TDengine IDMP 十大实用功能（2）

------ 有问即答（AI 问答 + AI Function）------开口问一句，它就在当前页面把活干完

一句话：你不用写 SQL，也不用写提示词模板。想搞清楚一件事，就在当前页面上问一句；想让它动手，就点一下页面上的 AI 按钮------平台自己把「你正在看的这段数据」打包递给大模型，答案直接回来。

先说清三件事：推、拉、动手

上一篇讲的是「无问智推」------系统先动，把该看的推到你面前 。这一篇讲的是它的另一半：你先动，系统接住。

模式	叫什么	谁先动	在哪用
主动推送	无问智推（Zero-Query Intelligence）	系统	面板/分析/指标列表里，AI 已经备好了
手工拉取	AI 问答（AI Chat）	用户	聊天窗口或 IM 群里，问一句话
手工拉取 + 动手	AI Function（AI 功能按钮）	用户	任意业务页面的 AI 按钮，带着当前上下文干活

一句话区分：

无问智推是"它替你想该看什么"，AI 问答是"你问它答"，AI Function 是"你说一句，它在这个页面上直接动手"。

一、AI 问答：像问同事一样问数据

它长什么样

一个聊天窗口。你用自然语言问，它用自然语言答，需要的时候顺手给你一张图、一个表格，或者干脆帮你把分析建出来。

问的问题可以是这种：

「昨天 3 号线的能耗为什么比前天高？」
「R-201 反应器最近一周的床层温度有没有异常？」
「这台泵这个月的启停次数是多少？跟上月比呢？」
「帮我看看这几条曲线里，哪条先动的」

它能直接调用「技能」，不靠猜

输入框里敲一个 / ，会弹出可执行技能菜单；继续输入名称会实时筛选，Tab 补全，格式就是：

bash 复制代码

/rca 分析 3 号泵最近一次异常的原因

关键在于------这不是把 /rca 当普通文本丢给模型让它自己领会 。系统会在调用模型之前就把 rca 这个技能的完整正文加载进去，再把你后面那句话当成真正的问题。同名技能按「用户自定义 > 定制 > 系统内置」的优先级取用。

意义在于结果可预期 ：同一个 /rca，昨天和今天跑出来的是同一套流程，而不是模型心情不同、答法不同。

它认识你的系统

内置技能覆盖面很宽（后端目前有 30 多个），大致分五类：

类别	代表技能	干什么
解读类	`interpret-panel`、`interpret-dashboard`、`interpret-element-attributes`、`interpret-realtime-analysis`	把一张图、一块看板、一段属性历史讲成人话
生成类	`create-panel`、`create-analysis`、`create-metric`、`create-alert`、`forecast`	一句话生成面板 / 分析 / 指标 / 告警 / 预测
排查类	`rca`、`anomaly-detection`、`health-check`、`compare`、`event-query`	找原因、查异常、做体检、做对比、查事件
知识类	`tdengine-sql`、`tdengine-wiki`、`doc-qa`、`idmp-domain`、`idmp-product-help`、`kg`	写 SQL、查文档、答产品问题、走知识图谱
交付类	`report`、`create-panel`、`extract-element-subtable`	出报告、出可视化、导数据

另有一个 clarification 技能专门负责反问------信息不够时它不会硬编，而是先问清楚"你说的是哪台设备、哪个时间段"。

它还能在 IM 里干活

钉钉、企业微信、飞书、Slack、WhatsApp 都能接。值班的人在群里 @ 一下就能问，不用专门打开平台。

二、AI Function：把「问」变成「在这个页面上动手」

为什么需要它

聊天窗口有个天然的别扭：你得先描述上下文。

"帮我看一下 3 号加热炉 2 区风机的振动......就是刚才那个页面......图上那条蓝线......"

人在页面上看的是「3 号加热炉 → 2 区 → 风机 → 振动属性 → 过去 24 小时」，但聊天窗口不知道这些，全靠你打字复述。复述一遍，问题就写歪了。

AI Function 就是解决这个的 ------按钮长在页面里，点下去的一瞬间，页面自己把上下文打包好：

bash 复制代码

AI Function = Skill（怎么干） + Context（当前页面的数据） + Prompt Template（怎么说）

要素	说明
Skill	执行逻辑。内置的、自己上传的、从技能仓库装的，都能用
Context	由页面自动收集：当前元素、属性、时间范围、面板数据、事件列表......
Prompt Template	把 Context 塞进提示词的模板，管理员可改

它长在哪、怎么用

几乎每个业务页面都有：元素详情、元素列表/分组/搜索结果、子元素列表、属性列表、属性详情、面板列表、面板详情、仪表板列表、仪表板详情、事件列表、事件详情、实时分析页------二十来个页面路由都挂了同一个按钮。

点一下按钮，下拉出你置顶过的函数 和「+ 添加」；再点某个函数，右侧滑出一块执行面板，结果以流式方式一个字一个字出来，看完不满意可以在面板里接着追问，不用回到聊天窗口重开一段对话。

二十来个页面，就有二十来种上下文

同一句"帮我看看有哪些问题"，在不同页面上问，拿到的答案完全不同------因为上下文不同：

你在哪个页面	它自动拿到的上下文	答案会长什么样
元素详情页	这个元素、它的属性清单	这台设备整体状态、该关注哪几个测点
面板详情页	图上所有序列 + 时间范围	这段趋势里哪段异常、拐点在哪
属性详情页	单个属性的历史值	这条曲线的分布、越限时段、变化速率
事件列表页	一批事件及其级别、时间	这批事件的聚类、高频对象、趋势
单个事件详情页	一个事件的完整链路	这个事件为什么发生（RCA）
仪表板页	整块看板	全局结论、各图之间的呼应关系

这就是"按钮式 AI"比"聊天窗口"强的地方：你不需要告诉它你在看什么，它本来就在看。

三、一个生产实践的例子：李工那个周五的 18 分钟

李工是某化工厂的设备管理工程师。周五下午 4 点，客户审厂，临时加了一个要求：

"下周一给我一份 R-201 加氢反应器本月的运行分析报告，要有数据、有结论、有依据。"

按老办法，这个活是两天：去 DCS 导数据、导进 Excel、画七八张图、翻告警记录、写结论、排版。周末没了。

这次他打开 IDMP，从 16:05 干到 16:23。

16:05 · 先做体检，不先画图。

进 R-201 元素详情页，点工具栏 AI 按钮 → 选「健康检查」。右侧面板流式吐出：

本月健康度 82 分（上月 88）。三条需关注：① 3 号床层温度波动幅度较上月增大 40%；② 循环氢压缩机启停 5 次，高于历史均值 2 次；③ 2 号床层差压持续上升。

他不用先决定"该画什么图"------AI 先告诉他哪里有问题。

16:08 · 追第一条。

点开 3 号床层温度属性页，再点 AI 按钮 → 「属性解读」：

本月波动区间 386--412℃，上月为 392--405℃。三次明显跃升分别发生在 5 日、12 日、19 日，均出现在循环氢流量下降后 20--40 分钟内。

这条结论把"温度波动"和"循环氢流量"连起来了------这就是老办法里最费时间的部分。

16:11 · 让 AI 自己比一次。

在那块面板上继续追问："和上月同期对比一下。" 面板里用 compare 技能直接给出对比结论：波动幅度 +40%，均值基本持平，问题在离散度而不是整体水平。

16:15 · 翻事件，不问细节。

到事件列表页，按时间筛出本月，点 AI 按钮 → 对整批事件做摘要：

本月该装置共 23 条事件：严重 2 条、一般 8 条、提示 13 条。严重事件均与 3 号床层温度相关；重复度最高的对象是循环氢压缩机（5 次启停）。

16:18 · 顺手让 AI 写初稿。

点「报告」→ 出初稿：现象、数据佐证、时间线、可能原因、改进建议。

16:23 · 人工把关，交付。

李工改了三个地方：把"可能原因"里的一条从"催化剂失活"改成"循环氢流量波动"，补了一段工艺背景，删了一句他判断不成立的推测。导出，发出去。

整份报告里每条结论都能点回原始曲线。 这不是"AI 说了算"，而是"AI 把证据摆好，人来拍板"。

18 分钟 vs 两天。 差的不只是效率------老办法里，李工很可能因为时间不够，只画两张图就算交差；这次他把 23 条事件、三条异常路径全看了一遍。

四、同一个套路换个岗位：三个短场景

质量工程师 · 批次异常。

检验发现一批产品不合格。打开该批次对应的元素，点 AI 按钮做「对比」------AI 把本批与该批次之前的工艺参数逐项比对，指出"固化段温度平台期短了 6 分钟"。以前这一步要拉两张表人工对。

值班员 · 半夜收到告警。

不用起床开电脑，在钉钉群里 @ 一下："3 号泵刚那个振动告警什么情况？"AI 结合事件上下文回：告警时间、持续时长、同期电流与流量变化、建议动作。要深挖再在事件详情页点「根因分析」。

新来的人 · 不会用系统。

直接问「怎么建一个滑动窗口分析？」------idmp-product-help 技能会答，且答的是当前版本的操作路径，不是三年前的博客。

五、怎么用：三步上手

前提（一次性配置）

连一个大模型：通过 OpenAI 兼容接口配置。IDMP 内置 15 天试用连接，零配置能先体验。
（可选）装 TDgpt：要用异常检测、预测、缺失值填补时需装。它独立于大模型运行。

场景 A：我现在就想知道这个页面上的数据说明了什么

打开任意元素的详情页 / 面板 / 属性 / 事件页；
点工具栏上的 AI 按钮；
从下拉里选一个函数（第一次用点「+ 添加」挑几个置顶）；
右侧面板流式出结果；
不满意就在面板里接着追问，不用重开。

场景 B：我要问一个跨页面的开放问题

打开 AI 问答；
直接打字问；或者先敲 / 选一个技能，再写问题；
要它"动手"就说清楚：「按这个结论建一条分析，温度超 410 持续 10 分钟告警」------它会把表单填好，你确认保存。

场景 C：我想让整个团队都用我们自己的套路

把团队的排查步骤写成一份 SKILL.md；
后台上传到「技能」，或从 Skill Hub 装现成的（仓库里挑，装完只读、可更新）；
给它标上 type: ai-function 和适用范围（面板/元素/事件/任意页面）；
团队在对应页面的 AI 按钮里就能看到它------不用教每个人怎么问，只要教他们点哪个。

六、能解决什么问题

问题 1：聊天框里的 AI 不懂你在看什么

传统 AI 助手要你把上下文念一遍。AI Function 把上下文变成自动参数------你在哪个页面，它就带哪份数据。

问题 2：问出来的结论落不了地

聊天窗口答完就完了。AI 问答和 AI Function 都能直接生成面板、分析、告警------结论到动作之间没有断点。

问题 3：老师傅的经验带不走

老师傅的排查套路往往是一串"先看这个、再比那个"。把它写成 Skill，就变成全厂可调用的能力；人走了，方法论还在。

问题 4：每家客户都想要"自己的 AI"

内置能力是通用底子，SKILL.md 是扩展口。客户自己的行业口径、自己的计算规则，写成技能就接上了------不用等产品排期。

七、边界与提醒（诚实版）

它会算错，而且错误看起来很自信。 尤其是生成面板、分析、指标这类"动手"的活：公式和 SQL 一定要人过一遍。系统专门留了「下载 → 人工修正 → 上传」的通道，就是承认这一点。
上下文越完整，答案越靠谱。 元素没套模板、属性没挂单位、时间范围没选------这些缺失都会让 AI 只能猜。建模质量决定 AI 质量，这句话在这个功能上体现得最明显。
内置函数不是万能的。 它覆盖的是高频通用场景（解读、体检、对比、排查、生成）；行业专有判断必须自己写 Skill。
Skill 有来源优先级：用户级覆盖定制级，定制级覆盖系统级。改了一个同名技能却没生效，先查这条。
权限跟着走。 AI 看不到你无权访问的数据------这不是限制，是它敢用的前提。
用户证言还在积累中。 目前客户反馈里明确提到的是"希望 AI 直接生成仪表板、日报、周报"（需求侧）和"AI 解读要考虑树形/图形上下文"（改进侧）；「AI 问答」本身的满意度还没有形成统计样本。对外材料里，建议定位为「已交付、可演示、客户正在用」，而不是「已被验证的口碑功能」。

八、和「无问智推」怎么配合

两个功能不是竞品，是一套组合拳：

情形	用哪个
刚接入新设备，不知道看什么	无问智推（等它推面板/分析/指标）
推出来的东西不够、想改	AI Function（在当前面板上说「换成双轴、加个阈值线」）
有具体问题要问	AI 问答（自然语言直接问）
看到一个异常，想深挖原因	AI Function「根因分析」（上下文已带好）
要把分析结果交给别人	AI Function「报告」（出初稿，人改）

心法还是那句：

先等它推，推不到位就开口问；问清楚之后，让它在当前页面直接动手。

九、关于 TDengine IDMP

TDengine IDMP（Industrial Data Management Platform）是一款 AI 原生的工业数据管理平台 。

它不负责存数据------那是 TDengine TSDB 的事；它负责给数据补上业务含义，并在这个基础上让 AI 真正跑起来。

本文讲到的 AI 问答、AI Function、无问智推，都是平台自带能力，不需要另外搭一套 AI 应用。

免费版够不够用

IDMP 提供免费版，中小企业和个人用户可以直接用。

免费版与商业版在功能、性能上完全一致 ，通过年度续期 即可长期免费使用，只在测点数量 上设有上限------

对大多数中小企业来说，这个额度够用。All-in-One 装完会自动申请并激活免费许可，不需要额外配置。

怎么装：All-in-One 一键部署

All-in-One 把 IDMP、TSDB、TDgpt、TDmodel 打包成一个部署包：

环境	怎么装
Linux （Ubuntu / Kylin / openEuler / Anolis；需 `root`、内核 ≥ 3.10.0-1160、glibc ≥ 2.28）	执行下面的主机模式命令
Windows 10/11、Server 2019+	下载 `TDengineSetup-x64.exe`，双击后选「主机方式」
Docker（Linux / macOS / Windows，Docker ≥ 20.10）	执行下面的容器模式命令；macOS 只支持 Docker 部署，需先启动 Docker Desktop

bash 复制代码

# 主机模式（Linux）
curl -fsSL https://downloads.taosdata.com/apex/latest/install.sh | bash -s -- -m apex

# 容器模式（Linux / macOS）
curl -fsSL https://downloads.taosdata.com/apex/latest/install.sh | bash -s -- -m docker

装完浏览器打开：

text 复制代码

http://localhost:6042

从其他机器访问，把 localhost 换成部署节点的 IP 或主机名。

装完先把 AI 接上

平台装好，AI 还差一步（也就是第五节说的前提）：

连一个大模型：OpenAI 兼容接口，填地址 / Key / 模型名；内置 15 天试用连接，可先零配置体验；
（可选）装 TDgpt：要做异常检测、预测、缺失值填补时才需要，它独立于大模型运行；
把数据接进来：连现成的 TDengine TSDB，或用示例数据先跑通。

两点容易踩：默认部署清单是 deployment-single-node-no-tdmodel.yaml，TDmodel 仅支持 Docker 部署 ；

TDgpt 默认启用 moirai 模型，x64 CPU 需要支持 AVX2。

运维与卸载（Linux 主机模式）

操作	命令
启动 IDMP	`svc-tdengine-idmp start`
停止 IDMP	`svc-tdengine-idmp stop`
卸载 IDMP	`rmidmp`

链接

All-in-One 下载与安装命令：https://www.taosdata.com/download-center?product=TDengine+All-in-One
Windows 安装器：https://downloads.taosdata.com/apex/latest/TDengineSetup-x64.exe
免费版说明：https://www.taosdata.com/tdengine-free-edition
不想本地装：注册云服务直接试用 https://cloud.taosdata.com

回到这一篇的那句话：AI 答得准不准，取决于它拿到的上下文够不够。

而上下文从哪来------装好平台、建好模型、接上数据，一条命令的事。