本文提出了 Ruleengine，这是一个利用大型语言模型（LLM）将用户的自然语言描述自动转换为有效且安全的物联网（IoT）自动化规则的工具。随着物联网设备的普及，用户倾向于使用自然语言来表达自动化需求，但将这种非结构化描述转化为平台特定的触发-动作规则格式仍存在挑战。Ruleengine 包含三项核心创新：首先，设计了一种结构化提示工程框架，结合明确的输出结构和语义约束定义，引导 LLM 生成符合语法和语义要求的规则；其次，采用基于检索增强生成（RAG）的架构，通过语义搜索和上下文重排序技术提升规则生成的准确性和相关性；第三，提出了一种上下文感知的安全评分机制，能够评估规则在触发条件和动作后果方面的潜在安全风险，例如设备冲突或权限滥用。实验基于真实数据集，在多种 LLM 上评估了该工具的性能，结果表明，与基线方法相比，Ruleengine 在生成规则的语法正确性和语义正确性上均有显著提升，并且能够成功识别出生成规则中的安全违规。此外，论文还全面比较了不同 LLM、提示工程策略、嵌入技术和 RAG 配置之间的性能权衡，揭示了准确率、延迟和计算效率之间的关系。该工作对于提升智能家居自动化的易用性和安全性具有重要价值。