sync blog (#1701)

growth-ci · web-flow · commit 49f538ea676e · 2026-02-26T20:33:19.000+08:00
diff --git a/README-ZH.md b/README-ZH.md
@@ -7,6 +7,8 @@
 ## [Product](https://www.emqx.com/zh/blog/category/product)
 EMQ products including EMQX, EMQX Cloud, Neuron, NanoMQ, MQTTX and more.
 
+- [使用自然语言编写工业数据处理规则：NeuronEX 基于大语言模型的 SQL 生成](https://www.emqx.com/zh/blog/natural-language-to-sql-for-industrial-data-neuronex) ([Edit](https://github.com/emqx/blog/edit/main/zh/202602/natural-language-to-sql-for-industrial-data-neuronex.md))
+- [EMQX Cloud 更新：新增 Flashduty 告警集成与 SSE 网关](https://www.emqx.com/zh/blog/emqx-cloud-update-flashduty-sse) ([Edit](https://github.com/emqx/blog/edit/main/zh/202602/emqx-cloud-update-flashduty-sse.md))
 - [NeuronEX 3.8.0 发布：新增 SNMP 与 GE Historian 驱动，支持 AI 辅助的规则创建](https://www.emqx.com/zh/blog/neuron-v-3-8-0-release-notes) ([Edit](https://github.com/emqx/blog/edit/main/zh/202602/neuron-v-3-8-0-release-notes.md))
 - [使用 curl 实现 MQTT 通信：通过 MQTT/TLS 进行安全连接、发布与订阅](https://www.emqx.com/zh/blog/using-curl-for-mqtt) ([Edit](https://github.com/emqx/blog/edit/main/zh/202602/using-curl-for-mqtt.md))
 - [MQTTX 1.13.0 发布：消息体查看器与 UI 优化](https://www.emqx.com/zh/blog/mqttx-1-13-0-released) ([Edit](https://github.com/emqx/blog/edit/main/zh/202602/mqttx-1-13-0-released.md))
diff --git a/zh/202602/emqx-cloud-update-flashduty-sse.md b/zh/202602/emqx-cloud-update-flashduty-sse.md
@@ -0,0 +1,62 @@
+我们持续推动 EMQX Cloud 的迭代升级，致力于打造更强大、更可观测、更灵活的 MQTT 平台。本次更新重点优化了 Flashduty 告警集成能力，并推出全新的 SSE 网关预览版。
+
+## 原生 Flashduty 告警集成
+
+在物联网场景中，实时告警与快速响应至关重要。随着设备规模与连接数量的增长，异常事件需要被第一时间捕获并传递到运维体系中。
+
+在本次更新中，我们进一步提升了 EMQX Cloud 与 Flashduty 的集成能力，实现更高效的告警对接体验。
+
+### 核心变化
+
+此前，如需将 EMQX Cloud 告警接入 Flashduty，通常需要提交技术支持工单进行人工配置。现在，对于新的部署，Flashduty 集成已实现完全自助化。
+
+用户只需在 EMQX Cloud 控制台中配置 Flashduty 的集成信息，即可完成告警通道对接，无需人工介入，显著缩短接入周期。
+
+![image.png](https://assets.emqx.com/images/f971e27008ff5fc6d2caf279f989d87e.png)
+
+通过原生集成，EMQX Cloud 产生的关键运行告警（如连接异常、资源阈值告警等）可实时推送至 Flashduty，实现统一事件管理与值班响应。
+
+## SSE MQTT 网关（预览版）
+
+我们很高兴地宣布，**Server-Sent Events（SSE）网关**现已在 EMQX Cloud 专有版中开启预览。
+
+该功能允许客户端通过基于 HTTP 的 SSE 协议订阅 MQTT 主题并接收消息。开发者不再需要集成完整的 MQTT 客户端库即可获取实时数据流。
+
+### 为什么选择 SSE？
+
+尽管 MQTT 是设备通信的通用标准，但众多物联网数据消费者——如网页仪表盘、移动应用及后端服务，通常基于 HTTP 协议进行深度优化。SSE 网关完美填补了这一技术空白。
+
+### **主要应用场景及价值：**
+
+- **简化 Web 与移动端开发**
+
+  前端开发人员现在可以使用标准 HTTP 库来获取实时数据流（如股票价格或传感器读数）。对于仅需监听数据而无需发布的移动应用，这种方式能有效减小应用包体积并降低电池消耗。
+
+- **无缝对接 AI 集成**
+
+  对于 AI 智能体而言，这是一项颠覆性突破。
+
+  大多数大语言模型和 AI 智能体原生运行于 HTTP 环境，与物联网的 MQTT 协议之间存在天然隔阂。SSE 网关的出现彻底打破了这一壁垒：它让 AI 能够实时「监听」物联网数据流（如智能家居状态、工业告警），从而触发 RAG（检索增强生成）或实时推理工作流。
+
+  这意味着 AI 能够以自己最擅长的 Web 协议，接入 MQTT 这一物联网的「神经系统」。
+
+  ![image.png](https://assets.emqx.com/images/a9e25c15abb0c9c55eefd19065a10059.png){.my-2}
+
+- **数据可视化**
+
+  快速构建可视化面板，无需管理复杂的 WebSocket 或 MQTT 连接。
+
+  > 注意：SSE 网关目前处于预览阶段。请通过控制台提交工单，以便为您的专有部署启用此功能。
+
+## 开始使用
+
+- **创建一个新的部署，并在监控告警集成中设置 Flashduty 集成**
+- **SSE 网关现已在专有版中开放预览，欢迎** [**联系我们**](https://www.emqx.com/zh/contact?product=cloud) **或** [**提交工单**](https://cloud-intl.emqx.com/console/tickets) **体验。**
+
+## 结语：更开放的连接，更智能的未来
+
+通过自助化的 Flashduty 告警集成，我们进一步降低了告警接入门槛，让每一位用户都能以标准化的方式构建物联网基础设施的实时告警与响应体系。
+
+SSE 网关的推出，标志着 EMQX 不再局限于 MQTT 生态。无论是 Web 前端、移动应用，还是 AI 智能体，现在都能通过最熟悉的 HTTP 协议，实时接入物联网数据流。
+
+未来，EMQX Cloud 将持续打破协议壁垒、简化集成路径，让物联网数据在任何场景下都触手可及。
diff --git a/zh/202602/natural-language-to-sql-for-industrial-data-neuronex.md b/zh/202602/natural-language-to-sql-for-industrial-data-neuronex.md
@@ -0,0 +1,216 @@
+对于工业边缘计算领域的 OT 工程师而言，编写数据处理规则一直是一项重大难题。虽然 SQL 语言简洁且功能强大，但仍与工厂团队习以为常的梯形图和 PLC 编程逻辑相去甚远。想要掌握 SQL 语法、窗口函数和复杂聚合操作，会分散更多的时间和精力，影响核心业务进度。
+
+**NeuronEX 3.8.0 引入了一项突破性功能：基于大语言模型（LLM）的 SQL 自动生成。**现在，工程师可以用自然语言直接描述数据处理需求，AI 助手即可自动生成对应的 SQL 规则，将原本耗时数小时的规则编写过程缩短至几分钟，真正实现**让人工智能服务于行业，而不是让行业被动适应人工智能。**
+
+## 传统工业数据处理的三大痛点
+
+### **技能鸿沟：OT 与 IT 间的语言障碍**
+
+工厂工程师精通设备运维和工艺流程，但对 SQL、流计算、窗口函数等 IT 概念相对陌生。
+
+传统解决方案需要：
+
+- 聘请专业的数据工程师编写规则
+- OT 工程师花费数周学习 SQL 语法
+- 依赖系统集成商提供定制化开发
+
+### **开发效率低：反复试错的成本**
+
+即使掌握了 SQL 基础，编写复杂的流计算规则仍然需要：
+
+- 查阅大量文档（NeuronEX 有 160+ 内置函数）
+- 反复调试语法错误（如窗口函数参数、JOIN 条件）
+- 测试边界条件（如空值处理、数据类型转换）
+
+一个看似简单的需求（如：检测温度连续 3 次超过 100°C），可能需要数小时才能完成。
+
+### **维护成本高：规则难以理解和修改**
+
+当业务需求变化时（如调整阈值、增加过滤条件），工程师需要：
+
+- 重新理解原有 SQL 逻辑
+- 小心修改，避免引入新的错误
+- 重新测试所有边界条件
+
+这使得规则维护成为一项高风险、高成本的工作。
+
+## NeuronEX 的解决方案：AI 驱动的智能规则生成
+
+NeuronEX 3.8.0 在规则创建页面内置了 AI 问答助手，该助手由 OpenAI GPT、DeepSeek 和 Qwen 等大语言模型提供支持，并与我们的数据处理知识库深度集成，拥有以下技术优势：
+
+- **160+ 内置函数**：如 `lag()`、`unnest()`、`bitand()`、`collect()`
+- **多种窗口函数的使用场景**：`TumblingWindow`、`SlidingWindow`、`CountWindow`、`SessionWindow`
+- **工业数据处理的最佳实践**：理解如何处理空值、如何避免数据类型错误、如何优化性能等。
+- **多轮对话与迭代优化：**通过多轮对话，用户可以持续追问和优化 SQL 规则，直到满足需求。
+
+![image.png](https://assets.emqx.com/images/25c63e3f7e5709353ace6b3907f2fe27.png)
+
+### **工作流程：**
+
+1. **用户使用自然语言描述需求**（中文或英文）
+2. **AI 理解业务意图**，识别关键要素（数据源、过滤条件、聚合逻辑、窗口类型）
+3. **自动生成符合规范的 SQL 代码**，符合语法规范，包含必要的函数和参数
+4. **用户可以一键应用**，或根据需要进行微调
+
+### **关键价值：**
+
+- **零学习成本**：OT 工程师无需掌握 SQL 语法，仅使用业务语言描述即可编写规则。
+- **开发效率提升**：人工智能可在 5-10 秒内理解需求并生成代码，将开发时间从数小时缩短至数分钟。
+- **生产级规则质量**：AI 生成的代码符合语法规范，且遵循行业最佳实践，规则错误率降低 90%。
+
+## 实战案例：从简单到复杂的 5 个场景
+
+### 场景 1：基础过滤 - 温度超限告警
+
+**用户需求（自然语言）：**
+
+> “我想从数据源 neuronStream 中过滤出温度（temp）超过 100 度的数据”
+
+**AI 生成的 SQL：**
+
+```sql
+SELECT *
+FROM neuronStream
+WHERE temp > 100
+```
+
+**业务价值：**
+
+- 只上传异常数据，减少 90% 的云端存储成本
+- 实时触发告警，无需等待云端批处理
+
+### 场景 2：时间窗口聚合 - 计算平均值
+
+**用户需求（自然语言）：**
+
+> “如何从数据源 neuronStream 计算 10 秒窗口内的平均温度（temp）？”
+
+**AI 生成的 SQL：**
+
+```sql
+SELECT avg(temperature) as avg_temp
+FROM neuronStream
+GROUP BY TumblingWindow(ss, 10)
+```
+
+**业务价值：**
+
+- 将高频原始数据（1 秒采样）降维为统计数据（10 秒聚合）
+- 数据量减少 90%，云端传输成本大幅降低
+
+### 场景 3：连续异常检测 - 状态持续监控
+
+**用户需求（自然语言）：**
+
+> “我想从数据源 neuronStream 检测设备温度（temp）连续 3 次超过 100 度的异常情况，如何通过窗口和过滤规则实现？”
+
+**AI 生成的 SQL：**
+
+```sql
+SELECT 
+    temp as current_temp,
+    lag(temp, 1) as prev_temp_1,
+    lag(temp, 2) as prev_temp_2,
+    '连续3次高温警报' as alert_type,
+    event_time() as alert_time
+FROM neuronStream
+WHERE 
+    temp > 100 
+    AND lag(temp, 1) > 100 
+    AND lag(temp, 2) > 100
+```
+
+**业务价值：**
+
+- 避免偶发性波动触发误报
+- 只在持续异常时触发告警，提高告警准确率
+
+![image.png](https://assets.emqx.com/images/9c2aa6c3da3f68030b7b1721cee92211.png)
+
+### 场景 4：状态码映射 - 语义转换
+
+**用户需求（自然语言）：**
+
+> “如何将设备状态码（StatusCode）0、1、2 分别映射为输出字符串 'stopped'、'running'、'fault'？”
+
+**AI 生成的 SQL：**
+
+```sql
+SELECT 
+    StatusCode,
+    CASE 
+        WHEN StatusCode = 0 THEN 'stopped'
+        WHEN StatusCode = 1 THEN 'running'
+        WHEN StatusCode = 2 THEN 'fault'
+        ELSE 'unknown'
+    END as status_text,
+    device_id,
+    timestamp
+FROM neuronStream
+```
+
+**业务价值：**
+
+- 将 PLC 的「机器语言」转换为业务人员可理解的「业务语言」
+- 数据离开边缘时已具备完整的业务语义，无需云端二次解析
+
+### 场景 5：数据精度控制 - 浮点数处理
+
+**用户需求（自然语言）：**
+
+> “温度传感器读数波动较大，我想保留 2 位小数，如何处理？”
+
+**AI 生成的 SQL：**
+
+```sql
+SELECT 
+    temp as original_temp,
+    round(temp * 100) / 100 as temp_2_decimal,
+    device_id,
+    timestamp
+FROM neuronStream
+```
+
+**业务价值：**
+
+- 统一数据格式，避免下游系统因精度不一致导致的问题
+- 减少数据传输量（精度降低后，JSON 字符串更短）
+
+## 立即体验
+
+### 1. 下载安装
+
+**Docker 部署**：
+
+```shell
+docker pull emqx/neuronex:3.8.0-ai
+docker run -d --name neuronex -p 8085:8085 --log-opt max-size=100m --privileged=true emqx/neuronex:3.8.0-ai
+```
+
+### 2. 配置 AI 助手
+
+1. 进入「**系统配置**」→「**AI 模型配置**」
+2. 选择 LLM 提供商（OpenAI、DeepSeek、Qwen）
+3. 填写 API Key、Endpoint 地址、模型名称
+
+### 3. 开始创建规则
+
+1. 进入「**数据处理**」→「**规则**」→「**新建规则**」
+2. 点击「**AI 助手**」按钮
+3. 用自然语言描述需求
+4. 查看 AI 生成的 SQL 代码
+5. 一键应用或微调
+
+## 结语
+
+NeuronEX 3.8.0 中基于 LLM 的 SQL 生成功能，实现了边缘计算方式的根本性转变：
+
+- 人工智能不再是技术复杂性的代名词，而是降低一线人员技术门槛的桥梁。
+- 随着大语言模型的引入，自然语言正在取代复杂的编码逻辑，成为工业数据规则的主要表达方式。
+- OT 工程师能够独立构建数据采集、清洗和转发规则，实现了真正的边缘智能。
+
+我们相信，随着 AI 技术的不断进步，工业数据处理将变得更加直观、高效和便捷。
+
+**立即下载 NeuronEX 3.8.0，体验 AI 驱动的智能规则生成：**[产品下载](https://www.emqx.com/zh/downloads-and-install/neuronex)
+
+**了解更多关于 NeuronEX 的智能边缘能力：**[产品文档](https://docs.emqx.com/zh/neuronex/latest/)
