工业空间决策往往分布在相互独立、缺乏统一参考系和所有者的系统中，分析师需要花大量时间对齐这些系统，而不是直接进行空间推理。本文提出 ANASSA（Agentic Network for Spatial AI Orchestration Architecture），它是一套参考架构，融合了结构化推理、多代理工作流编排、权威空间基准以及反馈驱动的执行机制，并在真实供应链场景中完成了落地。
ANASSA 的核心设计包括：
- 在每个代理边界使用 Typed Data Contracts 明确定义输入输出类型；
- 将所有空间声明与 Certified Authoritative Foundation（经过认证的权威空间基准）进行校验，确保数据一致性；
- 在六步认知循环中嵌入两次 Human‑in‑the‑Loop 阻断审批，以实现可审计的决策路径。
在实际部署中，系统承担了 多风险源评估（海运与陆运联运路径）以及 冷链异常检测（基于集装箱遥感数据）的任务。通过三个月的概念验证（POC），经历三次迭代后，取得了以下效果：
- 数据质量提升 25%；
- 空间工作流运行时缩短 50%；
- 决策延迟降低 60%（相较于手工流程）。
需要说明的是，这些比例是基于实际部署的观察值，未进行对照实验控制。为支持后续的机制层面评估，文中还给出了 Instrumentation（监测指标）和 Ablation Protocols（消融实验方案）的详细说明。
点评