9 月 17 日，涛思数据把 TDengine 挂上了腾讯 Work Buddy。形态不是简单的 API 对接，而是“1 个连通器 + 4 位顾问”。用户在对话界面里就能调用工业资料管理、实时拆解、可视化、AI 问数和根因分析。
连通器已经进入 Work Buddy 连接器市场，安装并授权后即可用。
一句话触发取数，不用切系统
在对话里问“帮我看下 3 号线昨天的良品率为什么掉了”，Work Buddy 的 Agent 会触发连接器回到真实资料源取数、拆解、给结论。
整个过程不需要在多个专业系统之间来回切换。这是这次上架最直接的价值点：把取数入口收敛到对话框。
四位顾问各管一段
连接器解决“能不能拿到资料”，顾问解决“拿到之后怎么用”。四类高频作业对应四位顾问：
数据洞察顾问：解读面板与设备资料、运行趋势、异常与健康度量，把查询结果转成面向决策的洞察与周期性报告。
实时分析顾问：用自然语言描述就能建实时观测拆解，零代码启用，围绕设备、触发条件、输出与动作展开。
可视化面板顾问：把分析成效固化成可长期复用的可视化面板，输出能看懂、能汇报的看板。
根因分析顾问：对故障假设排序与校验，从发现异常一路追到“为什么变”，覆盖设备故障、表现异常、告警事件和指标突变。
对没有专职资料小组的工业公司，这套组合相当于把懂现场的“数据顾问”请进了日常工作界面，门槛很低。
调用链路与一个容易踩的坑
MCP 类连接器的典型链路是：对话触发 → Agent 决策 → 连接器取数 → 结果回填。
这里有个坑：授权范围要给对。只读权限就够的场景不要开写权限，工业数据源尤其如此。
另一个常见问题是数据源侧的网络策略。连接器跑在 Work Buddy 侧、数据在企业内网时，需要提前确认出网与回调路径，否则表现是“授权成功但取不到数”。
调试阶段建议先用一条已知答案的查询验证链路，比如固定时间窗、固定设备的单指标查询，确认返回值和库里一致，再放开自然语言问数。判定标准很简单：同一问题连续问三次，结果口径一致才算通。
适用与不适用
适合的场景：指标口径相对稳定、数据源已经接入 TDengine、团队没有专职数据工程人力。
不建议直接上生产的场景：涉及跨系统口径对齐、需要严格审计留痕、或者数据源本身质量不稳定的。这类情况先把口径和血缘理清，再谈对话式取数。
自然语言问数的风险在于歧义。同一个“良品率”，不同产线可能定义不同。顾问能排序假设、能校验，但前提是本体和指标定义在 TDengine IDMP 里已经落好。
底层是什么
TDengine 是涛思数据（TAOS Data）自主研发的 AI 原生工业数据平台，包含两个产品。
TDengine TSDB 是高性能、分布式的时序数据库，内置数据汇聚、数据存储与查询核算引擎。TDengine IDMP 是 AI 原生工业数据管理平台，包含工业本体、原子运用及工业智能体运行时。
两者衔接，一体化覆盖资料采集、存储、分析、可视化与 AI 智慧应用，从采集到决策一站式实现。
Work Buddy 是面向个人与公司的 AI 事务台，通过专家、专家团、技能与连接器（MCP）三层扩容能力，把各行业的专业能力带进日常工作界面。
涛思数据表示，此次入驻是把长期沉淀的工业数据能力标准化、模块化，开放给更多 Agent 按需调用。后续会继续推进工业数据能力与更多开放生态场景的融合。
