ANASSA：一种用于空间智能的智能体AI编排框架

大语言模型（LLMs）和大多模态模型（LMMs）的出现使得能够将自然语言理解与工具执行相结合的新型智能体系统得以实现。在地理信息系统（GIS）中，这一转变正将传统的专家驱动工作流转变为半自主系统，能够解读用户意图、构建空间工作流并执行地理空间分析任务。然而，现有方法受限于推理、执行与评估之间的碎片化整合，尤其是在复杂且真实的环境中。本研究综合了近期在智能体GIS框架、基准和调研中的进展，识别出空间推理、执行鲁棒性、验证、治理及评估方面的局限。基于这些洞察，提出ANASSA（用于空间系统的自主神经智能体架构，Autonomous Neural Agents for Spatial Systems Architecture），这是一种智能体AI编排框架，整合了结构化空间推理、多智能体工作流编排、执行反馈、权威性空间验证、可追溯性、不确定性处理以及人类决策权，实现统一系统设计。本研究的贡献是架构层面的规范：包含四个层级的十一项组件、六步地理空间AI认知循环、跨组件合约及治理机制，旨在使智能体地理空间工作流具备可追溯、可重现和可问责的特性。实证性能评估将留待实施与部署研究中进行。