自动化规则

规则引擎让 NeoMind 在无人值守时自动响应：设备数据越过阈值 → 自动通知、下发指令、触发 AI Agent。规则以 JSON 格式定义，通过 Web UI、CLI、REST API 或 AI Chat 创建。

NeoMind 的自动化页面包含两个页签：Rules（规则） 和 Transforms（数据转换）。本文档介绍 Rules，数据转换见数据转换。

前置条件

已接入至少一台设备（规则需要引用设备指标作为数据源）
已配置通知渠道（如需 notify 动作）

界面概览

点击左侧导航的 Automation（分支图标）进入自动化页面，默认显示 Rules 页签：

页面以表格形式展示所有规则，每行包含：

列	说明
规则名称	你设置的名称
触发器	Data Change / Schedule / Manual
条件摘要	规则条件的文本预览（如 `temperature > 30`）
动作	该规则包含的动作列表（Notify / Execute / Trigger Agent）
状态开关	启用 / 禁用切换
操作菜单	编辑、删除、立即执行

右上角的 Import / Export 按钮可批量导入导出规则 JSON。

规则结构

一条规则由四部分组成——名称、触发器、条件、动作（可选持续时间与冷却）：

{
  "name": "高温告警",
  "trigger": { "trigger_type": "data_change" },
  "condition": {
    "condition_type": "comparison",
    "source": "device:sensor-01:temperature",
    "operator": "greater_than",
    "threshold": 30
  },
  "actions": [
    { "type": "notify", "message": "温度过高：{value}°C", "severity": "critical" }
  ]
}

完整 JSON 字段参考

{
  "name": "持续高温",
  "trigger": { "trigger_type": "data_change" },
  "condition": {
    "condition_type": "comparison",
    "source": "device:sensor-01:temperature",
    "operator": "greater_than",
    "threshold": 30
  },
  "actions": [
    { "type": "notify", "message": "温度持续高于 30°C 已 5 分钟", "severity": "critical" }
  ],
  "for_duration": 300000,
  "cooldown": 60000
}

创建方式

方式一：Web UI

步骤 1：打开规则构建器

在 Rules 页签点击 Create 按钮，打开全屏规则构建器：

构建器为分栏布局，右上角可在 表单（可视化）/ JSON（代码） 之间切换——表单侧配置的每一项都实时同步到 JSON 预览。表单按 基础信息 → 触发条件 → 执行动作 → 预览确认 四步组织；条件以卡片形式添加：简单条件（单指标阈值）、范围条件（介于 min / max）、AND / OR / NOT 组合（嵌套子条件）。

构建器顶部填写：

字段	说明
Name（名称）	规则的显示名称
Description（描述）	可选，说明规则用途
Trigger（触发器）	选择触发方式（见下文）

步骤 2：配置触发器

触发类型	说明	适用场景
Data Change	条件引用的指标有新数据时自动评估	实时告警、阈值监控
Schedule	按 cron 表达式定时触发	定时播报、周期性检查
Manual	仅手动触发（API / CLI / UI 按钮）	调试、按需执行

Cron 表达式为 5 段：分时日月周。"*/5 * * * *" = 每 5 分钟。（API 层也接受含秒的 6 段写法，会自动规整为 5 段语义；规则构建器 UI 按 5 段校验。）

data_change 触发器会自动从 condition 中提取引用的数据源，无需手动指定 sources。

步骤 3：配置条件

条件决定规则何时触发。支持三种类型：

比较条件（comparison）——值与阈值比较：

运算符	含义	阈值字段
`greater_than`	大于	`threshold`（数字）
`less_than`	小于	`threshold`（数字）
`greater_equal`	大于等于	`threshold`（数字）
`less_equal`	小于等于	`threshold`（数字）
`equal`	等于	`threshold`（数字/布尔）
`not_equal`	不等于	`threshold`
`contains`	包含（字符串）	`threshold_value`（字符串）
`starts_with`	前缀匹配	`threshold_value`
`ends_with`	后缀匹配	`threshold_value`
`regex`	正则匹配	`threshold_value`

source 使用 DataSourceId 格式 {type}:{id}:{field}，如 device:sensor-01:temperature。

范围条件（range）——值在某区间内时触发：

{ "condition_type": "range", "source": "device:sensor-01:temperature", "min": 20, "max": 25 }

逻辑组合（logical）——AND / OR / NOT 嵌套多个子条件：

{
  "condition_type": "logical",
  "operator": "and",
  "conditions": [
    { "condition_type": "comparison", "source": "device:sensor-01:temperature", "operator": "greater_than", "threshold": 30 },
    { "condition_type": "comparison", "source": "device:sensor-01:humidity", "operator": "less_than", "threshold": 20 }
  ]
}

步骤 4：配置动作

条件满足后执行的操作。一条规则可以有多个动作，按顺序执行。

动作	type 值	说明
发送通知	`notify`	消息模板支持 `{value}`、`{source_id}` 插值
执行指令	`execute`	下发控制指令到设备或扩展
触发 Agent	`trigger_agent`	调用 AI Agent 做深度分析
运行算子	`run_operator`	运行一个结构化模式（L0）Agent——它自行收集绑定数据源、按输出 schema 产出字段，无需 `input`（见 AI Agent）

notify 动作——severity 取值：info、warning、critical、emergency

{ "type": "notify", "message": "温度过高：{value}°C", "severity": "critical" }

execute 动作——下发设备控制指令：

{ "type": "execute", "target": "humidifier-01", "target_type": "device", "command": "power_on", "params": { "level": 3 } }

trigger_agent 动作——调用 AI Agent：

{ "type": "trigger_agent", "agent_id": "diagnostic", "input": "sensor-03 离线，请诊断原因" }

除 input 文本外，还可选传 data 字段（JSON 对象）把触发上下文数据一并带给 Agent：

{ "type": "trigger_agent", "agent_id": "diagnostic", "input": "请诊断", "data": { "source": "device:sensor-03:online", "value": 0 } }

步骤 5：持续时间与冷却

字段	说明
For Duration（持续时间）	条件必须持续满足该时长后才触发，避免传感器抖动误报。JSON 中单位为毫秒（如 5 分钟 = `300000`；UI 中可选秒 / 分钟 / 小时）
Cooldown（冷却时间）	两次触发之间的最小间隔，JSON 中单位为毫秒，默认 `60000`（60 秒）

配置完成后点击 Save 保存规则。

方式二：CLI

# 创建规则（JSON 格式）
neomind rule create --body '{"name":"高温告警","trigger":{"trigger_type":"data_change"},"condition":{"condition_type":"comparison","source":"device:sensor-01:temperature","operator":"greater_than","threshold":30},"actions":[{"type":"notify","message":"温度过高"}]}'

# 列出所有规则
neomind rule list

# 启用 / 禁用规则
neomind rule enable <rule_id>
neomind rule disable <rule_id>

# 模拟评估规则（只评估条件是否满足，不触发动作）
neomind rule test <rule_id> --input '{"temperature": 35}'

# 删除规则
neomind rule delete <rule_id>

方式三：REST API

# 创建规则（JSON body）
curl -X POST http://localhost:9375/api/rules \
  -H "Content-Type: application/json" \
  -d '{
    "name": "高温告警",
    "trigger": { "trigger_type": "data_change" },
    "condition": { "condition_type": "comparison", "source": "device:sensor-01:temperature", "operator": "greater_than", "threshold": 30 },
    "actions": [ { "type": "notify", "message": "温度过高" } ]
  }'

# 查看执行历史
curl http://localhost:9375/api/rules/<rule_id>/history

方式四：AI Chat

直接对 AI Chat 说：

「温度超过 30 度时给我发邮件」

LLM 会自动生成规则并创建。

导入 / 导出

Rules 页签右上角的 Import / Export 按钮支持批量管理：

操作	说明
Export	导出所有规则为 JSON 文件（`neomind-rules-YYYY-MM-DD.json`）
Import	上传 JSON 文件批量导入规则；无法导入的规则（如格式错误）会计入"跳过"并在结果中报告

规则验证

创建规则时，NeoMind 会做上下文感知验证：

规则引用的设备是否存在
指标名是否合法
指令参数是否匹配设备类型定义
扩展与 Agent ID 做非空校验

验证失败会返回详细的错误信息，列出具体哪个字段有问题。

完整示例

1. 温湿度联动告警

温度高且湿度低时，发通知并打开加湿器：

{
  "name": "温湿度联动",
  "trigger": { "trigger_type": "data_change" },
  "condition": {
    "condition_type": "logical",
    "operator": "and",
    "conditions": [
      { "condition_type": "comparison", "source": "device:sensor-01:temperature", "operator": "greater_than", "threshold": 30 },
      { "condition_type": "comparison", "source": "device:sensor-01:humidity", "operator": "less_than", "threshold": 20 }
    ]
  },
  "actions": [
    { "type": "notify", "message": "高温低湿：{value}°C", "severity": "critical" },
    { "type": "execute", "target": "humidifier-01", "target_type": "device", "command": "power_on", "params": { "level": 3 } }
  ]
}

2. 定时能耗播报

每天早上 8 点触发 Agent 汇总能耗：

{
  "name": "每日能耗播报",
  "trigger": { "trigger_type": "schedule", "cron": "0 8 * * *" },
  "actions": [
    { "type": "trigger_agent", "agent_id": "energy-reporter", "input": "汇总昨日能耗并发送日报" }
  ]
}

3. 持续异常触发 Agent

设备离线超过 10 分钟，触发 Agent 诊断：

{
  "name": "设备离线诊断",
  "trigger": { "trigger_type": "data_change" },
  "condition": { "condition_type": "comparison", "source": "device:sensor-03:online", "operator": "equal", "threshold": 0 },
  "for_duration": 600000,
  "actions": [
    { "type": "notify", "message": "sensor-03 已离线 10 分钟", "severity": "critical" },
    { "type": "trigger_agent", "agent_id": "diagnostic", "input": "sensor-03 离线，请诊断原因" }
  ]
}

执行历史

在 Rules 页签点击任意规则的操作菜单可查看执行历史：

触发时间
条件是否满足
执行了几个动作
每个动作的结果（成功/失败/原因）
评估耗时

与其他模块联动

联动	说明
通知	`notify` 动作路由到已配置的通知渠道
AI Agent	`trigger_agent` 动作调用自主智能体做深度分析
设备	`execute` 动作下发设备指令
数据转换	规则可引用 Transform 生成的派生指标
数据推送	规则在平台内评估数据并触发动作；数据推送把数据发送到平台外
AI Chat	自然语言创建规则，LLM 自动生成 JSON

最佳实践

加 for_duration 防抖：传感器数据有噪声，用 "for_duration": 120000（2 分钟）过滤瞬时波动（单位为毫秒）
设 cooldown 防刷屏：高频数据源配合冷却时间，防止告警风暴
分级通知：普通告警 severity: "info"，严重告警 severity: "critical"
优先用规则而非 Agent：确定性逻辑用规则（毫秒级评估），模糊判断才用 Agent（秒级 LLM 分析）
动作幂等：设备指令设计为幂等（如 power_on 多次调用安全），防止规则重试产生副作用

下一步

数据推送 — 把平台内的数据实时推送到外部系统
通知 — 为 notify 动作配置通知渠道与过滤器
AI Agent — 用 trigger_agent 动作让 Agent 做深度分析

最后更新: 2026-10-21

前置条件​

界面概览​

规则结构​

创建方式​

方式一：Web UI​

步骤 1：打开规则构建器​

步骤 2：配置触发器​

步骤 3：配置条件​

步骤 4：配置动作​

步骤 5：持续时间与冷却​

方式二：CLI​

方式三：REST API​

方式四：AI Chat​

导入 / 导出​

规则验证​

完整示例​

1. 温湿度联动告警​

2. 定时能耗播报​

3. 持续异常触发 Agent​

执行历史​

与其他模块联动​

最佳实践​

下一步​