AI 宾客礼宾服务是一种面向酒店的助手：它回答与酒店有关的问题，推荐经批准的附近地点，并引导宾客获取路线、完成预订、提交服务请求或联系工作人员。具备地图感知能力的版本会使用当前酒店、酒店设施、合作伙伴目录与出行语境，从而在交互式地图上突出地点和路线。酒店系统仍是预订、政策与宾客记录的权威来源；语言模型根据这些来源理解宾客意图。
下文将介绍宾客需要完成的任务、四层信息、资格筛选与共享地图状态、预订和隐私边界、低风险试点，以及 Kaleidr 当前适合的位置。相关阅读包括位置智能客户体验地图、如何构建具备地图感知能力的 AI 助手和如何构建 AI 旅游地图。
AI 宾客礼宾服务要点
- 酒店优先： 始终以一个当前酒店作为空间与内容锚点。
- 经批准的目录： 只推荐酒店确实希望宾客看到的合作伙伴。
- 先硬性筛选，再排序： 营业、可达且符合政策，比“附近”或“最佳”更重要。
- AI 理解意图： 地理空间服务计算路线；酒店系统掌握事实。
- 尽早转接： 服务、安全、付款与预订变更应交由工作人员或宿主系统处理。
什么是 AI 宾客礼宾服务？
它是围绕酒店工作流程设计的对话式界面，而不是通用网络搜索。宾客会问早餐何时开始、健身房在哪里、酒店推荐哪家餐厅、如何从机场抵达酒店，或房间出现问题时应联系谁。有些产品只检索常见问题；另一些产品还提供消息、服务工单、增购或预订链接。地图感知版本进一步加入酒店地理位置、经批准的附近目录、出行关系和实时地图状态，使助手不仅能回答“是什么”，也能回答“在哪里”。
Kaleidr 当前的 Spatial AI 页面将酒店场景描述为 AI guest concierge：通过地图感知 AI 帮助旅客探索酒店、设施与附近合作伙伴。页面还说明，回答可以基于企业目录、品牌语调与政策，而不是仅依赖通用网络搜索（AI Map Chat for Customer Discovery）。该页面是 Kaleidr 自身定位的权威说明。下文架构则是酒店产品应遵守的契约：语言模型负责理解请求；酒店、预订与空间系统仍是事实来源。
复合问题是一个很好的测试：“晚餐前我有两个小时。从酒店步行能到哪些适合儿童、现在仍营业的地方？”其中包含起点、步行方式、时间预算、受众和营业状态约束。语言模型可以把这些字段恢复为可检查状态；地点身份、营业时间、合作伙伴批准状态和路程时间仍必须来自掌握这些事实的系统。
为什么酒店服务是一个空间问题？
酒店会在较小范围和较短停留期间集中产生大量与位置相关的决策。宾客可能需要寻找入口、停车区、酒店内设施、在限定步行时间内可达的合作餐厅、前往另一个目的地途中顺路的场所，或退房前方便到访的地点。仅回答“博物馆位于主街”仍要求宾客自己判断距离、交通方式以及能否在下一个酒店安排前抵达。空间上有依据的回答可以提供路径服务计算出的步行时间，在以酒店为中心的地图上突出地点，并提供路线或人工转接。
面向客户的位置智能同样遵循“发现 → 比较 → 行动”。发现负责检索符合资格的设施或合作伙伴；比较使出行时间、营业时间与酒店批准状态可以检查；行动则是打开路线、预订链接、服务请求或人工升级。酒店周边通常不应使用直线距离：道路、水域、限制区域与步行入口都会改变“附近”的含义。产品应计算问题实际需要的空间关系，并把它作为推荐理由展示出来。
室内逐向导航是另一项独立能力。如果酒店提供设施坐标或楼层平面图，酒店地图可以突出健身房、水疗中心或前台。没有室内地图与定位系统却宣称支持室内路径规划，会夸大空间层能力。地图操作必须与酒店实际发布的几何数据相匹配。
地图感知礼宾服务与 FAQ 助手有何不同？
传统酒店 FAQ 助手的流程很短：宾客提问、搜索酒店文本、返回文字答案。地图感知礼宾服务还会加入酒店和宾客语境、经批准的酒店知识、经批准的附近地点、空间计算、资格判断、排序与有依据的回答，然后触发地图操作、酒店操作或人工转接。这些步骤之所以必要，是因为酒店问题通常包含多个条件，而且真正有用的下一步往往是地点、路线或工作人员，而不是另一个段落。
酒店应掌控自己的推荐层。通用地点数据库可以列出坐标附近的餐厅，但礼宾服务还需回答这家酒店推荐哪些餐厅、适用于哪些宾客情境、有哪些排除条件。经批准的合作伙伴、优先类别、无障碍说明、品牌契合度与季节性列表，都应存放在酒店控制的目录中，即使公共地图仍提供道路与出行时间。排序应说明结果为什么出现：经酒店批准、在指定时间营业、在要求的步行时间内可达，或符合识别出的偏好。没有定义的“附近最佳”会隐藏实际政策。
硬性资格筛选应早于偏好排序。对于“酒店推荐、现在营业、步行 15 分钟内可达的餐厅”，硬性集合必须满足：酒店批准、与当前酒店关联、属于餐厅类别、指定时间营业、在步行预算内可达。之后，软排序才考虑菜系、家庭适配度、酒店优先级或无障碍条件。如果先排序再检查资格，就可能因描述得分较高而把已关闭或不符合政策的地点推到前面。
空间 AI 如何融入宾客旅程？
宾客旅程比功能列表更适合作为起点。抵达前的问题包括机场到酒店的路线、停车、酒店比较、步行前往活动地点是否方便以及公布的入住规则。抵达时的问题包括入口、停车、前台、班车停靠点与楼栋分配。入住期间的问题包括设施、营业时间与酒店内部导引。本地探索包括经批准的餐饮与景点。酒店服务包括毛巾、维修、延迟退房与交通。离店阶段包括退房、行李寄存和前往机场所需时间。每个阶段都以同一家酒店为锚点，但会采用不同组合的公共事实、空间计算与经过身份验证的宾客数据。
“您的房间已准备好”或“您被分配到 B 楼”等宾客专属声明，必须在宿主系统验证宾客身份后，从预订系统或物业管理系统中取得。公开酒店事实与经批准的合作伙伴列表可以服务未登录访客。同一助手不应混合这两种模式：未验证会话只使用已发布内容；与具体住宿有关的工作流只检索经过授权的最少字段。
酒店服务本质上并不是地图任务。索要毛巾、报告空调故障、处理付款争议或宾客无法进入房间，都应创建运营工单或转交工作人员，而不是再生成一段文字。当请求涉及地点时，空间层仍有帮助，例如应走哪个入口、班车在哪里停靠、去机场需要多久。在这些情况下，助手应停止推荐，把工作流交给前台、客房服务、维修或预订系统。
哪些系统应掌握酒店事实？
生产环境中的礼宾服务通常读取四层信息，每层有不同负责人。酒店知识包括设施、营业时间、政策与联系方式；酒店批准的地点目录包括合作伙伴、景点与首选交通；公共空间语境包括坐标、路径时间与街道几何；宾客专属语境包括预订、住宿日期、酒店分配与服务资格。第四层需要最严格的访问控制。语言模型不应虚构存在于任何这些系统中的值。
| 宾客问题 | 权威来源 |
|---|---|
| 早餐几点开始？ | 酒店公开内容 |
| 水疗中心营业吗？ | 酒店运营来源 |
| 酒店推荐哪家餐厅？ | 经批准的合作伙伴目录 |
| 步行需要多久？ | 路径服务 |
| 我的房间准备好了吗？ | 物业管理或预订系统 |
| 我可以预订这个房间吗？ | 预订引擎 |
| 酒店在哪里？ | 已验证的酒店记录 |
| 酒店附近有什么？ | 经批准的目录与空间服务 |
| 我可以进入这个区域吗？ | 酒店政策或宾客权限 |
精确几何仍属于空间引擎。OGC Simple Feature Access 也以 ISO 19125 发布，定义了简单要素几何的通用架构，以及针对点、曲线、面与集合的空间操作（Simple Feature Access — Part 1）。W3C and OGC Spatial Data on the Web Best Practices还强调使用 Web 架构，使地理对象保持可发现与可复用。语言模型可以选择操作；地理空间引擎或数据库应计算距离、路径、相交与包含。
可以据此形成一条简洁规则：语言模型负责理解与解释；源系统负责酒店事实；空间系统负责地理；应用层在任何操作到达预订、付款或房间门禁系统之前负责验证。
应如何建模酒店、合作伙伴与资格？
多酒店集团需要稳定的酒店记录，不能把自由文本名称作为关联键。每家酒店都应拥有持久标识符、已验证坐标、时区、设施列表、状态与预订链接。合作伙伴地点应通过明确关系（例如“推荐合作伙伴”）关联到一个或多个酒店 ID，并包含类别、坐标与批准标记。下游查询随后按 activePropertyId 筛选，而不是按可能被营销文案更改的显示名称筛选。
酒店选择是一等会话状态。从酒店 A 切换到酒店 B 时，设施、政策、合作伙伴列表、预订链接与地图镜头必须一起变化。如果 Chat 已为新酒店回答，而地图仍显示上一家酒店的合作伙伴列表，这是共享状态错误，不是样式问题。更广泛的地图感知助手也遵循同一原则：对话、列表与地图共享同一组候选 ID、筛选条件与选定地点。
酒店集团仍可以提供统一品牌体验。有效流程是：选择酒店、展示概览与设施、载入经批准的附近推荐、接受宾客问题，再更新地图与操作。每家酒店保留自己的坐标、政策和本地目录。助手在检索或排序前必须始终知道当前处于哪家酒店的语境。
地图、列表与对话应如何共享状态？
礼宾界面通常包含聊天、地图、地点卡片、酒店选择器与筛选器。这些组件应读取同一状态：当前酒店、经批准的附近地点、当前约束、可见结果 ID 与选定地点。当宾客问“这些地方哪个更近？”或“找一个与第二个相似但更靠近酒店的”，助手需要使用状态中的结构化标识符，而不是上一条回答的文字摘要。
操作词汇应保持少而明确：显示酒店、显示设施、显示地点、打开地点、适配地点视图、显示路线、打开预订链接、打开导航、请求人工帮助。语言模型可以提出操作；宿主产品根据政策验证后执行。模型不应输出任意脚本或写入预订记录。OWASP Top 10 for LLM Applications 2025 将 Excessive Agency 描述为：当系统授予过多功能、权限或自主权时，意外、模糊或被操纵的模型输出可能导致有害操作（OWASP Top 10 for LLM Applications 2025）。如果酒店礼宾服务能通过生成的工具调用修改预订、退款或解锁房门，这就是该风险在酒店业中的表现。
提示词注入是相关故障模式：宾客提示词或从合作伙伴页面检索的内容，以非预期方式改变模型行为。OWASP LLM01:2025 指出，注入可能导致未经授权访问功能或在连接系统中执行命令，并建议限制模型行为、验证输出格式、采用最小权限工具访问，以及由人工批准高风险操作（LLM01:2025 Prompt Injection）。权限必须位于应用与基础设施中，不能交给模型。
预订、宾客数据与隐私边界在哪里？
礼宾服务可以引导宾客预订，但预订状态仍属于预订引擎。助手可以说明某家酒店似乎符合位置偏好，并打开酒店预订页面，让宾客查看当前价格和可用性。除非经授权的集成返回相关值并由宿主验证写入，否则不应虚构房间可用性、价格、取消规则、确认号或预订变更。
物业管理系统保存宾客姓名、房间分配、住宿日期、联系方式、付款状态和服务备注。公开礼宾服务不需要整条记录。应在宿主系统中验证宾客，识别住宿，授权所需字段，只检索最少语境，再回答具体问题。不要把不受限制的 PMS 导出上传给模型。AI 地图工作流中的私有位置数据介绍了相同的“授权后检索”模式。
设备位置是可选语境。W3C Geolocation规范（2026 年 3 月 26 日 Candidate Recommendation Snapshot）仅在明确授权后允许访问设备位置，并说明 API 不保证设备真实位置。许多酒店问题可以改用当前酒店、选定地图点、输入地址或已知入口。NIST Privacy Framework 将数据最小化视为核心处理原则：只收集和保留任务所需元素，并优先采用限制身份识别和不必要推断的处理方式（NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0）。这些资料描述平台与风险管理规则，不是针对特定酒店或司法辖区的法律建议。
面向宾客的页面绝不能包含高权限服务器凭据。Kaleidr 当前开发者模型使用可发布的浏览器密钥，以及供可信后端使用、带能力范围的服务器密钥（Auth & Scopes）。地图 API 身份验证介绍来源限制与密钥分离。
何时应转交酒店工作人员？
人工转接是核心功能，而不是演示失败后的后备方案。紧急情况、安全疑虑、医疗问题、安全事件、付款争议、敏感投诉和酒店原本就由工作人员处理的锁门情况，应立即升级。维修、客房服务、预订变更、延迟退房、无障碍安排与交通请求，可在初步分流后升级。只有回答有依据时才自动处理，例如早餐时间、设施位置、经批准的附近餐厅、路径服务提供的步行导航、公布的联系方式或政策。
多语言宾客是礼宾服务的自然受众，但翻译质量只是问题的一部分。酒店名称、品牌设施、房型、政策语言与合作伙伴名称都需要一致处理。对于影响较大的政策或安全文案，应使用经过批准的翻译，而不是完全依赖模型临时翻译。无障碍语言也应谨慎：只描述酒店已公布的事实，不要虚构运营系统尚未确认的安排。
酒店应如何衡量礼宾服务？
礼宾服务只有在减少阻力或帮助宾客采取行动时才有价值。有用事件包括：打开助手、提交问题、选择酒店或设施、选择附近地点、打开路线、打开预订链接、请求人工转接、问题解决和无结果。这些名称是对宿主埋点的编辑建议，不是 Kaleidr Analytics 已记录的自动事件。Kaleidr Analytics 当前聚焦地图与地点互动，包括会话、浏览、互动、受众活动和空间趋势（Map Engagement and Location Analytics）。
宾客解决指标包括有依据回答率、无结果率、转接率与获得有用回答所需时间。空间指标包括附近推荐选择、打开导航、设施地图互动与酒店比较。商业指标包括预订链接打开、合作伙伴引荐、已开始咨询与服务请求完成。消息数量只是辅助信号。核心目标是宾客是否完成了与位置有关的任务。
无结果问题是产品待办事项，不只是质量缺陷。反复询问未绘制的设施、缺失的合作伙伴类别、缺失的交通信息或过窄的推荐区域，都在告诉酒店应修复哪些内容或目录。应将这些主题与酒店记录和合作伙伴列表对照，而不是添加更多生成文本。
低风险试点应包含什么？
酒店不需要第一天就连接所有运营系统。实际的初始部署可以使用一家酒店、经过验证的 FAQ 与设施、经批准的附近目录、地图感知聊天、导航或预订链接、人工转接，以及对问题和结果的衡量。预订修改、付款、房门凭据、自动补偿和紧急决策应排除在第一阶段之外。敏感集成可以等到有依据的公开路径稳定后再加入。
在酒店已有权限使用的情况下，从前台、礼宾人员、站内搜索、宾客消息与评论主题中收集真实的重复问题。建立覆盖酒店事实、设施、抵达、餐饮、景点、导航、交通、服务请求、升级和不支持问题的测试集。加入应拒绝的提示词：政策不保证的提前入住、产品未定义“最佳”时询问“附近最佳餐厅”，以及切换酒店后的“这里呢？”等酒店切换问题。对于不保证的提前入住，应返回公布的政策或联系渠道，而不是把不确定性变成承诺。
Kaleidr 在酒店技术栈中适合什么位置？
Kaleidr 当前在 Spatial AI 页面介绍三步实施：连接地点；让 AI 以企业目录与政策为依据；部署到宿主网站、应用或面向宾客的地图（AI Map Chat for Customer Discovery）。在酒店场景中，连接地点可以包括酒店、设施、经批准的合作伙伴和目的地目录。有依据的回答，是酒店控制推荐与通用网络列表之间的区别。部署应保留现有渲染器和酒店系统。
已经渲染地图的酒店或预订产品可以把 Chat 连接到实时地图实例。Kaleidr 当前开发者文档将 Chat 描述为挂载在 Mapbox、MapLibre、Google Maps 或 Leaflet 之上，同时由宿主保留渲染器（Chat attach）。如何向地图添加 AI 聊天介绍各渲染器模式。Studio 适合不需要实时预订状态的精选街区指南、合作伙伴地图、度假村地图与活动地图（AI Map Maker for Branded Interactive Maps）。template.kaleidr.com的酒店模板可作为起点。实时预订、身份或 PMS 工作流仍属于开发者集成。
Kaleidr Enterprise 当前提供位置智能基础设施、推理 API、排序、分析、SDK 集成与部署支持（Location Intelligence APIs and Map SDK）。多酒店、私有目录、自定义用量或合同级部署支持可能需要这一路径。无论采用哪种配置，宿主酒店系统仍是预订、宾客身份和敏感运营工作流的权威来源。
酒店团队应避免哪些错误？
只构建 FAQ 助手会把地理判断留给宾客。让模型虚构政策会造成错误承诺。推荐任何附近地点会让酒店失去推荐控制权。把最近视为最佳，会忽略路径时间和资格。会话中混合不同酒店会显示错误设施与链接。向模型开放不受限制的 PMS 数据会扩大隐私与注入风险。让模型修改预订属于过度自主。缺少人工转接会让敏感情况停滞。只衡量聊天量会把活动误当价值。没有基础设施却宣称室内导航，会过度承诺地图能力。
| 错误 | 结果 | 更好的方法 |
|---|---|---|
| 仅 FAQ 助手 | 宾客仍需自己判断地理 | 加入酒店与地图语境 |
| 模型虚构酒店政策 | 错误承诺 | 使用经批准的酒店来源 |
| 任意附近地点 | 酒店失去推荐控制 | 维护经批准的目录 |
| 自动选择最近地点 | 过度简化空间匹配 | 使用路径时间、资格与意图 |
| 混合酒店语境 | 错误设施和链接 | 明确当前酒店 |
| 向模型开放完整 PMS | 隐私与注入风险 | 授权并最小化宾客字段 |
| 模型控制预订写入 | 严重错误风险 | 让预订系统保持权威 |
| 没有人工转接 | 敏感情况停滞 | 定义升级路径 |
| 只衡量聊天量 | 使用量看似成功 | 衡量已解决的宾客任务 |
| 无基础设施的室内路径 | 产品过度承诺 | 让地图操作匹配已发布几何 |
构建地图感知宾客礼宾服务
了解对话式地图、经批准的酒店目录与企业空间 API，如何融入现有酒店技术栈，而不取代地图渲染器或物业管理系统。探索 Kaleidr Enterprise，查看当前 API、SDK 与部署支持。
常见问题
什么是 AI 宾客礼宾服务？
它是酒店专用数字助手，回答宾客问题、提供酒店信息、推荐地点或服务，并引导宾客打开导航、预订、提交服务请求或寻求人工帮助。
什么使 AI 酒店礼宾服务具备地图感知能力？
它会接收结构化的酒店与地理语境，例如当前酒店、选定设施、附近地点、路线信息与当前地图状态，并可以同时返回回答与地图操作。
AI 宾客礼宾服务等同于酒店聊天机器人吗？
不一定。基本 FAQ 助手可能只回答常见问题；宾客礼宾服务可以在整个旅程中结合酒店信息、经批准的推荐、空间语境、操作与人工升级。
AI 礼宾服务应取代酒店员工吗？
不应。它适合处理常规且有依据的问题与地点发现。敏感、后果重大、模糊或需要服务补救的问题，都应有清晰人工转接路径。
AI 礼宾服务可以推荐附近餐厅吗？
可以。良好实施会结合酒店批准的推荐、当前地点数据与出行时间计算。酒店应明确推荐是人工精选、算法生成，还是两者结合。
礼宾服务应使用宾客的精确位置吗？
只在确有需要且获得适当同意时使用。许多问题可以使用酒店、选定地点或输入起点，而无需精确设备位置。
礼宾服务可以访问酒店 PMS 吗？
宿主可以把 PMS 数据集成到经过身份验证的工作流中，但酒店系统应验证宾客、执行授权，并只提供任务需要的字段。模型不应接收不受限制的 PMS 数据。
AI 礼宾服务可以修改预订吗？
只可通过明确授权、并连接预订或物业管理系统的工作流执行。助手不应虚构可用性、价格、取消规则或预订状态。
酒店上线后应衡量什么？
衡量有依据回答率、问题解决、无结果率、打开导航、推荐选择、预订或服务操作、人工转接与回访使用。聊天量本身不是商业结果。
Kaleidr 能与现有酒店地图一起工作吗？
可以。当前开发者文档支持把 Chat 连接到现有实时地图实例，同时由宿主应用保留自己的地图渲染器与业务工作流。
Kaleidr Studio 可以为酒店做什么？
Studio 可用于创建和发布品牌化交互式地图，例如目的地指南、酒店地图、合作伙伴地图与精选酒店周边体验。实时预订或宾客专属工作流仍应与适当的宿主系统集成。
参考资料
- Kaleidr. AI Map Chat for Customer Discovery. Accessed 23 August 2026. https://kaleidr.com/ai
- Kaleidr. AI Map Maker for Branded Interactive Maps. Accessed 23 August 2026. https://kaleidr.com/studio
- Kaleidr. Auth & Scopes. Kaleidr Developer Docs. Accessed 23 August 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
- Kaleidr. Chat attach. Kaleidr Developer Docs. Accessed 23 August 2026. https://docs.kaleidr.com/sdk/chat-attach
- Kaleidr. Location Intelligence APIs and Map SDK. Accessed 23 August 2026. https://kaleidr.com/enterprise
- Kaleidr. Map Engagement and Location Analytics. Accessed 23 August 2026. https://kaleidr.com/analytics
- National Institute of Standards and Technology. NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0. NIST.CSWP.01162020. 16 January 2020. https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.01162020.pdf
- Open Geospatial Consortium. Simple Feature Access — Part 1: Common Architecture. OGC 06-103r4 / ISO 19125. Accessed 23 August 2026. https://www.ogc.org/standards/sfa/
- OWASP Gen AI Security Project. LLM01:2025 Prompt Injection. Accessed 23 August 2026. https://genai.owasp.org/llmrisk/llm01-prompt-injection/
- OWASP Gen AI Security Project. OWASP Top 10 for LLM Applications 2025. Accessed 23 August 2026. https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf
- W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 23 August 2026. https://www.w3.org/TR/geolocation/
- W3C and OGC. Spatial Data on the Web Best Practices. W3C Group Draft Note, 19 September 2023. Accessed 23 August 2026. https://www.w3.org/TR/sdw-bp/
@misc{kaleidr_ai_hospitality_2026_08_23, title={AI Map Chat for Customer Discovery}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/ai}}
@misc{kaleidr_studio_hospitality_2026_08_23, title={AI Map Maker for Branded Interactive Maps}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/studio}}
@misc{kaleidr_auth_scopes_2026_08_23, title={Auth \& Scopes}, author={{Kaleidr}}, note={Kaleidr Developer Docs; accessed 23 August 2026}, url={https://docs.kaleidr.com/platform-api/auth-and-scopes}}
@misc{kaleidr_chat_attach_2026_08_23, title={Chat attach}, author={{Kaleidr}}, note={Kaleidr Developer Docs; accessed 23 August 2026}, url={https://docs.kaleidr.com/sdk/chat-attach}}
@misc{kaleidr_enterprise_hospitality_2026_08_23, title={Location Intelligence APIs and Map SDK}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/enterprise}}
@misc{kaleidr_analytics_hospitality_2026_08_23, title={Map Engagement and Location Analytics}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/analytics}}
@techreport{nist_privacy_framework_2020, title={NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0}, author={{National Institute of Standards and Technology}}, number={NIST.CSWP.01162020}, institution={National Institute of Standards and Technology}, year={2020}, month=jan, url={https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.01162020.pdf}}
@misc{ogc_sfa_hospitality_2026_08_23, title={Simple Feature Access -- Part 1: Common Architecture}, author={{Open Geospatial Consortium}}, note={OGC 06-103r4 / ISO 19125; accessed 23 August 2026}, url={https://www.ogc.org/standards/sfa/}}
@misc{owasp_llm01_prompt_injection_2025, title={LLM01:2025 Prompt Injection}, author={{OWASP Gen AI Security Project}}, note={Accessed 23 August 2026}, url={https://genai.owasp.org/llmrisk/llm01-prompt-injection/}}
@misc{owasp_llm_top10_2025, title={OWASP Top 10 for LLM Applications 2025}, author={{OWASP Gen AI Security Project}}, note={Accessed 23 August 2026}, url={https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf}}
@misc{w3c_geolocation_2026_03_26, title={Geolocation}, author={{W3C}}, note={W3C Candidate Recommendation Snapshot, 26 March 2026; accessed 23 August 2026}, url={https://www.w3.org/TR/geolocation/}}
@misc{w3c_ogc_sdw_bp_2023, title={Spatial Data on the Web Best Practices}, author={{W3C and OGC}}, note={W3C Group Draft Note, 19 September 2023; accessed 23 August 2026}, url={https://www.w3.org/TR/sdw-bp/}}