阅读说明
本文依据网站现有公开信息重新编辑，可在本站独立阅读；未从当前资料确认的活动细节、客户信息和效果数据不作扩写。文末保留微信公众号原文入口。
这项案例关注的不是“给建筑加一个聊天窗口”
建筑空间智能体的核心，是让 AI 建立在真实空间、设备和运行数据之上。建筑中的房间、设备、告警、能耗和任务都需要拥有稳定的实体标识与关系，模型的分析才能落到可以检查、可以执行的对象。
在这个基础上，AI 才能围绕运营问题组织信息、解释状态、形成候选计划，并把任务交给受权限约束的专业工具或人员。
从空间数据底座到运营闭环
统一设备模型和空间关系提供事实基础；物联网与专业系统提供实时感知；大模型、规则和专业 Skill 负责理解与规划；IBMS、自动化引擎与工单流程承担受控执行；反馈、异常和人工修订构成验证证据。
这条链路的价值不在于回答得更像人，而在于让每次分析与行动都能够追溯到数据、实体、权限和结果。
可复制之前，先明确项目条件
不同建筑的系统接口、点表质量、空间编码、网络安全和运营流程差异很大。案例提供的是技术路径参考，而不是可以脱离现场条件直接复制的固定配置。
项目评估时应先确认数据可用性、控制权限、人员责任与验收方法，再选择问答、分析、巡检或自动化等智能体能力。
关键信息
- 空间语义是模型理解建筑的前提
- 智能体执行必须经过权限、白名单和安全联锁
- 项目成效应由真实数据和验收证据证明
事实与能力边界
本文用于解释公开信息与 Nayota 技术思路，不构成对具体项目范围、兼容性、节能率、认证结论或商业结果的承诺。项目结论应依据现场数据、正式文件、测试记录与双方确认的验收方法。
需要核对原始发布语境？
查看微信公众号原文