文章核心总结与创新点一、主要内容本文聚焦住宅能源管理系统（HEMS）普及面临的用户交互障碍（需将日常偏好转化为复杂技术参数），提出一种基于智能体人工智能（Agentic AI）的HEMS框架。该系统以大语言模型（LLM）为核心，通过分层多智能体架构（1个协调智能体+3个专业智能体），结合ReAct推理模式，实现从自然语言输入到多家电调度、设备控制的全流程自主协调。系统核心功能包括：支持洗衣机、洗碗机、电动汽车充电器三类家电的成本最优调度；集成谷歌日历提取场景化截止时间约束，接入ENTSO-E平台获取奥地利日前电价数据；无需示例演示或少样本学习，仅通过工具描述和任务指令实现最优调度。实验评估了Llama-3.3-70B、Qwen-3-32B、GPT-OSS-120B三款开源模型，结果显示Llama-3.3-70B在单家电和多家电调度场景中均实现100%成本最优（与混合整数线性规划MILP基准一致），而其他两款模型在多家电协调中表现不佳；分析类查询需明确的工作流指导才能保证可靠性。系统所有组件（智能体提示词、协调逻辑、仿真界面）均开源。二、创新点架构创新：提出分层多智能体架构，协调智能体负责任务分解与资源调度，专业智能体专注单一家电领域优化，无需硬编码工作流即可动态适配不同用户请求；交互创新：突破传统HEMS的技术参数输入模式，支持自然语言直接调度，自动完成日常偏好到调度指