設備資料的自然語言查詢，從哪些問題開始？

管理者想知道昨天哪台設備停止更新，往往要先找到設備清單，再切換趨勢圖與事件紀錄。自然語言查詢可以把這些查找工作放進同一個提問入口，讓人用工作上的問題找到相關資料。

規劃第一批問題時，優先選擇目前資料就能回答、結果也容易核對的內容。先把「查得到什麼」做清楚，後續再增加解釋與分析。

從明確的設備、期間與狀態提問

第一批問題可涵蓋設備狀態、期間數值與事件清單。以下是功能規劃的範例，所需資料需由實際接入範圍確認。

範例問題	需要的資料	答案應附的內容
哪些設備的資料已超過更新門檻？	設備清單、來源時間、接收時間與過期規則	設備名稱、來源及接收時間與判斷門檻
昨天指定迴路的用電量是多少？	迴路對應、用電量紀錄、期間計算規則	查詢期間、單位、計算方式與缺段
這台設備本週有哪些告警？	設備識別碼、告警與處理狀態	事件時間、內容及原始紀錄連結

「昨天」需要按約定時區轉成明確期間。「異常」則需要對應已定義的事件或門檻。當設備別名可能指向多台設備，介面先請人選擇對象，再執行查詢。查詢資料是否過期時，一起檢查來源時間與接收時間，辨認剛補送的舊讀值。

把提問轉成有範圍的資料查詢

建議讓系統將提問整理成設備、欄位、期間與篩選條件，再交給核可的查詢功能。資料服務負責計算與取回紀錄，LLM 協助理解問法和整理文字回答。

用電量等數值由既定計算規則產生，答案保留所用條件。遇到尚未接入的欄位，直接說明缺少哪份資料，並提供現有紀錄的查詢入口。若問題要求解釋變化原因，可先列出趨勢與同期事件，將推論標示清楚。

讓答案連回來源

實用的答案要讓人看得到查詢期間、資料更新時間、單位及來源。附上設備頁或事件紀錄連結，管理者就能檢查 AI 摘要與原始資料是否一致。

生成式 AI 可能產生錯誤內容，NIST 的生成式 AI 風險管理文件也提出核對輸出來源與引用的做法。功能設計可把這項要求落在介面上，讓每個數值及事件有可開啟的依據，資料不足時清楚顯示缺口。

查詢沿用使用者的工作權限

資料服務在每次查詢時檢查登入身分與可存取範圍。使用者在平台上能查看哪些場站、設備與文件，AI 查詢也依同一組規則取用。權限檢查應涵蓋來源資料、附件與後續匯出，避免摘要帶出超出工作範圍的內容。

初期功能可採唯讀查詢。建立工單、調整設定或控制設備若需納入，另設明確操作入口、權限與核可流程，並留下執行結果。

用工作上的問題驗證

由管理人員整理一批日常問題，為每題指定資料來源、正確期間及預期結果。用這批問題比對人工查詢與 AI 答案，再測試設備名稱不明、缺值、過期資料及超出權限的情況。

記錄錯誤類型與修改後的結果，才能判斷下一步應補資料、調整查詢條件或改善問法。功能範圍穩定後，再擴充到更多設備與問題。

lvsota 的 AI／LLM 導入服務結合設備與資料整合，規劃平台內的自然語言查詢。整理幾個管理人員常問的問題及現有資料，即可討論第一批查詢功能。