技术摘要：OptAgent —— 用于智能建筑运营的智能体化 AI 框架

1. 问题陈述

建筑部门占全球能源消耗的三分之一以上，实现 2050 年净零排放需要每天对数以千计的建筑进行脱碳。目前的建筑运营高度依赖于人力密集型的工程工作流、专家知识和人工努力，这无法满足规模化需求。虽然大语言模型（LLMs）提供了自动化的潜力，但现有的建筑领域应用往往将生成式 AI 与智能体化（Agentic）AI 混为一谈，导致系统仅限于被动的问答或孤立的单智能体任务。

三个关键差距阻碍了自主建筑运营的部署：

1. 缺乏系统性框架： 大多数研究侧重于临时的单智能体实现，而非能够处理建筑能源系统复杂性的稳健、分层多智能体协作架构。
2. 缺乏全面的基准测试： 在该领域，针对智能体工作流的成功率、规划准确性、Token 消耗和计算成本，缺乏严格的评估。
3. 工具集与环境受限： 当前的智能体系统通常依赖于静态模拟引擎（如 EnergyPlus），缺乏实时适应能力以及与分布式能源资源（DERs）、HVAC 控制和电网交互的闭环集成。此外，现有工具通常是为人类工程师而非 AI 智能体设计的，这会导致执行失败。

2. 方法论

作者提出了 OptAgent，这是一个将多智能体智能体化 AI 决策层与物理信息机器学习（PIML）运行时环境相结合的端到端框架。

2.1 智能体化 AI 层（“大脑”）

该框架通过 模型上下文协议（MCP） 实现了一个分层多智能体系统：

• 架构： 它由一个礼宾智能体（用户界面）、一个编排器智能体（全局规划器）和一个由 11 个专家智能体（涵盖建筑、HVAC、DER、模拟等领域的特定角色）组成的集群组成。
• 智能模式： 研究评估了三种协调策略：
  • 集中式单阶段 (C-1)： 编排器通过一次性过程生成完整的执行计划及所有工具模式（Schema）。
  • 集中式两阶段 (C-2)： 编排器首先进行轻量级路由以识别智能体/工具，然后在第二轮中生成详细的参数化指令，以缓解“提示词爆炸”问题。
  • 去中心化 (D)： 编排器提供高层目标，而专家智能体自主选择工具和参数。
• 动态适应： 系统包含一种“类人力资源（HR）”机制，即当检测到能力缺口时，编排器可以动态生成新的专家智能体或修订现有的智能体卡片，从而使系统能够适应不断演进的工具注册表，而无需人工重新设计。

2.2 PIML 环境（“身体”）

决策层通过 BESTOpt 与之交互，这是一个模块化、物理信息驱动的运行时环境。

• 功能： BESTOpt 集成了建筑热动力学、HVAC 系统、DERs、电网交互以及人员行为。
• 结构： 它采用分层模块化结构（集群 → 领域 → 系统/建筑 → 组件）和统一的数据类型（状态、动作、扰动、观测）。
• 交互： 智能体通过 72 个标准化的 MCP 工具与 BESTOpt 进行交互，实现了闭环执行，使智能体能够感知系统状态、施加控制动作并接收物理反馈。

2.3 评估设计

作者进行了一项大规模基准测试，涉及 3,975 次运行，涵盖：

• 50 个测试用例： 按复杂度分类（单智能体/多智能体 × 单工具/多工具）。
• 25 种模型配置： 用于编排器和专家角色的 5 种 LLM 层级（从 1.7B 到 API 级模型）的配对。
• 指标： 准确性（工具选择、智能体选择、计划步骤、参数提取）、耗时、Token 消耗和推理成本。

3. 核心贡献

1. 首个用于建筑运营的多智能体框架： 本研究提出了第一个专门为智能建筑运营设计的端到端多智能体智能体化 AI 框架，具有顶层编排器和 11 个专家智能体。
2. 与 BESTOpt 的集成： 该框架通过 72 个特定领域的 MCP 工具与物理信息模块化环境集成，支持跨建筑、HVAC、DER 和电网领域的协同分析。
3. 全面的基准测试： 论文对智能体工作流进行了系统性评估，量化了智能模式设计、模型规模、任务复杂度以及编排器-专家协作对性能的影响。

4. 结果与发现

4.1 案例研究表现

在评估 HVAC COP 升级和电池容量增加影响的代表性案例研究中，该框架成功协调了多步模拟。结果显示，虽然 COP 升级提高了效率，但如果不改变控制方式，并不会改变热舒适度轨迹。然而，引入预冷策略减少了温度违规情况，并将光伏自发自用率提高了 20.8%，尽管由于基于规则的 DER 控制限制，这增加了总电网进口量和运营成本。

4.2 基准测试评估洞察

• 智能模式： 集中式两阶段 (C-2) 模式在准确性和成本之间取得了最佳平衡。其准确性优于单阶段 (C-1)（例如，工具选择准确度为 0.69 对比 0.22），并将编排器的 Token 使用量降低了 16%。去中心化 (D) 模式将推理负担转移到了专家侧，导致总运行时间增加了 36%，专家 Token 使用量增加了 146%。
• 模型配置： 编排器的能力主导了系统性能。 升级编排器即使在配备轻量级专家的情况下也能带来显著收益。相反，在弱编排器环境下扩展专家智能体带来的提升非常有限。值得注意的是，中型模型（如 4B） 的可靠性低于小型（1.7B）或大型模型，它们经常尝试进行“专家级”推理却缺乏足够能力，从而导致工作流漂移。
• 任务复杂度： 性能呈现“全或无”的分布。当编排器正确规划工作流时，执行就会成功；早期的规划错误会导致整体崩溃。多工具推理被确定为主要瓶颈，在复杂的“多智能体-多工具”（MAMT）任务中会导致准确性大幅下降。
• 协作动态： 专家智能体在 82.7% 的案例中遵循了编排器的计划。偏差（主要是工具移除）一致地降低了准确性。有趣的是，当专家智能体比编排器更强大时，它们更有可能覆盖（override）原定计划，但这种覆盖行为会降低性能。

5. 重要性与经验教训

论文总结认为，OptAgent 为在脱碳建筑运营中部署智能体化 AI 建立了可扩展且具备物理基础的基石。作者总结了未来系统设计的六条关键教训：

1. 更大的模型并不总是更可靠： 基础设施约束（超时、资源竞争）可能使超大型模型在可靠性上不如规模较小但稳定的模型。系统必须具备计算感知能力。
2. 架构比提示词更重要： 结构化设计（如两阶段规划）对于可扩展性的重要性高于提示词优化。随着工具生态系统的增长，分层组织对于管理“提示词爆炸”是必要的。
3. 编排器-专家对齐： 投资于强大的编排器比均匀地扩展所有智能体更有效。中层专家试图对强力编排器的计划进行“重新推理”往往会引入错误。
4. 智能体原生工具设计： 为人类设计的工具（具有复杂的嵌套模式）在智能体面前会失效。工具必须经过简化、扁平化，并专门针对 LLM 的可解释性进行类型化。
5. 人机协同进化： 可靠性取决于用户如何界定任务。系统需要交互设计（例如澄清循环）来使人类意图与可执行的工作流保持一致。
6. 动态且自我进化的系统： 静态的智能体池不足以实现长期自主。框架必须支持基于执行反馈的动态角色生成和结构适应。

这项工作强调，虽然智能体化 AI 代表了从基于规则的自动化向上下文感知决策转变的范式转移，但要实现其在建筑运营中的潜力，需要仔细关注系统架构、工具设计以及模型能力与运营约束之间的相互作用。