新闻资讯

一、IotClaw是什么？

IotClaw是南京古河软件有限公司自主研发的物联网AI引擎。"IoT"代表物联网（Internet of Things），"Claw"代表"爪子"——像爪子一样精准地抓取和控制物联网设备。

IotClaw的核心使命是连接大语言模型（LLM）与物联网设备，使用户能通过自然语言对话来查询设备状态和控制设备。但IotClaw不是简单的API转发——它通过Ontology本体知识引擎，让AI真正"理解"建筑和设备，实现精准、可靠的智能控制。

二、为什么需要IotClaw？

大语言模型（如GPT、Claude、Kimi等）具有强大的自然语言理解能力，但它们本身不能直接控制物联网设备。原因在于：

1. LLM不知道建筑里有哪些设备——它没有关于特定建筑的实时知识
2. LLM不知道设备之间的关系——它不知道冷水机组和空调箱的供给关系
3. LLM不知道如何下发控制命令——它不了解具体设备的控制接口和参数约束
4. LLM的回答可能不准确——它可能"幻觉"出不存在的设备或错误的控制方式

IotClaw正是为了解决这些问题而设计的——它作为LLM和物联网设备之间的"知识桥梁"，用Ontology提供准确的领域知识，用Claw四步法确保控制流程的可靠性。

三、核心理念：Ontology-Driven AI

IotClaw采用Ontology-Driven（本体知识驱动）的设计理念，与传统方案有本质区别：

传统规则引擎方案：人工编写大量if-then规则。设备增多后出现"规则爆炸"，维护成本极高。

传统训练式AI方案：需要大量训练数据，新增设备类型需要重新训练模型，且是"黑箱"。

IotClaw的Ontology-Driven方案：所有建筑知识以OWL/RDF本体模型存储。AI通过语义推理获取所需知识，新增设备只需扩展Ontology模型，无需修改代码或重新训练。知识是透明、可审核的。

四、Claw四步法详解

Claw四步法是IotClaw引擎的核心工作流程，定义了从接收用户自然语言指令到执行设备控制的完整链路：

Step 1: Scan（扫描空间）

接收到用户的自然语言指令后，IotClaw首先通过Ontology的空间拓扑模型，识别指令涉及的空间范围。

例如用户说"把三楼会议室调凉快点"，Scan步骤将"三楼会议室"映射为Building.Floor[3].Room[MeetingRoom]。

Step 2: Reach（定位设备）

确定目标空间后，IotClaw通过Ontology的设备分类和供给关系，在目标空间中定位相关设备。

例如在三楼会议室中定位到VAV-301（变风量箱）和FCU-301（风机盘管）。同时通过feeds关系追溯到上游的AHU-3（3楼空调箱）和Chiller-1（冷水机组）。

Step 3: Sense（感知状态）

定位设备后，IotClaw读取目标设备的实时测点数据，了解当前状态。

例如读取VAV-301的当前温度=26.5°C，设定温度=25°C，风量=中档，运行模式=制冷。

Step 4: Grip（执行控制）

基于Ontology定义的指令语义和参数约束，IotClaw生成控制指令并通过BIOT数据中台下发到设备。

例如生成指令：VAV-301.SetTemperature(23)——将设定温度从25°C降至23°C。Ontology确保参数在合法范围内（16-30°C）。

五、技术架构

IotClaw的技术架构分为五层：

交互层（Interaction Layer）——用户通过自然语言（语音/文字）与IotClaw交互。支持多轮对话和上下文保持。

智能层（Intelligence Layer）——大语言模型负责自然语言理解和意图识别。支持Claude、GPT、Kimi、DeepSeek、Qwen等多种LLM，可灵活切换。

知识层（Ontology Layer）——Ontology本体知识库，存储建筑的设备分类、空间拓扑、供给关系、测点属性、指令语义。这是IotClaw的"知识大脑"。

模型层（Model Layer）——设备模型和数据模型管理。与BIOT数据中台对接，获取设备列表和实时数据。

执行层（Claw Layer）——Claw四步法的执行引擎。负责Scan/Reach/Sense/Grip的具体执行逻辑，以及与物联网设备的最终通讯。

六、MCP接口

IotClaw通过MCP（Model Context Protocol，模型上下文协议）接口与大语言模型连接。MCP是AI智能体调用外部工具的标准化协议。

IotClaw作为MCP Tool Provider，向LLM暴露一组标准化的工具接口，包括：

1. scan_space——扫描并定位空间
2. reach_device——在空间中定位设备
3. sense_status——读取设备实时状态
4. grip_control——下发控制命令
5. query_ontology——查询本体知识

LLM根据用户意图，自主决定调用哪些工具、以什么顺序调用，IotClaw负责执行并返回结果。

七、多LLM支持

IotClaw不绑定任何特定的大语言模型，支持灵活切换：

Claude（Anthropic）——推理能力强，适合复杂控制场景

GPT（OpenAI）——通用能力强，生态丰富

Kimi（月之暗面）——中文理解优秀，长文本处理能力强

DeepSeek——开源可部署，适合私有化场景

Qwen（通义千问）——阿里系，适合国内企业

IotClaw独立于OpenClaw等第三方AI框架，完全自主研发。

八、典型应用场景

场景1：自然语言设备控制

用户："把会议室B的灯光调暗一点，空调调到22度。"

IotClaw：Scan定位会议室B→Reach找到灯光控制器和空调→Sense读取当前亮度和温度→Grip下发调光和调温指令。

场景2：故障诊断

用户："为什么5楼东区比较热？"

IotClaw：Scan定位5楼东区→Reach找到该区域空调设备→Sense读取温度/风量/阀门状态→通过feeds关系检查上游设备→AI分析并回答原因。

场景3：智能巡检

用户："检查一下所有楼层的空调运行是否正常。"

IotClaw：遍历所有楼层空间→定位各区域空调设备→批量读取运行状态→比对Ontology中的正常参数范围→生成异常报告。

九、总结

IotClaw通过Ontology-Driven的设计理念和Claw四步法的执行框架，解决了LLM直接控制物联网设备面临的知识缺失、关系不明、参数不确定等核心问题。它不是LLM的替代品，而是LLM与物联网世界之间的"知识桥梁"和"执行引擎"。

南京古河软件有限公司自2006年起深耕智慧建筑领域，IotClaw是20年行业知识与最新AI技术融合的产物。

了解更多：产品展示 | 常见问题FAQ | 行业术语词典