Аннотация: На фоне продвижения идеи «города, ориентированного на человека», и глубокой цифровой трансформации территориально-пространственного планирования существующие исследования пока недостаточно отвечают на общественную потребность в точном, удобном и малозатратном интеллектуальном поиске информации регулятивного детального планирования. В статье сначала рассматривается процессно-ориентированная траектория развития агентов планирования, затем раскрывается логика построения агента поиска планировочной информации, объединяющего большие языковые модели и графы знаний в рамках retrieval-augmented generation (RAG). На этой основе предлагается трехэтапный метод создания агента ZoKnow, ориентированного на общественное участие и реализованного с использованием low-code платформы Dify. Для прикладной проверки использованы семь законодательно утвержденных планов района Футянь города Шэньчжэнь, включающие около 80 тыс. китайских иероглифов планировочного текста и 1185 контрольных показателей на уровне земельных участков. Проверка включает разработку прототипа, оценку эффективности ответов на вопросы и сопоставление с публичной версией платформы «Единая карта». Результаты показывают, что предложенный метод осуществим и обеспечивает более высокую поисковую эффективность, особенно в объяснении терминологии, прослеживаемости законодательно утвержденных материалов и анализе данных в общественном участии в регулятивном планировании. Статья также обсуждает потенциал расширения агентов поиска планировочной информации к различным типам агентов планирования и их долгосрочное значение для трансформации отрасли. Исследование предлагает малозатратную, воспроизводимую и масштабируемую парадигму построения агентов планирования, способную поддержать цифрово-интеллектуальную трансформацию планирования и технологическое усиление пространственного доброго управления.