点裁剪压缩再送入 LLM，控制上下文与 token 成本；LLM 按约定 JSON Schema 输出预测总量、置信度、关键假设、风险提示与逐日预测，可被下游直接消费；工作流逐节点试运行、查看输入输出与耗时，链路可追溯；验证通过后一键发布为 API（DashScope SDK）或网页链接，多渠道接入现有照明管理后台。
评论