物理世界没有 Undo——业务系统更需要证据闸
现场记录 · 腾讯云架构师城市沙龙·深圳 2026-07-18
分享：江志磊（绿米联创 / 大前端负责人）·《当 AI Agent 进入物理世界：Aqara 空间智能的工程化实践》
角色视角：老李 · 架构师 / 研发 Leader —— 把「概率进确定性笼子」从 IoT 映射到业务写操作
封面：控错了，谁买单？
线上事故没有后悔药。
前面三场分别立了编制、交付门禁、运行时平台。这场江志磊把问题抬到：Agent 输出不再是文本，而是会改世界的指令。
老李听的不是「智能家居酷不酷」，而是：业务系统里的下单、调价、关停、批额——同样没有 Undo。 研发 Harness 要辐射进业务，最后一公里就是证据闭环。
一句话：把概率智能装进确定性系统。
一、痛点：确定性是首要矛盾
文本写错能重来，状态写错要赔钱。
| 问题 | IoT 答案 | 映射到业务系统 |
|---|---|---|
| 可操作对象是谁 | HomeGraph | 主数据 / 领域对象图 |
| 能做什么 | 物模型 / Capability | 能力矩阵 / 接口契约 |
| 是否生效 | Telemetry 写-回读 | 事务回查 / 状态机校验 |
| 失败怎么定位 | 脚本 + Bad Case 回流 | 审计日志 + 案例账回流 |
数字世界里 Prompt 写错可以重问；物理/业务世界里阀门误开、额度误批，没有 Ctrl+Z。软件侧不能只写「禁止项」——还得有证据闸：命令显示成功但状态未变，必须报失败。
小结：ROI 不在接口数量，在误操作成本能否被工程压住。
二、是什么：空间是领域实体，不是列表分组
别拿设备清单当世界观。
Aqara Studio = 边缘/本地执行底座：协议驱动、物模型、自动化、空间定义、Open API。空间层级 Home → Floor → Room → Device。六类能力域标准化后，Agent 才有可靠手脚。
能力契约四层：API 入口 · Schema 约束 · Skill 流程封装 · MCP 工具协议。对业务系统同构：OpenAPI + 校验 Schema + 流程编排 + Agent 工具发现。
三、为什么用：ORAP + T，先收敛解空间
不是模型越大越安全，是选项越少越安全。
| 字母 | 含义 | 核心问题 |
|---|---|---|
| O | Ontology | 世界里有什么 |
| R | Relation | 如何关联 |
| A | Action | 可以做什么 |
| P | Policy | 约束是什么 |
| T | Telemetry | 观测到什么 |
现场表述：不是开放式瞎生成，而是先在对象图、能力模型、权限/安全约束下筛可行计划集，再按意图匹配与风险选优。
确定性来自收敛解空间，不来自更大模型。 业务批额、库存扣减，同理。
四、架构：LLM 分发，引擎校验，底座执行
模型负责懂人话，引擎负责不闯祸。
分工：LLM 意图分发；确定性引擎做策略过滤/编排/校验；底座做真实执行；数据中台闭环反哺。反馈数据 ≠ 直接训练数据——脱敏、权限、血缘、评审后再反哺。
入口：building.aqara.com · aqara-agent-skills · MCP https://agent.aqara.com/open/mcp
五、接入：先查后控，凭证不入库
钥匙别塞进仓库。
官方推荐优先加载规程化能力包；MCP 作工具发现备选。验证顺序：先查对象与状态 → 消歧 → 单点或场景执行。多命中必须追问；未登录禁止假成功。
业务侧对应：先查主数据与权限，再调写接口；批量模糊匹配一律禁止直接干。
六、实战：七步闭环 + 四道闸（业务可抄）
查 → 编 → 干 → 验 → 说实话。
七步： 激活 → 查知识 → 能力编译 → Plan → Action → Telemetry → 诚实播报
四道闸：
- 对象闸 — 不存在/不可达不进计划
- 能力闸 — 不支持/受限不执行
- 策略闸 — 违规/冲突/超额拦截
- 证据闸 — 回读闭环；状态未变则失败
会议室节能演示：列房间 → 查空调（消歧）→ 确认后执行场景 → 查日志。禁止一上来模糊批量控。
七、洞见三条（研发 Harness 怎么辐射业务）
洞见 1：安全边界写进契约，不靠 Prompt 祈祷
业务写操作至少具备「对象 / 能力 / 策略 / 证据」四闸思维。
洞见 2：语义作用域防误伤，列表遍历会害人
「关灯」按类型遍历会误伤；按空间场景执行可描述作用域。业务侧同理：按「客户/合同/账期」语义批处理，别按「所有开关」扫表。
洞见 3：人在回路是默认态，诚实播报是底线
讲真，软件 Agent 最缺诚实播报——失败却用自信语气交差。物理世界逼你改掉；业务账本更该逼。
八、总结与行动
概率负责理解，确定性负责落地。
现场收束：空间智能工程化 = 把概率智能装进确定性系统。 映射到业务：LLM 理解与分发，确定性运行时执行、校验、证据闭环。
方法论速查表
| 步骤 | IoT / 空间 | 业务系统同构 |
|---|---|---|
| 1 | 选规程化接入 | 写操作走契约层 |
| 2 | 登录选作用域 | 选租户/组织/账套 |
| 3 | 先查后控 | 先查主数据后写 |
| 4 | 场景封装高频动作 | 预编排审批/批处理 |
| 5 | 建空间语义 | 建领域对象图 |
| 6 | 留审计回读 | 状态机 + 审计日志 |
| 7 | Bad Case 评审回流 | 禁止 raw 反馈直训 |
行动号召： 研发 Harness 辐射业务时，先挑一个「有副作用」的写接口，装上查-确认-执行-回读四步。没有证据闸，就别让 Agent 碰生产状态。
现场印证问答
Q1：误开阀门 / 误批额度靠什么挡？
四道闸 + 高风险收敛到预编排场景 + 人在回路。大模型理解不够，工程收敛解空间才够。
Q2：语义世界和列表怎么衔接？
对象图一等公民。先列出可操作空间/主数据，控制改写成「哪个作用域、什么场景态」。PoC：同一句话对比「扫列表」与「走场景」，后者应答得出作用域、场景、日志。
九、金句提炼
| # | 金句 | 老李怎么用 |
|---|---|---|
| 1 | Agent 输出不再是文本，而是会改世界的指令 | 业务写操作同等对待 |
| 2 | 把概率智能装进确定性系统 | 研发 Harness 辐射业务的总纲领 |
| 3 | 确定性来自收敛解空间，不来自更大模型 | 先缩选项，再谈换模型 |
| 4 | 证据闸：命令成功但状态未变 → 必须报失败 | 写接口强制回读 |
| 5 | 反馈数据 ≠ 直接训练数据 | Bad Case 先治理再反哺 |
| 6 | 模型负责懂人话，引擎负责不闯祸 | LLM 与确定性引擎分工 |
| 7 | 人在回路是默认态，诚实播报是底线 | 禁止自信地假成功 |
| 8 | 没有证据闸，就别让 Agent 碰生产状态 | 上线门禁红线 |
十、概念与工具速查
| 概念 / 工具 | 完整定义（简述） | 常见种类 / 同类工具 |
|---|---|---|
| 空间智能 | 把物理空间建模为可查询、可推理、可执行的语义系统（人/空间/设备/关系/约束），而非设备列表堆叠 | 智能家居/楼宇平台；相近：数字孪生、Building OS |
| HomeGraph | 用户侧空间对象图（家→楼层→房间→设备及关系），用于召回与作用域约束 | 同类：领域对象图、主数据关系图、资产拓扑 |
| 物模型 / Capability Model | 描述设备「有哪些属性、能发哪些命令、受哪些限制」的能力契约 | IoT：阿里云物模型、Matter 集群定义；业务侧：能力矩阵 / API Capability |
| ORAP + T（现场框架） | Ontology 有什么 · Relation 如何关联 · Action 可做什么 · Policy 约束 · Telemetry 观测到什么 | 与企业「对象-关系-动作-策略」本体论同构；T 对应回读/审计/补偿 |
| Telemetry | 执行后的可观测回读：状态、事件、链路，用于证明「真的生效了」 | IoT 遥测、APM trace、业务状态机回查、审计日志 |
| MCP | Model Context Protocol，让 Agent 以标准协议发现/调用外部工具的开放协议 | 宿主：Cursor、Claude Desktop 等；对比：自定义 Function Calling、OpenAPI 工具包装 |
| Agent Skill（规程包） | 把步骤、Schema、Forbidden、错误语义沉淀为可加载能力包，优先于裸 Prompt | 官方示例：aqara-agent-skills；同类：各宿主的 skills/tools 目录约定 |
| Aqara Studio | 绿米空间智能执行底座（边缘/本地运行时）：协议、物模型、场景自动化、Open API | 同类：Home Assistant、各厂商边缘网关/楼宇中控 |
| Matter / Zigbee / KNX | 常见设备互联协议族 | Matter（IP 互联标准）、Zigbee（低功耗网状）、KNX（楼宇自控）；还有 RS-485、厂商私有云协议 |
| 四道实控闸 | 对象闸→能力闸→策略闸→证据闸，层层收敛可执行计划 | 业务同构：主数据存在性→接口能力→风控策略→写后回读 |
| 人在回路 HITL | High-risk 操作必须经人确认再执行 | 审批流、二次确认、变更窗口；对比：全自动无人值守（仅低风险） |
| OpenAPI | 描述 HTTP API 的标准规格，作稳定确定性入口 | 工具：Swagger UI、Stoplight；与 MCP 关系：API=稳定入口，MCP=Agent 发现/调试入口 |
十一、小结：模型之上的工程与架构
怎么理解这场。 当 Agent 能改物理或业务状态时，「模型之上」变成确定性笼子：ORAP+T 先收敛「世界有什么、能做什么、受什么约束、观测到什么」；LLM 只做意图分发，确定性引擎做策略与校验，执行底座落地，Telemetry 负责诚实播报。架构核心不是更大模型，而是更小的可行计划集 + 四道闸 + 人在回路——这正是研发 Harness 辐射进业务写操作的最后一公里。
收获提炼。
- 确定性来自收敛解空间，不来自换更大模型。
- 写操作必须过 对象 / 能力 / 策略 / 证据 四闸；ACK 成功但状态未变要报失败。
- 反馈数据要治理后再反哺，禁止 raw 直训。
- 业务批额、调价、关停与控灯同构：没有证据闸，Agent 不许碰生产状态。
现场照片：
images/4/raw/raw_*.png（原图全量嵌入正文）
参考：aqara-agent-skills · building.aqara.com · MCP 规范