智能楼宇AI引擎
基于建筑设备与暖通运行数据，依托AI实现图纸解析-选型-逻辑-组态全链路自动化文付，优化节能策略，提供楼宇暖通专业知识查询、操作引导与教学服务。
楼宇节能算法
基于系统与设备的实时/历史信息，自主生成适用于运行工况的节能优化算法或AI模型，持续提升楼宇暖通系统的运行能效，降低能源消耗与运维成本。
运行态势感知
接入暖通系统及主要耗能设备的运行数据、环境参数、负荷特征与历史能耗，构建完整的运行画像。
节能机会识别
通过数据分析和机器学习方法，自动识别系统运行中的低效环节与节能潜力，例如设备空转、过度制冷/制热、设定值不合理、设备效率衰减等问题。
算法智能生成
根据节能机会分析结果，匹配内置节能策略库（含规则、优化目标与约束条件），自动生成定制化的节能算法规则、控制参数优化方案或基于设备机理模型和时间序列回归强化学习的AI节能模型。
虚拟点联动
当算法需要新的控制或监测变量时，可自动创建虚拟点（AV/BV/MV）定义，并关联至相应的物模型或点位。
仿真验证与评估
在生成算法后，利用历史数据或离线仿真环境模拟运行效果，输出节能率预测、舒适度影响评估及投资回报分析，辅助用户决策。
部署与持续迭代
将生成的算法封装为可部署的规则文件或模型文件，支持下载至边缘控制器或上传至云平台；同时，持续监测运行效果，根据新数据自动更新优化模型，形成自适应节能能力。
图纸识别Agent
自动解析工程图纸中的空间与设备信息，构建工程空间结构，为机电设备物模型创建提供基础。
空间层次解析
图纸中提取楼层、房间、区域等空间层级关系，形成结构化空间树。
机电设备信息提取
识别暖通机电设备（如空调机组、风机盘管、新风机组、水泵、阀门等）的类型、位置及关键属性。
空间结构构建
基于解析出的空间信息，在工程中建立以“楼层—区域—房间”为节点的空间模型。
机电设备物模型创建
针对识别出的每台设备，在对应空间节点下选取合适的设备模板，实例化生成机电设备物模型。
设备选型Agent
基于设备物模型的信号定义生成IO点位表，并依据空间与点位分布，自动推荐控制箱管控区域，完成控制器及控制箱选型。
IO点位表生成
遍历设备模板中预先定义的输入/输出信号清单，结合具体设备实例，生成精确的IO点位表（包括点位名称、信号类型、连接设备等）。
控制箱管控区域推荐
根据各空间与设备的相对关系，自动划分控制箱的控制范围，使点位分布均衡且便于施工运维。
控制器选型
基于控制箱范围内的点位清单，匹配预置的控制器型号库与控制器物理IO端口能力，调用选型工具，输出满足需求且留有合理余量的控制器型号。
控制箱选型
根据控制器选型结果、箱体尺寸、供电要求与安装环境，推荐合适的控制箱型号及配套附件。
控制逻辑Agent
以单个控制器为单元，自动生成默认控制逻辑，并为必要的虚拟点创建新点位，使控制系统具备初始可运行策略。
控制器级逻辑组织
以控制器为单位，汇总其下所有设备点位，形成控制逻辑的信息基础。
默认控制逻辑生成
基于点位对应的机电设备物模型类型（如风机、阀门、传感器）及设备间的关联关系，自动生成符合行业惯例的控制策略（如启停顺序、PID调节、联锁保护等）。
虚拟点管理
自动识别控制逻辑中对虚拟点（AV/BV/MV）的需求，并创建新的点位（如设定值、运行状态累计、模式切换等）。
组态图形自动生成
根据机电设备与空间的关系预设可视化方案，自动生成用于监控与展示的图形界面，并完成数据点绑定。
图形类型自动匹配
根据对象层级和用途，自动生成楼层平面图、系统总览图、设备控制图等不同类型图形。
图形内容装配
将空间边界、设备图标、管线连线、数据面板（Data Panel）按预设的可视化模板布局，形成完整可交互的图形页面。
点位绑定
将机电设备模板中的数据点与图形中的图元、部件进行绑定，确保实时数据可以正确映射到视觉元素上。
楼宇暖通知识专家
以图文结合的方式，为用户提供楼宇暖通领域专业知识查询、操作引导与教学服务，降低专业技术门槛。
知识查询
支持按关键词、设备类型、系统形式等维度检索楼宇暖通知识库，快速返回图文并茂的解释与技术资料。
流程引导
针对常见任务（如设备选型、系统调试、故障排查）提供分步骤的操作指导，辅助用户按规范完成工作。
交互式教学
以结构化课程、动画图解、案例分析等形式，向学员传授暖通空调原理、控制逻辑与节能策略等内容。
