模型之上的工程和架构笔记1:物联世界没有 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。

现场原图 raw_01

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。

flowchart 示意图

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。

现场原图 raw_03

现场原图 raw_04

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。

现场原图 raw_05

现场原图 raw_06

现场原图 raw_07

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。

mindmap 示意图

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。

现场原图 raw_08

现场原图 raw_09

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。

现场原图 raw_10

现场原图 raw_11

flowchart 示意图

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。

现场原图 raw_12

现场原图 raw_13

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。

现场原图 raw_14

现场原图 raw_15

现场原图 raw_16

七步： 激活 → 查知识 → 能力编译 → Plan → Action → Telemetry → 诚实播报

四道闸：

1. 对象闸 — 不存在/不可达不进计划
2. 能力闸 — 不支持/受限不执行
3. 策略闸 — 违规/冲突/超额拦截
4. 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。

sequence 示意图

七、洞见三条

现场原图 raw_17

现场原图 raw_18

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。

现场原图 raw_19

现场原图 raw_20

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

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。

九、金句提炼

十、概念与工具速查

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。

1. 确定性来自收敛解空间，不来自换更大模型。
2. 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。
3. 反馈数据要治理后再反哺，禁止 raw 直训。
4. 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。

mindmap 示意图

从物联网角度分析了大模型做语义理解，配套的设备控制系统做执行，中间增加了确定性的校验和证据闸。