AI 数据中枢 · Data Hub
统一的文旅数据与知识底座
清洗、标准化与特征抽取，形成统一的数据指标体系与行业知识图谱， 所有节点建模和运营 Agent 都从这里获取“对场地的理解”。
DARONG AI · 文旅智能体公司
为每一块文旅场地
构建 可持续演进的 AI 智能体系统
从拿地判断到日常运营，覆盖数据中枢、节点网络与运营智能体，
让每一次决策都在同一套 AI 中台中持续进化。
ARCHITECTURE
数据中枢 · 节点网络 · 运营智能体
AI 数据中枢负责“理解世界”， 节点网络负责“重构场地”，运营 Agent 负责“做出决策”在同一套 Node 中台上协同工作。
节点网络 · Node Graph
把场地重构为可计算的节点体系
为每个节点建立“属性—状态—关系”结构，构建场地图谱， 让 AI 能够推演人流、体验与收益。
运营 Agent · Ops Agents
在节点网络上运行多智能体团队
围绕场地全生命周期，部署设计 Agent、运营 Agent、市场 Agent、投融 Agent 等多角色智能体。
PIPELINE
从 AI 数据中枢，到节点网络，再到运营 Agent
在大榕AI 的架构中，数据中枢负责“输入世界”、节点网络负责“重构场地”， 运营 Agent 则在其上持续“做出决策”。
AI 数据中枢
多源数据被汇聚到同一个大榕数据库中：GIS、OTA、支付与物联数据， 中间层用于特征抽取与清洗，输出统一指标与行业知识，用作所有智能体的“输入层”。
节点网络
场地被拆解为多个节点，并通过连线形成 Node Graph：每个场地的入口、动线、 体验点，连线人流、视线与消费路径，为智能体提供可推演的场地结构。
运营 Agent
在节点网络之上运行多种 Agent：设计 Agent、运营 Agent、市场 Agent 与投融 Agent， 多条并行的决策轨道，对同一场地给出活动组合、价格策略与投融判断。
AI PIPELINE
从场地运营数据，到 Agent 输出的完整 AI 流程
在大榕 AI 中，每一块场地的数据都会进入同一条标准化的 AI 流程： 从原始运营数据，到 AI 数据库与算法清洗，再到接入多种运营 Agent， 最终输出可执行的运营建议与行动清单。
场地运营数据
客流 · 营收 · 订单 · 口碑
场地运营数据
汇集客流、人次、营收、订单结构、OTA 评论、社交平台内容等原始数据，
为 AI 提供对当前运营状态的第一手感知。
AI 数据库
多源数据归一 · 行业知识入库
AI 数据库
将不同来源的数据进行清洗与标准化，打通历史项目、行业标杆与当前场地，
形成可比、可追踪的行业级运营数据库。
算法清洗
特征工程 · 指标抽取
算法清洗
通过特征工程与算法处理，抽取关键运营信号：人群结构、停留时长、
动线热点、复购率、活动有效性等，为 Agent 决策提供可计算的指标。
接入 Agent
设计 · 运营 · 市场 · 投融
接入多种运营 Agent
设计 Agent、运营 Agent、市场 Agent 与投融 Agent 在同一数据与节点体系上协同推演，
生成不同视角下的场景方案与运营策略。
输出运营
活动组合 · 价格策略 · 年度节奏
输出可执行的运营方案
将智能体的决策结果整理为可执行的运营行动清单：活动组合、价格与档期策略、
物料与人力配置建议以及关键指标看板，支持团队快速落地。
将鼠标移到任一节点查看该步骤的说明
ROADMAP
路线图：从 AIGC 到 Agent，再到 AI 集群
我们不把 AI 当作一次性工具，而是把它做成可迭代的系统能力。
STAGE 1
AIGC：生成与表达
把内容与表达能力产品化：报告、方案、脚本、可视化素材与标准文档。 强调一致性、可复用与品牌化输出。
- 结构化文案与提案模板
- 图文/视频素材生成与规范化
- 数据解读与自动化报告
STAGE 2
Agent：任务与决策
让 AI 从“生成”走向“行动”：围绕场地运营全链路，拆解任务、推演策略、输出行动清单。
- 运营 Agent / 市场 Agent / 设计 Agent
- 策略推演：活动组合、价格节奏
- 指标看板与复盘迭代
STAGE 3
AI 集群：节点化智能网络
把单点 Agent 升级为“节点集群”：多个场地节点持续回流数据，形成可迁移的经验与行业模型。
- Node 中台：数据中枢 + 节点网络
- 跨场地策略迁移与行业对齐
- 集群协同：分布式智能体网络