AI时代-我们将aiots从设计到开发再到使用(细分为移动端（App）、管理端（Admin）、教程、系统架构)都整理成了 AI 技能。平台的二次开发、使用上的疑问、场景数据创建等，都可以直接通过 AI 来辅助完成——不用翻文档、不用搜论坛，问一句就行了。aiots不仅是一套系统，更是一套随时可用的知识体系。

MQTT、Modbus、OPC UA、IEC104、DLT645、PLC（西门子/三菱/欧姆龙/松下/汇川）等十几款工业驱动内置好了，接上就能跑。和其他平台不同——它们不同驱动用不同的配置方式，换一种驱动就得重新学一套配置。aiots 所有驱动共用一套物模型配置，理解了物模型就理解了所有驱动的配置，学习成本大幅降低。

加采集点 → 物模型加个属性；改控制逻辑 → 物模型改个绑定。更灵活的需求，aiots 脚本引擎覆盖了从采集到入库的每个环节——数据解析脚本处理原始报文解析、数据过滤脚本控制入库策略、联动脚本处理告警和指令下发。全部在浏览器上操作，不需要提需求、等排期、改代码、重新发布。

几百个点位稍微波动一下就告警，不到半天列表就被淹没了——真出问题反而没人看。aiots 把需要处理的（告警）和需要关注的（指标）分开。告警负责叫人，指标负责瞄一眼，每天少看 80% 的无用告警。 真的出了告警，自动调出同一设备组下所有关联点位的实时数据和指标状态，不用在几百个点位里逐个翻找根因。

设备只上报了电压和电流，但你要看的是功率——传统做法要在业务系统里写代码算，换了系统还得重新写。aiots 的计算属性在物模型层配个公式就行：电压 × 电流 = 功率。计算结果是独立的新属性，和采集数据一样参与告警、指标、联动、展示，设备不报这个值，平台也能给你算出来。

Modbus 读回来的是寄存器值，PLC 上报的是字节数组，设备用位来表示多个状态——一堆 01 谁看得懂？aiots 的属性解析脚本直接配置在物模型属性上，字节数组转浮点数、按位解析、进制转换，采集时自动执行。不需要在业务代码里每接一种设备写一套解析逻辑。

工业设备经常用一个字节的某几位代表不同状态（比如 bit0=运行、bit1=故障、bit2=告警）。普通平台根本不支持这种解析，要么写脚本要么放弃。aiots 在物模型属性上新增了 bit 类型，直接指定取第几位，采集时自动拆分——完全不需要写代码，也不需要写脚本，在物模型上配置一下就行。

高频采集一年下来数据量轻松上 TB，存储成本高，查数据也慢。aiots 的数据过滤脚本可以按策略入库——值没变不入库、变化超过幅度才入库、按固定周期入库。不改采集频率，不写过滤代码，配置一段脚本就行。数据量减少 90% 以上，该有的数据一条不少。

驱动没连上？寄存器地址配错了？传统做法要扛着笔记本去现场接串口线抓包。aiots 的设备调试工具在浏览器上就能给设备发指令、看原始报文、验证寄存器地址。驱动是否在线、指令是否执行成功、数据解析结果，一目了然。不用出办公室就能排查 90% 的接入问题。

采购设备之前想先评估平台？或者给客户做演示但没有真实环境？aiots 脚本引擎配合 Modbus、PLC、OPC UA 等模拟器，可以创建一个完整的虚拟工厂——几十台虚拟设备、几百个采集点、完整的告警和联动逻辑，全部在浏览器上搭建。从设备接入到数据展示，整个流程和真实环境完全一致。先验证、再采购，降低选型风险。