AI 与工具执行架构

约 2759 字大约 9 分钟

2026-10-27

联犀的 AI 服务围绕当前人员、角色、会话和业务范围组织任务。模型可以使用获准知识、选择工具并消费实际返回；工具再按照 HTTP、Agent MCP、组脚本或包技能进入相应执行路径。

理解这套架构，需要分清“谁在参与任务”“使用哪些上下文”“工具在哪里执行”和“结果由谁确认”。模型、知识检索、设备接口和运行器分别承担这些职责。

1. 角色、分身与组的分工

CloneGroup 中共享工具，表示组内按配置可使用相应能力；知识、长期记忆和全部业务数据并不会因此自动合并。项目型分组还需要结合业务关联和当前会话确定实际项目范围。

AI 服务识别当前角色、实例、会话与业务身份，按场景装配指令、可用工具和所需资料。工具定义需要说明用途与参数，实际调用再由对应实现处理。

当前文本任务中的知识能力采用工具化方式：模型在需要证据时可以搜索知识，再读取全文或关联切片。一次简单会话可能直接生成响应，另一任务可能经过多次工具调用。图中的能力关系因此不应理解为每轮固定依次访问全部模块。

会话历史承接当前交互，知识库提供资料依据，长期记忆则提供按场景使用的持续信息。三者具有不同来源与范围，装配时需要分别判断。

当前显式携带项目范围的网页文本会话，会停用 Clone 长期记忆召回及对应注入，避免将缺少项目隔离字段的长期信息带入另一项目。这一规则有自己的会话与通道条件，不能直接推断全部语音和其他入口也采用同样策略。

当前绑定知识库的 Agent 可使用以下内置工具：

工具	用途	对回答的支持
`knowledge_search`	搜索命中文档与切片	获得与问题相关的证据和命中信息
`knowledge_get_document_content`	读取对应文档全文	补充切片外的上下文与完整说明
`knowledge_get_chunk_relations`	查询切片关联	根据已有命中补充相邻或关联证据

资料检索和现场数据查询解决不同问题。产品手册可以解释设备字段，实时数值和历史变化仍需调用设备业务接口。回答涉及现场事实时，应保留实际来源与可用查询依据。

开发端 Skills 面向客户自己的 AI 开发工具，提供平台或应用开发方法、模板和验证指引。CLI 按操作者授权执行配置、查询、接入和调试。

运行时技能面向当前角色和会话，由平台加载相应说明或关联文件，并在需要时进入实际执行路径。开发阶段可以借助 Skills 准备一个业务工具；工具投入运行后，平台根据发布配置和当前业务身份使用它。

开发端接入路线见AI 开发与 Skills，平台配置入口见AI 中台。

人员提出查询需求后，平台先确认会话与当前项目。模型结合实际物模型和可用工具，组织目标设备、字段及时间范围。工具调用设备业务接口，接口核验对象归属与数据范围，再查询实际历史仓储。

若任务进一步涉及设备控制，还应沿设备命令与回执链路确认实际状态。语言回答、工具受理和设备执行是不同结果，应分别呈现。