设备数据的自然语言查询，从哪些问题开始？

管理人员想知道昨天哪台设备停止更新，往往要先找到设备清单，再切换趋势图与事件记录。自然语言查询可以将这些查找工作放进同一个提问入口，让人用工作中的问题找到相关数据。

规划第一批问题时，优先选择现有数据就能回答、结果也容易核对的内容。先明确查询范围，后续再增加解释与分析。

从明确的设备、期间与状态提问

第一批问题可涵盖设备状态、期间数值与事件清单。以下是功能规划的范例，所需数据需由实际接入范围确认。

范例问题	需要的数据	答案应附的内容
哪些设备的数据已超过更新阈值？	设备清单、来源时间、接收时间与过期规则	设备名称、来源及接收时间与判断阈值
昨天指定回路的用电量是多少？	回路映射、用电量记录、期间计算规则	查询期间、单位、计算方式与缺段
这台设备本周有哪些告警？	设备标识、告警与处理状态	事件时间、内容及原始记录链接

“昨天”需要按约定时区转成明确期间。“异常”则需要对应已定义的事件或阈值。当设备别名可能指向多台设备，界面先请用户选择对象，再执行查询。查询数据是否过期时，同时检查来源时间与接收时间，识别刚补传的旧读数。

将提问转成有范围的数据查询

建议让系统将提问整理成设备、字段、期间与筛选条件，再交给获准的查询功能。数据服务负责计算与获取记录，LLM 协助理解问法并整理文字回答。

用电量等数值由既定计算规则产生，答案保留所用条件。遇到尚未接入的字段，直接说明缺少哪份数据，并提供现有记录的查询入口。若问题要求解释变化原因，可先列出趋势与同期事件，将推断标示清楚。

让答案关联来源

实用的答案需要显示查询期间、数据更新时间、单位及来源。附上设备页或事件记录链接，管理人员就能检查 AI 摘要与原始数据是否一致。

生成式 AI 可能产生错误内容，NIST 的生成式 AI 风险管理文件也提出核对输出来源与引用的做法。功能设计可将这项要求体现在界面上，让每个数值及事件都有可打开的依据，数据不足时明确显示缺口。

查询沿用用户的工作权限

数据服务在每次查询时检查登录身份与可访问范围。用户在平台上能查看哪些场站、设备与文档，AI 查询也依据同一组规则获取数据。权限检查应涵盖来源记录、附件与后续导出，避免摘要带出超出工作范围的内容。

初期功能可采用只读查询。创建工单、调整设置或控制设备若需纳入，另设明确操作入口、权限与审批流程，并保留执行结果。

用工作中的问题验证

由管理人员整理一批日常问题，为每题指定数据来源、正确期间及预期结果。用这批问题比较人工查询与 AI 答案，再测试设备名称不明、缺失值、过期数据及超出权限的情况。

记录错误类型与修改后的结果，才能判断下一步应补充数据、调整查询条件或改善问法。功能范围稳定后，再扩展到更多设备与问题。

lvsota 的 AI／LLM 导入服务结合设备与数据集成，规划平台内的自然语言查询。整理管理人员常问的问题及现有数据，即可讨论第一批查询功能。