Un marco de prompt estructurado mejora la precisión de los LLM locales en el monitoreo ambiental al transformar datos crudos de sensores en representaciones textuales enriquecidas. Las evaluaciones en conjuntos de datos interiores y exteriores muestran que la precisión del modelo local aumenta de 50.9% a 81.7% en interiores y de 63.7% a 79.3% en exteriores con prompts enriquecidos, manteniendo una baja latencia de casi 0.22 segundos en modo sin cadena de pensamiento.