随着建筑运营数据的日益丰富，强化学习（RL）被广泛应用于从数据中直接学习控制策略，以应对大规模建筑集群的复杂性和不确定性。然而，现有的仿真环境大多侧重于建筑端性能指标，缺乏对电网层面影响的系统评估，同时其实验工作流程仍然依赖于手动配置和大量编程专业知识。因此，提出了AutoB2G，一个自动化的建筑-电网协同仿真框架，该框架能够仅基于自然语言任务描述完成整个仿真工作流程。该框架扩展了CityLear...