用于以使用者为中心热控制的大语言模型提示配置对比评估

《BUILDING AND ENVIRONMENT》：Comparative Evaluation of Large Language Model Prompting Configurations for Occupant-Centric Thermal Control

　　

摘要
乘员的热需求随年龄、性别和体重指数（BMI）的变化而变化，然而传统的固定温度控制和基于预测平均投票（PMV）的控制策略依赖于标准化参数，无法直接适应这些特征。大型语言模型（LLM）能够解读乘员信息和室内环境变量，从而生成热控制设定值，但其输出质量对提示词配置较为敏感。本研究系统评估了八种基于LLM的提示词配置方案，用于面向乘员的热控制设定值生成。静态性能评估使用了来自ASHRAE全球热舒适数据库II的1,080个样本，并以观测到的中性条件参考值和PMV舒适度合规率（PCCR，即基于PMV的舒适边界合规率）进行数值一致性比较。静态评估表明，分解法（Decomposition）取得了最低的均值绝对误差（0.43°C），而模块化推理、知识与语言（MRKL）风格的模块化提示词方案则取得了最高的PCCR（91.6%）；匹配交叉模型分析显示，三种模型中分解法均具有最低的数值误差，但PCCR排名因模型而异。动态性能进一步在EnergyPlus中对四种选定配置进行了考察：纯指令基线、分解法、MRKL风格模块化提示词方案，以及后两者的混合方案。在这些配置中，静态性能排序在闭环运行时未得到保持。两种基于PMV锚定的配置在动态测试中表现出高于另外两种配置的PMV舒适度满足度，而混合方案在四种配置中取得了最高的综合舒适度满足度。这些发现表明，数值一致性、基于PMV的舒适边界合规率和动态控制行为代表了不同的评估维度，并且在所测条件下体现出依赖配置方案的权衡关系。

引言
室内热环境控制旨在优化建筑能效，同时为乘员提供舒适的室内环境[1,2]。虽然被动方法，如围护结构全生命周期评估和基于朝向的设计，也对提高建筑能源性能做出了贡献[3,4,5]，但室内热环境的主动控制仍是实现这一平衡的核心。在建筑环境领域，两种主要的控制策略被广泛采用：固定温度控制，维持恒定的温度设定值；以及基于预测平均投票（PMV）指标的控制，该指标源自人体热平衡模型[6,7,8]。然而，两种策略都存在显著局限性。固定温度控制对乘员热需求变化的响应能力有限。基于PMV的控制纳入了代谢率（MET）和 clothing insulation（CLO）等变量，但主要依赖于标准化的热平衡输入。因此，基于PMV的控制在其标准公式中对乘员特征（包括年龄、性别和体重指数（BMI））的直接表征能力有限[9,10,11]。

在实际应用中，空间内乘员的热需求受众多因素影响而变化，包括年龄分布、性别构成和BMI[12,13,14]。先前的研究表明，这些特征即使在相似的环境条件下也可能影响热感知和偏好的室内条件[15,16]。然而，此类信息难以直接纳入基于PMV的控制逻辑中，因为这些变量不是标准热平衡公式中的直接输入。这一局限性并非仅仅源于数据缺失，还源于传统基于方程的控制框架的结构刚性。与年龄、性别和BMI相关的热偏好变化涉及复杂的生理机制，包括代谢特征差异、体温调节和身体热交换方面的差异。这些机制可能涉及乘员与室内环境变量之间的非线性相互作用，使其难以通过单一标准化方程来表示。因此，未能考虑乘员相关多样性的统一室内温度控制可能会损害部分乘员的热舒适性，并导致不必要的制冷和制热负荷。解决这些效率低下问题推动了数据驱动的努力，以提高建筑能源和碳性能，包括基于机器学习的供暖能耗预测、碳感知优化框架以及建筑构件的全生命周期碳建模[17,18,19]。

为了解决这些局限性，最近的研究探索了将大型语言模型（LLM）的推理能力整合到建筑运行和控制逻辑中[20,21,22]。LLM能够处理异构输入、遵循结构化指令，并推断变量之间依赖上下文的关系，而无需将所有关系以方程形式显式预定义[23]。在热控制中，这一能力可作为推理接口，共同解读乘员信息和室内环境变量以生成热控制设定值。然而，LLM的输出会因输入提示词结构、上下文信息和推理格式的不同而有显著差异[24,25]。因此，需要系统评估以阐明不同的提示词配置如何影响基于LLM的面向乘员热控制中的数值一致性、基于PMV的舒适边界合规率和动态控制行为。

在建筑环境领域，LLM的推理能力已在多种运行场景中得以应用，包括建筑元数据解读、故障检测与诊断、占用测量和室内环境信息学[26,27,28,29]。先前的研究强调了LLM在处理难以用传统数值算法解决的异构或非结构化数据方面的适用性。例如，通过LLM与多智能体系统集成的方式自动化建筑性能分析[30]，以及通过分析非结构化的乘员反馈文本来识别室内环境质量需求[31]。

这一研究方向还扩展到了室内热环境和乘员舒适控制领域。代表性应用包括：利用LLM推断大型空间（如机场航站楼）中乘客的热感觉，以优化暖通空调（HVAC）设定值[32]；将生物特征数据与LLM结合以预测热舒适度[33]；以及设计具有专家级替代方案的室内送风系统，随后通过计算流体力学进行验证[34]。总体而言，这些研究表明LLM能够捕捉乘员相关信息与物理环境变量之间的复杂关系。然而，现有研究主要关注预测、反馈解读或设计生成，对于LLM生成的热设定值在不同提示词配置和动态变化的建筑环境下的表现关注有限。

与此同时，提示词工程——即优化提供给LLM的输入指令以提高响应质量和推理一致性的研究——在建筑控制应用中的探索仍然有限。由于LLM会根据提示词配置和上下文设计产生不同的控制输出，即使提供的数据相同，提示词设计也是LLM控制系统的可靠性的关键决定因素。虽然先前的研究已评估了个别提示词技术，如零样本提示词或思维链（CoT），但这些研究通常是孤立进行的[35]。迄今为止，尚缺乏关于当同时提供乘员信息和室内环境变量时，不同提示词配置如何影响热控制设定值的系统性研究。特别是，数值一致性与参考条件的匹配关系、基于PMV的舒适边界合规率以及闭环动态行为之间的关系仍缺乏充分理解。因此，需要系统比较代表性的提示词配置方案，以阐明其在LLM面向乘员热控制中的优势、局限性和适用性。

提示词工程是指系统性地设计和优化输入指令，以激发人工智能模型产生适当输出的过程[36]。虽然早期方法仅限于提供简单命令或示例，但提示词技术此后已发展出多种利用LLM推理能力的方法，文献中已报道了50多种不同的技术[37]。根据目标和操作机制，这些技术可大致分为六类（表1），每类均展现出不同的优势和局限性[38,39]。

第一类，指令/示例，代表最基本的形式，模型直接接收任务和参考示例。该类包括零样本提示词（不提供示例直接发出指令）以及单样本和少样本提示词技术（提供一或多个示例）。第二类，推理，引导模型沿结构化推理路径逐步解决复杂问题。代表性技术包括思维链（CoT）和思维树（ToT），对需要显式逻辑组织的任务尤为有价值。第三类，上下文/知识，通过外部知识、固定上下文信息或工具化的模块化结构增强模型响应。该类的技术，如检索增强生成（RAG）、推理与行动（ReAct）以及模块化推理、知识与语言（MRKL），常被讨论为改进接地性（grounding）或任务分解的方法。此外还识别出三个类别：优化类，自动搜索和精炼提示词质量；自适应/角色类，调整语气和视角以适应特定角色或上下文；以及元提示词类，模型自身生成或评估提示词。

在室内热环境调节等复杂控制场景中，有效的设定值生成需要同时解读乘员信息和物理环境变量。结合结构化推理和上下文知识的提示词配置方案，直接关系到LLM如何从混合输入中生成热控制设定值的研究。具体而言，推理类可结构化模型的解读过程，而上下文/知识类可纳入领域知识或模块化舒适边界参考。因此，本研究从这两个类别中选取代表性的提示词配置方案进行定量比较分析，以阐明不同的提示词配置方案如何导致数值一致性、基于PMV的舒适边界合规率和动态控制行为方面的不同特征。主要分类框架及各类中的代表性技术总结于表1。

本研究评估了LLM提示词配置方案如何根据年龄、性别、BMI和室内环境变量生成面向乘员的热设定值。所有八种配置方案均基于ASHRAE全球热舒适数据库II进行静态评估，评估指标包括参考温度一致性、PMV舒适度合规率、统计不确定性、跨模型敏感性、PMV过滤敏感性以及对乘员元数据的受控反事实分析。随后，四种选定配置方案——B1、R3、C3和R3+C3——在闭环EnergyPlus模拟中进行动态评估，指标包括基于PMV的舒适度满足度、设定值变异性以及HVAC用电量。美国能源部（DOE）原型恒温器时间表仅作为基于时间表的上下文参考纳入。该框架将八配置静态比较获得的证据与四配置动态评估获得的证据区分开来。

章节摘要

提示词配置方案
在本研究中，"提示词配置方案"一词指的是在统一输入输出格式下，从乘员信息和室内环境变量中生成热控制设定值的标准化提示词结构。选择推理类和上下文/知识类配置方案，是因为设定值生成既需要对乘员信息进行结构化解读，又需要与热舒适知识保持一致。前者组织中间推理步骤……

数据集和评估指标
ASHRAE全球热舒适数据库II经过筛选，保留包含年龄、性别、体重、身高、MET、CLO、Ta（干球温度）、Tr（辐射温度）、RH（相对湿度）、Va（风速）、热感觉投票（TSV）和有效PMV值的记录。BMI按体重/身高2计算，并根据世界卫生组织标准[43]分为偏瘦（<18.5）、正常（18.5–24.9）、超重（25.0–29.9）或肥胖（≥30.0）。在TSV中性记录中，1,080条同时满足?0.5 ≤ PMV ≤ 0.5，构成了主要中性条件样本集……

模拟环境
为评估四种选定提示词配置方案的动态控制性能，选择DOE商业原型建筑模型中的中型办公楼作为目标建筑，并进行EnergyPlus模拟[48,49]。该模型代表一栋典型的三层商业办公楼，配备带电再热的变风量（VAV）系统，建筑的物理围护结构规格和默认占用时间表保持DOE原始设置……

讨论
本研究在静态评估中比较了全部八种提示词配置方案，并在闭环动态模拟中考察了四种选定配置方案。虽然先前的研究已确认LLM作为解读乘员舒适与物理环境变量之间关系的有前景的方法[53,54]，但在热环境控制中对提示词配置方案的系统比较仍然有限。本研究通过展示……弥补了这一空白。

结论
本研究定量比较了八种LLM提示词配置方案，用于将乘员特征（包括年龄、性别和BMI）纳入面向乘员的热控制。所有八种配置方案均使用ASHRAE全球热舒适数据库II[42]进行静态评估，四种选定配置方案使用EnergyPlus进行动态评估。主要结论如下：

首先，数值一致性与基于PMV的舒适边界合规率被证明是……

CRediT作者贡献声明
Ji Young Yun：概念化、方法论、验证、形式化分析、初稿撰写。
Eun Ji Choi：概念化、方法论、调查研究、审阅与编辑。
Jin Woo Moon：概念化、监督、项目管理。

数据可用性
数据可在请求时提供。

CRediT作者贡献声明
Ji Young Yun：初稿撰写、验证、方法论、形式化分析、概念化。
Eun Ji Choi：审阅与编辑、方法论、调查研究、概念化。
Jin Woo Moon：监督、项目管理、概念化。

Ji Young Yun | Eun Ji Choi | Jin Woo Moon
韩国首尔瑞草区合泽路84号，中央大学建筑与建筑科学学部，邮编06974