將農場 IoT 感測器產生的環境時序資料，轉化為可即時行動的決策訊號。本頁為使用模擬資料與規則式判讀的互動原型，示範 AI Agent 如何依作物生育階段研判環境異常、生成處置建議，並將風險空間定位至特定地塊。
農場已佈設量測溫度、濕度、土壤含水量的 IoT 感測器，資料量龐大且分散於各儀表板，仰賴人工持續判讀。
人力難以全時段監看；即使讀到數值，也未必能即時對應到應採取的處置，異常往往延遲發現。
AI Agent 持續比對知識庫中各作物的環境適宜區間與風險閾值，研判異常後生成處置建議並透過 LINE 主動推播。
將異常風險定位至特定地塊，輔助判斷處置優先順序——此空間維度源自 GIS 圖資專業。
點按「▶ 模擬一天」推進時間軸（06:00 → 翌日 02:00），感測值隨之變動。當任一地塊偏離作物適宜區間，地圖即時更新狀態色彩並標示告警，右側模擬 LINE 官方帳號即時收到推播通知。
本頁規劃「感知→研判→建議→推播」的流程概念；實際瀏覽器互動採本機規則與預寫文字，並未串接即時 LLM、RAG 或 LINE 服務。
持續擷取各地塊溫度、濕度、土壤含水量之時序資料。
依作物別與生育階段，檢索 RAG 知識庫之適宜區間與風險閾值。
辨識即時異常並推估潛在風險，如夜間低溫之寒害預警。
產生具可操作性之處置建議，並附判讀依據。
透過 LINE 主動推送白話告警，並於地圖標示異常地塊以利定位。
本互動原型之感測數值、田區位置與 AI 文字均為示意，用於展示應用情境與服務流程設計，非真實農場資料或即時 AI 生成內容。底圖 © OpenStreetMap 貢獻者。