从一个运营问题开始
你可以从电站、告警、设备、报告或知识问题开始，不需要关心底层实现。
读取可信数据
系统只在既有账号与权限范围内读取监控平台数据，保证回答基于真实资产。
输出证据结果
把判断、图表、来源数值和下一步建议组织成业务可以直接复核的结果。
进入交付复核
上线前检查排版、证据来源、数据缺失说明与场景规则，避免不可验收的输出。
可交付输出
不需要理解系统怎么拆分，只需要看到四类稳定成果。
ZenovaOS AI 把取数、证据组织和交付复核封装在产品里，呈现为可以直接进入运营动作的结果。
01
结论先行回答
先给判断，再说明证据、影响范围和下一步建议，适合日常快速决策。
02
图表证据
把趋势、对比、排名和异常日期渲染为可复核图表，而不是让团队自己翻表。
03
运营报告
把多轮分析沉淀为周报、月报、故障复盘和管理层摘要。
04
行动清单
输出优先级、负责人建议、复盘节点和可跟进事项，帮助团队进入闭环。
运行证明
为受监控的资产而生，不是通用问答工具。
ZenovaOS AI 将现有监控平台视为唯一可信数据源。AI 能力可以在遵守账号边界的前提下，结合实时数据、历史证据、图表证据与报告工作流进行推理。
将用户意图路由到有数据支撑的电站与设备分析。
当历史证据比再次取数更有用时，检索精简的历史分析结果。
在需要面向管理层的报告时，将深度报告工作交给多角色报告团队。
用经过核实的数据不可用原因来解释缺口，而不是用占位符或臆造公式填补。
专家报告团队
一支虚拟运营分析团队，而不是一个聊天框。
五个角色像一支运营分析团队那样分工协作：先取数、再诊断、再解释、再给行动，最后由质量校验把关，产出可复核的深度报告。
01
数据采集
按报告目标拉取电站、设备、告警与发电数据。
02
诊断分析
先建立分析假设，再用数据验证，定位损失与异常根因。
03
业务解释
把技术结论翻译成管理层能直接读懂的业务语言。
04
行动建议
给出带优先级、可跟进的行动清单。
05
质量校验
复核数字、图表与结论的一致性，不达标就退回重做。
适用场景
月度运营会
会前自动产出结论先行的月度运营材料。
故障复盘
把故障时间线、影响范围与整改建议整理成复盘报告。
PR 分析
解释 PR 波动来自天气、设备还是运维动作。
投后管理
面向资产持有人的资产表现与损失归因报告。
运营复盘
试点第 2、4、8 周的效果验证与复盘材料。
差异对比
与传统监控平台、通用问答工具有什么不同？
监控平台是数据入口，通用问答工具是临时对话，ZenovaOS AI 是把数据变成运营行动的那一层。
| 对比维度 | 传统监控平台 | 通用问答工具 | ZenovaOS AI |
|---|---|---|---|
| 数据来源 | 自有采集与量测数据 | 通用知识，与电站数据脱节 | 经治理的电站、设备与告警数据 |
| 输出形式 | 看板与告警列表 | 一次性回答，格式不稳定 | 结论先行的报告、图表与行动清单 |
| 可审计性 | 数据可查，结论靠人 | 数字无法追溯来源 | 每个数字可追溯到授权数据与证据记录 |
| 场景绑定 | 固定页面，不随问题变化 | 不了解业务场景与口径 | 335+ 行业场景库稳定输出结构 |
| 运营闭环 | 止步于告警，行动靠线下 | 聊完即止，没有跟进 | 报告、行动、复盘形成一个闭环 |