SA 空间预约：Agent 设计方案 (Semantic/AI Layer)

NOTE

模块文档导航

1. [入口] Agent 调度逻辑 (当前文档)：负责 Slot Filling 与全链路编排。
2. [逻辑] 时间处理流水线：负责 P1-P4 时间归一化与贪婪策略。
3. [逻辑] 资源处理流水线：负责 Task B 空间检索与忙闲校验。
4. [算法] 会议室推荐算法逻辑：定义排序权重与冲突处理算法。

文档目的：描述会议预约专家（Meeting Specialist）如何通过多轮对话完成时间、人数及偏好提取，并结合后端实时忙闲数据实现预约建议与确认。

---

整体流程

1. 槽位定义与验证逻辑 (Slot Filling & Validation)

1.1 槽位定义与提取规则 (Slots & Extraction)

Agent 需严格遵循以下 JSON 结构从用户输入中提取槽位（详见 提示词模板）：

槽位名称	类型	说明	示例
start_date	String	"yyyyMMdd"，未指定则为 null (由逻辑层补全)	20260121
start_time	String	用户数字时间 "hh:mm" 或语义标签 "NOW" / "ASAP"	05:00 / NOW
period	String	明确词时为 "AM" 或 "PM"，无则为 null	PM
capacity	Integer	精确人数, 未指定则为 null (由逻辑层补全)	20
duration_hours	Float	时长（小时）或 null	1.5
room_name	String	用户指定的会议室精确名称或 null	火星厅
facilities	String[]	用户要求的设施名称列表，未指定则为 []	["投影仪", "电视机"]
topic_name	String	会议主题。默认 "临时会议"	研发周会

针对 start_time 举例：

• 用户输入 "下午5点" $\to$ start_time: "05:00", period: "PM"。
• 用户输入 "现在/马上" $\to$ start_time: "NOW" (由逻辑层根据系统时间执行即时预订策略)。
• 用户输入 "越快越好/尽快" $\to$ start_time: "ASAP"。逻辑层返回 Status: OK (Strategy: ASAP)，Agent 随即跳转至 ASAP 专用查询接口。
• 用户未输入时间（如“订个明天的会议室”） $\to$ start_time: null。逻辑层返回 Status: AMBI (Reason: 缺少具体时间)。

1.2 设施字典动态注入 (Facility Dictionary Injection)

设施列表由后端会议系统 API 动态获取并注入至 Slot 提取提示词中。注入内容为设施名称列表，供 LLM 从用户自然语言中匹配提取。

注入时机：每次预约对话均注入（字典规模小，token 成本可忽略）。

当前字典示例：

名称	标识符
投影仪	Projector
电视机	TV
音频设备	Audio
视频设备	Video

标识符用于下游系统对接，Slot 输出使用名称，与 equipment 字段值直接匹配。

1.3 提示词模板 (Prompt Template)

# 角色：Slot提取器
严格从用户输入提取会议室预订slot。仅输出JSON，无额外文本。

# Slot规则
1. [参照 1.1 槽位表数据结构]
2. **特殊时间处理**：
   - 若用户表达“现在/马上/立刻”，请填充 `start_time: "NOW"`。
   - 若用户表达“尽快/越快越好/看最早什么时候有”，请填充 `start_time: "ASAP"`。
   - 不要尝试自行计算具体分钟数，保留语义标签交给逻辑层处理。
3. **设施提取**：
   - 可用设施列表：${facility_list}（由系统动态注入，当前为 ["投影仪", "电视机", "音频设备", "视频设备"]）
   - 用户提及设施需求时，提取为 `facilities` 数组（如"带投影仪的会议室"→`["投影仪"]`）
   - 用户未提及设施，`facilities` 填空数组 `[]`

# 输出示例
用户："我想订个下午5点会议室"
输出：{"start_date":null,"start_time":"05:00","period":"PM",...,"facilities":[]}

用户："现在就要开会，要个10人房"
输出：{"start_date":null,"start_time":"NOW","capacity":10,...,"facilities":[]}

用户："明天下午2点，订一间带投影仪和电视机的会议室"
输出：{"start_date":"${tomorrow_date}","start_time":"02:00","period":"PM","facilities":["投影仪","电视机"]}

1.4 当前 Dify 编排提示词（参考, 含设施扩展）

以下为 Dify 平台实际部署的 Slot 提取提示词，已集成设施过滤能力。 最终版本以 AI 应用工程师编排为准，本文档仅作设计对齐参考。

# 角色：会议信息Slot提取器
严格从用户输入提取会议室预订slot。仅输出JSON，无额外文本。

# 【强制日期计算铁律 必须严格遵守】
1. 基准日期 {{#1776758708660.date_hint#}}
2. 星期定义：周一=1，周二=2，周三=3，周四=4，周五=5，周六=6，周日=7。
3. 语义严格定义：
   - 今天：基准当日
   - 明天：基准日+1天，后天：+2天

# Slot规则
- start_date: "yyyyMMdd" ,如用户未指定日期则为 null
- start_time: 用户数字时间"hh:mm" (5点→05:00，17点→17:00，3点半→03:30，保持原hh数字无转换) 或 null
- period: **最高优先级：严格按用户文字，绝不按时间数字自动修正**
  - 明确说出：上午、早上、凌晨、清早 → 输出 "AM"
  - 明确说出：下午、晚上、中午、傍晚 → 输出 "PM"
  - 用户未明确指定上下午 → 必须给 null，禁止根据时间数字自动推测
  - **用户只说数字时间（如9点、10点、15点）→ 必须输出 null，绝对禁止自动推测**
- capacity_at_least: 参与会议的人数，只有用户明确指定会议人数有值，否则给 null
- duration_hours: 会议时长小数。只有用户明确指定会议时长有值，否则给 null
- room_name: 会议室名称或者是会议室描述，精确名称。如8楼的会议室，802会议室等，没有提取到给 null
- topic_name: 精确会议主题，如研发周会，财务会议等，没有提取到给 null
- facilities: **设施过滤（新增）**
  - 可用设施列表由系统动态注入，当前：["投影仪", "电视机", "音频设备", "视频设备"]
  - 用户提及设施需求时提取为字符串数组（如"带投影仪"→["投影仪"]）
  - 用户提及多个设施时全部提取（如"要有电视机和音频设备"→["电视机","音频设备"]）
  - 用户未提及任何设施 → 输出空数组 []

# 输出强制要求
1. 仅输出纯净JSON，无解释、无多余文字、无markdown
2. start_time 必须两位小时格式：05:00 / 09:30 / 17:00
3. 未填写字段统一为 null，禁止写"null"字符串；facilities 未指定时输出空数组 []
4. 无论语义推断、星期换算，只要用户**没有口头明确说出日期/今天/明天/周几**，start_date 一律强制设为 null，禁止自动填充任何日期。

# 输出JSON结构
{
  "start_date": "yyyyMMdd 或 null",
  "start_time": "hh:mm 或 null",
  "period": "AM" 或 "PM" 或 null,
  "capacity_at_least": 整数 或 null,
  "duration_hours": 浮点数 或 null,
  "room_name": "字符串 或 null",
  "topic_name": "字符串 或 null",
  "facilities": ["字符串"] 或 []
}

---

2. Dify 流程编排逻辑 (Dify Workflow Logic)

Agent 遵循以下核心编排逻辑完成预约闭环：

1. 意图解析 (Slot Filling)：从用户输入中提取槽位信息。若必填项缺失，直接追问。
2. 时间流水线启动 (Time Pipeline)：槽位初步完成后，直接调用 time pipeline 处理逻辑。
   • 注：流水线内部负责日期补全（如缺失则默认为当前下个整点）等兜底逻辑。
3. 时间结果处理：
   • 4.1 错误拦截：若返回非法日期（昨天）、语义逻辑矛盾（如：明天现在、下午预订上午尽快）、或数字时间矛盾（上午 15 点），则 Agent 进一步追问引导用户修正。
   • 4.2 多候选确认：若返回多个可选时间（歧义），Agent 展示选项供用户进一步确认。
   • 4.3 锁定成功：若返回唯一合法时间，则锁定时间并进入 Step 3a: 调用 Resource Pipeline。
   • 4.4 ASAP 策略：若返回 ASAP 标记，跳过常规资源检索，直接进入 Step 3b: 调用 ASAP 专用接口。
4. 资源流水线启动 (Resource Pipeline)：时间锁定后，调用物理资源检索逻辑。传递 capacity + facilities 参数，由后端接口一并筛选。
5. 资源结果处理：
   • 5.1 有效推荐：返回可用会议室列表，Agent 直接发送前端展示组件。
   • 5.2 冲突后推荐：原会议室全忙但有建议方案，Agent 回复话术引导后发送前端展示组件。
   • 5.3 无房可用：返回全忙且无推荐（含设施不满足），Agent 回复无法预订的话术。
6. 用户最终决策：用户在前端组件（卡片）中完成最终的点击预约操作。

2.1 编排架构流程图

---

2.2 物理归一化逻辑 (Normalization)

Time Pipeline 仅处理基础的时间归一化与校验：

• Time Parsing: 结合 start_time 与 period 进行 24 小时制转换。
• Time Validation: 校验时间是否合法（是否过期、是否在工作时间、是否具有上下午歧义）。
• No Guessing: 若 start_time 为空，流水线不执行任何默认补全，直接返回 Status: AMBI 要求追问。

2.3 澄清追问与边缘处理 (Clarification & Edge Cases)

为了提升对话的“智能体感”，Agent 需具备以下场景的针对性回复逻辑：

异常类型	判定条件	Agent 预期话术 (示例)
时间缺失	返回 Reason: 缺少时间	"没问题，请问您想订 几点 的会议室呢？"
时间模糊	返回 Status: AMBI	"好的，请问您是想订 上午 {X} 点 还是 下午 {X} 点？"
时间过期	返回 Status: ERROR (已过去)	"抱歉，您选择的时间点已经过去了，麻烦重新说个时间？"
完全冲突	available_list 为空且无平替	"哎呀，这个时段的会议室都满了。建议您看看 其他时间 或者 切换到其他楼层？"
容量严重不足	用户需求 > 空间 Max	"305 只能坐 20 人，装不下 50 位哦。我为您推荐了 隔壁大礼堂，您看可以吗？"
设施不满足	指定房间有会议但缺少用户要求的设施	"抱歉，{房间名}没有{设施名}，暂不支持预订"
设施全量无房	满足设施要求的房间在该时段全部被占用	"当前时段满足{设施名}的会议室暂无可约，建议换个时间或减少设施要求"
任务中断	多轮对话中途用户话题转移	(保持上下文 5 分钟) 若用户问别的，回复完后主动兜底："刚才的会议室还要订吗？"

---

2.4 终端交互与执行 (UI & Action)

当 Resource Pipeline 返回 SUCCESS 状态时，Agent 需组织前端组件完成闭环：

1. 候选列表组件 (Meeting Room Card)：
   • 内容：展示 Top 3 推荐会议室。
   • 元素：房间名、楼层、容纳人数、IoT 实时状态（如：“24℃ 舒适”）。
   • 交互：点击“立即预定”按钮。
2. 最终预定触发 (Execution)：
   • 用户点击组件后，Agent 调用后台执行逻辑（Task C）。
   • 接口分流：根据企业配置调用 飞书/钉钉/自有系统 的 Create Event 接口。
3. 执行反馈：
   • 成功：展示“预定成功”状态卡片，并提供“查看详情”或“邀请参会人”的 AppLink (飞书客户端等) 跳转。
   • 失败：提示具体原因（如：“登录状态失效，请重新登录”或“该时段刚刚被其他同事抢占”），引导重新选择。

---

4. 相关设计参考

• 路由分发层：意图识别与分发技术方案
• Time Pipeline：SA_空间预约_时间处理逻辑
• Resource Pipeline：SA_空间预约_物理执行逻辑