TDengine IDMP 产品升级后，工业数据 AI 实战系列直播持续进行中。本周最后两期，一期讲怎么让算法三分钟上线到数据库内核，一期讲怎么把每次分析的答案沉淀成企业资产。
第十三期：三分钟上线用户自定义函数
工业现场最头疼两件事：算得慢，和算得晚。
算得慢------产线 1 秒采集几万个高频数据点全拉到外部处理，网络抖动预警就延迟；复杂质量判定逻辑 SQL 写不出；工艺工程师懂机理但不会写 C 代码，改个参数等两周。
算得晚------物料进入设备到传感器检测到结果，中间存在不可跨越的物理时滞。以锂电池极片涂布为例，极片穿过几十米长的烘箱有 3 到 5 分钟时滞，等出口测厚仪检测出超标，烘箱里的极片已经全部变成废品。事后报警不是预警，而是批量报废通知单。
TDengine 的破局理念是：数据在哪里，算力和 AI 就在哪里。 把算法直接推到数据库内核执行------零网络开销，一条 SQL 搞定实时判定与前馈预测。
但传统 UDF 开发有五大劝退天坑：C 语言门槛高、段错误排查痛苦、编译环境地狱、分发繁琐、变更迟钝。所以这次让 AI Agent 来做。
这场直播你会看到：
-
核心技能一：AI 驱动 C-UDF 自动开发部署 ------对话框里说一句自然语言规则，Agent 自动写 C 代码（含 NULL 检查、边界防溢出、块遍历优化）、自动目标环境编译（消除 GLIBC 不兼容）、自动集群分发与热注册，2 到 3 分钟搞定单核千万点
<1ms库内实时判定 -
核心技能二：TDgpt 时序预测模型自动开发部署 ------Agent 自动完成特征对齐、缺失值填充、滑动窗口构建，继承 AbstractForecastService 编写预测算法，热推到计算节点，前端一条 SQL
FORECAST提前 3 到 5 分钟预测走势，在废品产生前把控制提前量打进去 -
场景拆解：锂电池涂布机极片厚度毫秒级质量判定（绿/黄/红三色状态码）+ 涂布烘箱多变量前馈预测（放卷张力、涂布速度、烘箱温度三变量预测出料干膜厚度）
-
企业级安全：物理级进程沙箱隔离、细粒度 RBAC 权限管控、全生命周期调用审计追踪
-
Live Demo：上半场 C-UDF 毫秒级质量判定全流程，下半场 TDgpt 多变量前馈预测防报废实战
两大技能紧密协同，把过去两周的研发流程压缩到 3 分钟。
直播时间：9 月 15 日（周二）19:00
第十四期：知识管理------把隐性知识变成可管理、可复用的增值资产
每次质量分析跑完、根因找到了、措施写了，然后呢？复盘结论写进报告锁进共享盘，下次同类问题再来一遍。
传统知识管理本质是"文档管理 + 全文检索"。但工业知识大量不是文档形态（设备参数语义、异常模式规律、操作流程步骤），需要被机器理解并执行。你需要的不是更聪明的搜索引擎，而是能让知识被 AI 读懂、调用、执行的语义管理体系。
IDMP 的做法是：工业本体管语义归属，知识库管结构化沉淀，计算表达式让规则可执行，分析模型让模式可发现，Skills 让流程可复用。
这场直播你会看到：
-
工业知识五种形态，一网打尽：数据知识靠工业本体、文档案例靠知识库、经验规则靠计算表达式、模式规律靠 TDgpt 分析模型、流程知识靠 Skills------五种形态对应五套机制，共用同一套语义底座
-
"接入即标准化"：数据接入那一刻就完成语义绑定------描述、类别、单位、位置、极限值全部注册到工业本体上
-
Skills：把多步骤业务流程变成标准化能力单元------自然语言编写、系统内置数十个已验证技能、AI Agent 按步骤执行，零代码构建可复用的流程知识资产
-
13 个开箱即用 AI Assistant：数据查询助手、面板创建助手、根因分析助手等，每个助手背后是工业本体 + 知识库 + Skills + 分析模型的组合调用
-
AI 沿知识链路推理演示：根因分析助手 → 工业本体定位资产路径 → 检索知识库历史案例 → 调用计算表达式发现预设规则触发 → 调用 TDgpt 模型做异常检测和因子关联（输出 Top 3 关键因子）→ 综合给出根因分析并在知识库自动生成报告
-
从"人懂"到"系统懂"：老师傅经验 → 结构化的计算规则和分析模型 → AI 可调用 → 人人可受益
知识管理的核心价值不在于"存了多少文档"，而在于"AI 能沿知识路径走多远"。
直播时间：9 月 17 日（周四）19:00
关注我们，第一时间获取直播动态，不错过任何一期硬核内容。
