8. AI 智能洞察
TDengine IDMP 将 AI 智能贯穿于整个平台,让数据自己说话——系统从被动的数据存储转变为主动的运营顾问。本章涵盖所有 AI 驱动的功能:从主动推送的可视化面板生成,到异常检测、预测、根因分析和自然语言查询。
两种 AI 智能模式
IDMP 以两种互补的模式提供 AI 洞察:
无问智推(推送模式)。 这是从 Pull 到 Push 的转变。系统自动感知应用场景、主动分析您的数据并将发现推送给您,无需等待您主动询问。当您打开元素的面板标签页时,AI 生成的可视化面板已经在等待您;当您导航到元素的分析标签页时,AI 已经推荐了相关分析。这就是无问智推的核心理念:系统持续在后台工作,对您的资产层次结构和时序数据应用大模型推理,在您想到之前就将洞察呈现出来。
AI 问答(拉取模式)。 您提问,系统回答。您可以用自然语言描述一个面板或分析——"以柱状图显示每日平均电压"或"计算每小时最大电流并在超出正常范围时告警"——AI 为您构建。AI 问答界面也接受关于您数据的自由格式问题——"em-1 上周的平均电流是多少?"——并返回基于您实际 TDengine 数据的答案。根因分析可在事件详情页按需运行,生成结构化的调查报告。
这两种 AI 功能共同大幅降低了运营智能门槛。传统 BI 工具要求使用者具备 SQL 能力、熟悉数据结构、掌握可视化技巧,门槛极高。无问智推彻底改变了这一局面:非数据科学家背景的工程师无需编写 SQL 或掌握复杂工具,即可构建仪表板、配置分析、检测异常并调查事件。我们相信,先进的工业分析能力不应只属于拥有专职数据分析师的大企业——中小型企业同样可以用上它。
AI 组件
IDMP 的 AI 能力建立在两个底层引擎之上:
大语言模型(LLM)。 外部大语言模型(通过 OpenAI 兼容接口配置)负责自然语言理解、可视化与分析生成、洞察叙述以及根因推理。IDMP 内置了 15 天的试用连接,您无需任何配置即可立即探索 AI 功能。
TDgpt。 TDengine 内核内置的时序 AI 引擎,负责直接对时序数据执行计算密集型分析任务——通过 forecast()、anomaly_window() 等函数,实现异常检测、预测和缺失数据填补。TDgpt 是需要与 IDMP 一同安装的独立模块,一旦安装完成,它独立于大语言模型连接运行,无需外部 AI 配置。
本章内容
- 连接大语言模型 — 配置 AI 连接(大语言模型端点、模型、身份验证)
- AI 生成面板 — 在元素面板标签页上由 AI 自动生成和建议的面板
- AI 面板洞察 — 为单个面板生成的自然语言摘要和解读
- AI 生成分析 — 在元素分析标签页上由 AI 自动建议和创建的分析
- AI 复合指标 — AI 推荐的公式和复合属性定义
- AI 问答 — 用自然语言查询您数据的 AI 问答界面
- 异常检测 — 由 TDgpt 驱动的异常检测分析触发类型
- 预测 — 由 TDgpt 驱动的元素属性时序预测
- 缺失数据填补 — 由 TDgpt 驱动的时序数据缺口填充
- 根因分析 — AI 生成的事件根因调查报告
📄️ 连接大语言模型
IDMP 中的大多数 AI 功能——面板生成、分析建议、AI 问答、根因分析——都需要连接外部大语言模型(LLM)。IDMP 使用 OpenAI 兼容接口,因此任何提供 OpenAI 兼容 API 的大语言模型服务商或自托管模型均可使用。
📄️ AI 生成面板
IDMP 由无问智推技术驱动,可以根据元素的属性、模板和采集的时序数据,自动为元素生成可视化面板。这些面板开箱即用,无需手动配置。
📄️ AI 面板洞察
AI 面板洞察为单个面板生成自然语言叙述——描述数据所显示的内容、识别值得关注的规律,并突出可能需要注意的异常或趋势。
📄️ AI 生成分析
IDMP 可以根据元素的模板、属性和采集数据,自动建议并配置实时分析。这降低了分析创建的门槛:无需手动配置触发条件、表达式和输出属性,您可以从 AI 生成的配置开始,一键保存。
📄️ AI 复合指标
复合指标是 AI 为您的资产层次结构生成的业务 KPI 库。基于您的元素模板、采集数据和行业上下文,AI 为每个资产组生成一套与领域相关的指标——包含计算公式、TDengine SQL、业务含义和行业别名。这为工程师提供了一个即用的参考,说明需要度量什么以及如何计算,无需数据科学专业知识。
📄️ AI 问答
AI 问答功能让您可以使用自然语言查询您的运营数据。无需编写 TDengine SQL 或在资产层次结构中逐层查找,您可以直接提问,例如"em-1 昨天的峰值电压是多少?",并获得基于您实际数据的答案。
📄️ 异常检测
异常检测需要与 IDMP 一同安装 TDgpt 模块,无需大语言模型连接。
📄️ 预测
预测需要与 IDMP 一同安装 TDgpt 模块,无需大语言模型连接。
📄️ 缺失数据填补
工业环境中的时序数据经常存在缺口——传感器离线、网络中断延迟数据传输,或硬件故障导致短暂的测量丢失。缺失数据填补使用估算值填充这些缺口,确保下游分析、平均值计算和 KPI 计算不受缺失读数的影响而产生偏差。
📄️ 根因分析
根因分析(RCA)是一项 AI 驱动的调查功能——给定一个事件,系统自动检索相关历史数据、形成关于原因的假设、验证这些假设,并生成结构化分析报告,全程无需人工干预。









