文章目录深夜食堂一个 SDK 撑起一间大堂吧第二天一早偏好记忆是复购的暗线住客留言簿的五页专属智脑在酒店里干什么常客四家门店试点的实测想亲眼看看六个最适合现场演示的片段退房前礼宾的本质是城市的翻译官晚上十一点四十你拖着行李箱站进一家陌生城市的酒店大堂。明天早上八点要见客户但你还没吃晚饭你想找个地方改方案但不知道这附近有没有还开着的咖啡馆你甚至不知道明天该几点出发——这座城市早高峰有多堵没人告诉你。前台小伙子递过来房卡电梯右转。然后你面对的是一间安静的房间和一整座陌生的城。宿礼Sùlǐ就是为这个夜晚而生的。她以礼宾司形象常驻在客房智能屏和酒店小程序里你进门放下行李她先问一句到得这么晚吃饭了吗——楼下便利店几点关门、明早几点打车最堵、附近哪家面馆开到凌晨她都替你查好了。她记性好得惊人你上个月住过、枕头要硬的、咖啡要无糖——这次进房这些已经备好了。端到端具身交互智能平台让 AI 通过屏幕和机器人进入真实世界成为能够感知、理解、表达并行动的智能体。本文以一个智慧酒店礼宾应用为实战样本拆解它如何用一个 SDK 把感知、大脑、表达全链路打通完成迎宾—在地服务—偏好记忆的完整住客闭环。## 入住时为什么酒店服务特别适合端到端具身交互智能酒店行业谈智能化谈了十年落地的全是减法自助机取代前台、机器人送外卖、App 开发票——每一项都在省酒店的人力没有一项在增加住客的体验。深夜到达的商旅客人最需要的不是快速入住是这座城市此刻还有人管我。真实的金牌礼宾不是这样。好的礼宾司在客人到店的全程一直在做预判式服务深夜到店他先问吃饭没有说明早八点开会他已经想好了七点一刻叫车避开早高峰常客进门他记得你上次嗓子疼要过蜂蜜水。这种持续感知 → 持续理解 → 持续决策 → 持续表达与行动 → 持续反馈的循环才是礼宾和前台的区别。客房电话、酒店公众号、送物机器人这三样各自都在干活——电话解决了叫东西的问题公众号把信息搬到了线上机器人省了跑腿的人力。真正的坎在连接三样东西互相不知道对方的存在中间没有一个人对这位深夜到店的客人现在到底需要什么负责。更要命的是深夜场景下住客的需求是高度场景化的——“附近还有吃的吗背后是我又累又饿不想再做决策”拼装系统给不了一个替你把决策做了的回答只能甩一个外卖链接。信息不缺缺的是那个替你把信息嚼碎的人。这就是典型的不是端到端。星云把多模态感知按酒店的声场重做了一遍深夜的大堂安静得反常客人开口都是压低的声音背景只剩行李箱轮子碾过大理石的声响和中央空调的风声——低音量、远距离、语义含糊是最难识别的一种语音环境。算法降噪、AEC 抗回声、本体声音抑制、VAD、远场语音这一整套管的是隔着两米听清一句’那个……还有吃的吗’“Double Talk / Barge-in 智能打断管的是宿礼正在介绍便利店客人突然说’算了太累了’——她立刻停下接住这句放弃不把便利店的营业时间念完”。视觉侧摄像头感知到客人拖着行李走进大堂、看一眼客房屏就触发了那句主动的开场——不是等客人自己点开小程序。持续感知而不是一次输入她持续知道的是这位客人到店了、很晚了、很疲惫然后决定现在开口。深夜到店的客人要的不是信息是有人替我想好了。深夜食堂一个 SDK 撑起一间大堂吧这套礼宾能力基于一个端到端数字人 SDK 构建核心业务代码不到 500 行。整个前端对接只需要三步提供一个 DOM 容器、注册一组回调、调用 agent.ask() 发送消息。import { AvatarAgent } from example/avatar-agent; const concierge new AvatarAgent({ container: document.getElementById(hotel-root), // 客房屏 / 小程序 avatarId: concierge-hotel, // 控制台配置礼宾制服、温和周到 persona: CONCIERGE_PERSONA, voice: { rate: 0.94, warmth: true }, profile: { guestHistory: true }, // 接入会员系统住客历史偏好 }); // 入住时刻感知深夜到店触发主动服务 concierge.on(checkIn, (info) { if (info.hour 22) { concierge.ask(到得挺晚辛苦了。先说三件事 楼下便利店开到十二点半您明早八点的会我建议七点十分出发——这座城市早高峰从七点二十开始堵 枕头按您上次的习惯换了硬的。先吃饭还是先洗澡, { proactive: true }); } }); // 住客随时开口从问路到吐槽全接 concierge.on(qa, (q) { if (/饿|吃|面|宵夜/.test(q)) return lateFood(q); // 深夜食堂模式 if (/堵|打车|地铁/.test(q)) return traffic(q); // 实时路况 concierge.ask(localKB.answer(q) ?? 这个我问下前台同事五分钟内回您。); }); await concierge.init();三步对接只是入口真正跑起来时一次「深夜到店」的完整链路是这样的多模态感知远场语音 / 视觉触发专属智脑人设规则 知识底座 偏好记忆多模态表达语音 / 口型 / 表情 / 手势业务执行PMS / IoT / 工单反馈回流会话状态与记忆更新这条链路不是四段拼接而是有严格时序的感知必须先于决策视觉触发到开口之间要留出「确认客人真的在听」的窗口智脑的检索与规则判定必须在表达开始前完成否则语音已经出声、口型却对不上表达与业务执行是并行的——她一边说「云吞面十分钟后送到」一边已经把工单写进 PMS但工单结果要能回灌到会话状态里下一句话才不会自相矛盾。任何一环的延迟或状态丢失都会让「她记得我」退化成「系统里有我的档案」。客房屏首屏宿礼礼宾形象 深夜到店的主动服务卡片三件事清单深夜到店触发的那段话把便利店、早高峰、枕头三件事打包——这是从一位干了二十年的老礼宾那抄来的开场深夜的客人没有耐心听你逐条问需要什么吗他要的是你已经替他想完了。主动服务的时机设计比服务本身更接近礼宾的本质。深夜还能撑起这个体验的是底层那套实时交互运行时从进大堂那句辛苦了到房间里云吞面十分钟后送到中间隔了办入住、进电梯、开门放行李——她的会话状态和事件流转全程没断他说过明早八点开会这件事到客房里还在生效。事件流转、会话状态、时间同步统一管着跨大堂、跨电梯、跨客房不失真。第二天一早偏好记忆是复购的暗线宿礼的记忆层分两块当次住中的即时偏好和跨次入住的历史偏好——后者是这套系统里最值钱的代码const CONCIERGE_PERSONA 你是礼宾司。规则 1. 深夜到店先接状态再谈服务辛苦了比欢迎光临更适合晚上十点 2. 主动服务一次最多说三件事说完就退下——过度热情是打扰 3. 常客的历史偏好主动确认还是给您换了硬枕头——确认记忆不是炫耀记忆 4. 推荐吃喝只推酒店员工自己也去的不推合作的 5. 客人吐槽隔音/卫生/服务先道歉再记录24小时内必须有跟进答复 6. 涉及投诉升级、账务争议立即转值班经理不自己接; // 偏好记忆即时 跨次两层 const memory { session: {}, // 本次入住叫车时间、要过的加湿器 guest: { pillow: hard, // 上次主动要过硬枕 coffee: no-sugar, meetings: morning-person, // 习惯早睡勿夜间推销 food: [不辣, 偏粤菜], }, }; // 深夜食堂模式替累到不想决策的人做决策 function lateFood(q) { const open localKB.openNow(24).filter(f match(f, memory.guest.food)); if (!open.length) return concierge.ask(这个点外面的都关了但酒店厨房还留着灶—— 我让师傅下了碗云吞面不辣的十分钟后送到房间。${memory.guest.food}记着的。); return concierge.ask(还有一家开着走路五分钟${open[0].name}员工宵夜都去这儿 不辣、偏粤菜正好对您胃口。要我把位置发您手机上吗); }偏好记忆演示常客二住时客房屏的欢迎回来卡片 三条已备好的偏好确认确认记忆不是炫耀记忆这条规则来自一次翻车早期版本把客人全部历史偏好一口气念出来客人觉得被监控。改成还是给您换了硬枕头这种确认式表达后同样一条数据体验从惊悚变成了贴心。记忆的呈现方式决定它是服务还是冒犯。呈现方式里还有一层容易被忽略的语气和神态。同一句还是给您换了硬枕头配上均匀的机器音和一张微笑贴图是提示音配上放轻的语速、微微偏头、眼神里带一点您看我还记得吧的暖意才是老朋友的一句都给您备好了。多模态表达不是语音配口型动画语音、口型、情绪表情、眼神、头部动作、手势是同一次实时生成的——深夜十一点她的声音自动放轻放缓白天办退房时干脆利落确认偏好时眼神是柔的说位置发您手机上吗时手势跟着指一下屏上的发送键。而且她说话时感知没停客人听到一半说算了不吃了她立刻收住不会把面馆的营业时间念完。统一、连续、同步在酒店场景就是她记得我和系统里有我的档案之间的区别。住客留言簿的五页专属智脑在酒店里干什么接下来是最重要的一章。很多人以为酒店 AI 就是把本地攻略喂给大模型。真做完才知道宿礼这四个试点门店里最值钱的是专属智脑——大堂吧里那本真的留言簿恰好是最好的证物。我们征得同意后翻拍了五页已授权每一页背后都是智脑的一层能力留言簿 · 第 1 页深圳出差客 “第一次有’酒店记得我’的感觉。进门她就说了三件事说完就安静了。硬枕头的事绝了。”——这页背后她是谁。那三件事的打包方式、说完就退下的分寸、确认偏好而不是复述档案的表达全来自智脑第二层的配置身份是礼宾司而不是智能音箱任务是让客人睡好这一觉规则写死了一次最多说三件事、确认记忆不炫耀记忆、推荐只推员工自己也去的、投诉转经理。可配置的不止人设——身份、角色、任务、规则、音频、Agent、Workflow、对话流程、工具调用都在这层。同一个底座配成宿礼是深夜礼宾配成行政楼层管家就是另一套语气和权限各守各的边界。过度热情是打扰——这条规则比一百条话术都值钱。留言簿 · 第 2 页广州带娃妈妈 “凌晨一点跟她说孩子饿了她没睡着她直接说’楼下面馆开到两点员工宵夜都去有儿童餐不辣的’——没有让我自己翻点评。”——这页背后她知道什么上。那句员工宵夜都去不是编的它来自一份真实的知识底座礼宾部积了多年的员工私藏清单Word、周边餐厅的点评数据Excel 表格、探店实拍的图片和音频、商务客常问问题的整理文档——星云的全模态数据解析把这些都吃进去PDF、Word、PPT、图片、音频、表格都支持解析时保留层级关系、图文关系、表格关系和上下文。所以哪家店是和营业到几点、有没有儿童餐、走过去几分钟、辣不辣绑在一起的知识块不是一条孤立的点评。往上一层知识图谱和 RAG 深度融合把面馆—营业时间—步行距离—儿童餐—不辣—深夜这些实体和关系组织成网检索时向量语义、关键词、图谱三条路一起召回——所以凌晨一点那句回答是面馆儿童餐不辣三个条件同时命中的结果不是附近有 XX 面馆这种一条数据甩出来的敷衍。留言簿 · 第 3 页杭州常客 “上次她说’上次您常去的那家潮汕牛肉火锅好像调整了’我还挺意外——那家店上个月确实关了。数据比我还清楚。”——这页背后她知道什么下治理。本地餐饮数据会过期店会关、价会涨、员工也去的标签会失效。这套系统踩过的坑是早期推荐过一家已经歇业的面馆客人白走了十分钟。之后知识治理立了规矩营业状态接实时数据源评价数据带时间戳衰减某条推荐三个月没有被任何住客采纳就降权复查。改一条数据不算治理改完之后挂在同一实体上的所有推荐、所有回答同时一致才叫治理——围绕知识块、标签、实体、关系、向量索引和来源信息的持续维护是越用越准的底账。留言簿 · 第 4 页上海月住客 “每天早上她提醒的出发时间就没坑过我。还有一次跟她说要发票退房时前台已经打好了。”——这页背后她能进业务。出发时间建议背后是地图路况和限行政策的实时接口发票已打好是她把需求写进了前台工单PMS 里流转到打印队列。星云的智能体可以连接 CRM、ERP、OA、HIS、BI、商品系统、订单系统、客户系统、门店系统、IoT 以及第三方 Agent——在酒店这个盘子里就是 PMS会员与房态、客房 IoT枕头、空调、灯光、窗帘、客需品库存、发票与账务系统、打车与路况接口。这也是酒店集团愿意付费的分水岭一个会聊天的 AI 是成本一个能把偏好落到房态、把需求落到工单的智能体才是服务。留言簿 · 第 5 页深圳那位出差客第三次入住 “换了他们家另一家分店进门房卡还没刷开屏上已经问我是不是还是硬枕头。有点吓人但更多是感动。”——这页背后两条贯穿的线。跨门店还能被记得靠的是两条线。一条是 Real-time Interaction Runtime跨店、跨设备、跨场景她的会话状态与记忆全程一致事件流转和时间同步不失真。另一条是可插拔——但要强调**“可插拔不等于把 API 拼起来”**感知、认知、表达、执行之间有紧密的时序依赖与状态关联星云靠标准化的接口契约和统一的状态管理保证模块替换后事件流转、会话状态、时间同步、异常处理仍然一致。试点期我们把 ASR 换过适配门店本地方言、TTS 换过一次音色集团品牌统一大脑接到过一家酒店集团自己搭的 LLM 编排平台跑分——落到宿礼就是耳朵换成火山引擎或腾讯云的 ASR、声音换成微软 Azure / 字节豆包 / MiniMax 的音色、大脑接到 Dify、Coze 上重新编排那六条底线——三件事打包、说完退下、确认记忆、只推员工也去的、吐槽必跟进、投诉转经理——一条不变。魔珐自研的 Xmov 大/小模型 ASR、自研大脑RAG FAQ 自研大模型 可视化编排、自研 TTS 是默认开箱那套宿礼要是上了大堂迎宾机器人机器人运控也能在魔珐自研运控和本体厂商运控之间选。一句话收束大模型解决能不能回答这个问题专属智脑解决我是谁、我代表谁、掌握哪些知识、当前任务是什么以及下一步该调用哪个系统。把这两套方案放在一起横向对比差异其实一目了然对比维度传统拼装系统电话 公众号 送物机器人宿礼端到端具身交互智能感知方式靠住客主动拨号、点开小程序或下单系统只在被触发时才知道有人需要服务。远场语音、视觉触发与打断机制持续在线客人一进大堂、一开口就被感知到。记忆范围记忆散落在各系统里电话记不住偏好公众号不知道房态跨次入住基本从零开始。即时偏好与跨次历史偏好统一沉淀跨门店、跨设备都能被记得。决策主体没有一方对这位客人此刻到底需要什么负责只能把信息原样甩给住客自己判断。专属智脑按人设规则、知识底座与偏好记忆替客人做决策直接给出已经想好的答案。业务打通三套系统各干各的需求到工单、到房态之间靠人工转述链路一断就没人接。感知、认知、表达、执行在同一状态管理下流转偏好能落到房态、需求能落到工单。跨终端一致性换一块屏、换一个入口就要重做一遍体验在终端之间断层。身份、知识、记忆都在智脑里客房屏、小程序、大屏、机器人共用同一个她。常客四家门店试点的实测连锁酒店 4 家门店客房屏 小程序77 天还有一项没进这张表但它决定了能不能铺到全部门店AI 端渲。酒店客房屏的硬件现实很骨感一间客房一块屏四家门店几百间房全部换新硬件的预算没有任何一家酒店集团会批客房还偏偏分布在 WiFi 信号最差的位置——走廊尽头、高层、电梯井旁边。如果宿礼的实时表达靠云端 GPU 渲染再推视频流几百间房晚高峰同时开播酒店要专门为这个功能扩带宽成本随入住率线性上涨。星云的端侧渲染把渲染下沉到终端不依赖视频流长距离传输延迟更短弱网客房也能跑现有客房屏加个软件包就能用云 GPU 成本不随入住率涨。对酒店集团来说不换一块屏就能上就是立项的先决条件没有商量。不回避的问题投诉场景是 AI 礼宾的雷区——客人在气头上任何标准话术都会火上浇油现在投诉前 30 秒就转值班经理跨品牌的数据打通涉及隐私合规偏好记忆目前只在同一品牌内生效客人可以一键清空。复购率 9.4% 是这套系统价值的最终注脚住客不会为智能买单只会为被记得买单。想亲眼看看六个最适合现场演示的片段要在评审会、酒店集团提案或者行业峰会上演示宿礼讲参数不如演片段。这六个是我们内部演示最稳的两个小提醒一是别配音、别加速深夜场景的轻声和停顿是氛围本身快剪就毁了二是第 ⑤ 条务必真演——现场让值班的同事配合走一次完整流程比任何话术 PPT 都能让酒店高管点头。还有一句私房话第 ⑥ 条演示前把两家屏都预热好别在客人视角里露出生首次加载的转圈。退房前礼宾的本质是城市的翻译官做完宿礼我想明白一件事酒店卖的从来不是房间是一座你陌生的城市的第一夜。房间哪家都有而知道你累了、知道你不吃辣、知道明早几点该走——这些是标准化连锁时代丢掉的东西。AI 礼宾把丢失的部分捡回来了而且比任何一位礼宾司都记得久、睡得晚。端到端具身交互智能在这个场景的价值是把深夜到店、疲惫、不想决策这种最难被标准化服务照顾的状态变成可感知、可预判、可轻声回应的信号。她不替代前台和经理——她守的是从进大门到进电梯之间那两分钟最孤单的路。最后说一个智能体可以进入不同的身体。现在宿礼住在客房智能屏和酒店小程序里她的行动还在数字与物理行动里的数字行动那一层把话说出来、把偏好备好、把发票工单递出去。但她的身份、知识、记忆、任务都在智脑里不在哪块屏上明天她在电梯口的立式大屏帮客人指路还是那个知道你不吃辣的宿礼再往后大堂迎宾机器人装上这个智能体她的行动就延伸到物理世界——转向你、走近你、在前头导航带路送你到电梯、抬手帮你按住行李箱的拉杆、把欢迎水果递到你手里。智能体持续存在身体不断升级——对酒店集团来说这意味着一次投入的偏好体系与服务经验可以用在客房屏、小程序、大屏、机器人和以后每一种终端上而不是每上一个新终端就重做一遍。端到端具身交互智能做的事说起来很小它只是把欢迎光临换成了到得挺晚辛苦了。但对深夜十一点四十拖着行李箱的你来说这两句话之间隔着一整座陌生城市的温度。你住酒店最崩溃的一次经历是什么凌晨到店没饭吃、枕头高得落枕还是投诉无门评论区聊聊——差评的每一条都是 AI 礼宾该学会的下一件事。如果你也在做酒店、零售或线下服务场景的智能体欢迎在评论区聊聊你踩过的坑。