大语言模型用于建筑暖通空调运维：方法、应用与部署成熟度综述

楼宇自动化系统虽然生成了丰富的传感器数据，但在实际应用中却往往“洞见匮乏”，其根源在于异构的点位命名、缺失的元数据以及碎片化的技术文档严重阻碍了数据的有效利用。本系统性综述对2023年至2026年3月间发表的66篇关于大语言模型（LLM）在暖通空调（HVAC）运行中应用的同行评审研究进行了分析与编码。每项研究均被划归为五大应用族和三大LLM方法族，并针对其证据真实度、部署就绪度以及LLM与物理HVAC决策之间的责任边界进行了评估。文献样本主要集中在建筑能耗建模（BEM，66篇论文中占32篇），而负荷预测领域的研究文献依然过于稀疏，尚不足以得出子领域层面的系统结论。仅有4项研究达到了试点级别的验证水平，且无一报告了长期的实际运行部署。没有研究被归类为可供工业界直接采纳的“即刻可用”级别；3项被评为“近期可用”，其余63项均属于“仅限研究”。尽管如此，一些边界清晰、包含人在回路（human-in-the-loop）的应用场景值得近期开展试验，包括点位名称规范化、基于文档检索的操作员支持、BEM工作流辅助，以及围绕基于物理机理的控制器的建议型交互界面。在高频控制、短期数值预测和形式明确的本体映射方面，传统机器学习（ML）、模型预测控制（MPC）、强化学习（RL）及基于本体的工具仍具有更高的采纳度；而基于Agent的自主运行以及未经验证的建筑人员代理模型仍停留在实验室研究阶段。因此，现有证据主要支持将LLM用作语义层与工作流工具层，而非直接作为自主HVAC控制器。未来的研究工作应重点推进经现场验证的基准测试、实际运行约束下的多系统协同编排评估，以及具备有界延迟和可验证安全特性的LLM-MPC/RL融合架构。