Agentic AI 系统在处理地理空间数据时，需要的不仅是自主推理和工具使用，还必须提供显式编排、空间验证、治理、溯源、故障处理以及人工决策授权。此前的工作提出了 ANASSA 框架，定义了面向空间智能的高层组件和责任边界（arXiv:2609.14824），但未说明如何将这些高层责任系统化地分解为可实现的低层架构。本文采用设计科学研究（DSR）方法，将 ANASSA 的高层架构（HLA）职责细化为低层架构（LLA），在保持原有责任边界的前提下，构建了可执行的结构，包括 47 个逻辑角色、版本化任务图、基于能力的代理选择、类型化合约、显式运行时状态、空间验证机制、治理控制、故障与恢复路径以及溯源记录。通过端到端执行轨迹展示了该架构，并从需求可追溯性、内部一致性、责任保持和技术独立性四个维度进行分析评估。该高层到低层的设计为 ANASSA 框架与未来实现之间提供了实现导向的桥梁，使受治理的空间代理工作流能够被检查、重构和测试，而不依赖特定的 AI 模型、地理平台、通信协议或部署环境。
点评