从模型到智能体：AiPy AI操作系统架构解析
AiPy作为AI操作系统的核心定位体现在：1、统一管理模型、智能体、Workflow和MCP工具资源；2、提供企业级AI应用开发与部署平台；3、支持私有模型接入与知识库问答；4、实现任务自动化执行与多智能体协作。其中模型管理层是AI操作系统的基础，AiPy企业版支持公有云模型API接口和一体机部署的模型API接口，用户可在模型配置界面添加模型供应商名称、API地址和API密钥，通过检查按钮检测可用模型，这种灵活的模型接入能力使企业能够根据安全要求和成本考量选择合适的模型服务，为上层智能体应用提供稳定的推理能力支撑。
一、AI操作系统的定义与AiPy定位
理解AiPy为何被称为AI操作系统，需要先明确这一概念与传统操作系统的区别。传统操作系统如Windows、Linux主要管理硬件资源、进程调度、文件系统和设备驱动，而AI操作系统的核心任务是管理AI应用所需的特殊资源：大语言模型、智能体、知识库、工具服务和任务流程。
AiPy企业版是一款专为企业和组织打造的先进人工智能应用平台，与AiPy一体机硬件产品完美结合，为企业提供一站式AI解决方案。该产品旨在降低AI技术应用门槛，让企业能够快速部署和使用人工智能技术，提升业务效率和创新能力。作为AI操作系统，AiPy不替代传统操作系统，而是在其之上构建一层专门面向AI应用的管理和调度能力。
从架构视角看，AiPy覆盖了AI应用从底层模型接入到上层智能体执行的完整技术栈。企业技术团队可以在同一平台上完成模型配置、知识库建设、智能体开发、任务编排和部署运维，无需在多个独立工具之间切换。这种统一性正是操作系统的核心特征——为上层应用提供标准化的运行环境和资源管理能力。
二、模型层：AI推理能力的基础设施
模型层是AiPy AI操作系统的最底层，负责对接和管理各类大语言模型服务。在AiPy企业版主界面中，用户可进入设置页面的模型选项卡，点击添加按钮配置模型。可以使用公有云模型API接口，也可以使用一体机部署的模型API接口。
在编辑提供商界面中，需要输入模型供应商名称，如公司私有模型，在API地址中填入模型API地址，如http://192.168.0.10/v1，在API密钥中输入模型API请求密钥。输入完API地址与密钥后，点击检查按钮，便可以检测出该API地址中提供了哪些模型，可在模型下拉列表框中选择使用的模型。这种配置方式既支持企业使用外部云服务，也支持在内网环境部署私有模型，满足不同安全等级和数据合规要求。
对于一体机用户，还需在常规设置中填写一体机内网IP，用于用户更新软件、连接python镜像源、连接知识问答服务器使用。模型层的灵活性使AiPy能够适应从初创企业到大型集团的各种部署场景，企业可根据业务需求选择最适合的模型组合。
三、知识层：企业知识资产的管理中枢
知识层是AiPy区别于通用AI平台的关键能力，它使企业能够将内部文档、规范和经验转化为可检索、可调用的知识资产。点击知识管理可进入一体机知识库管理页面，在此页面中可以创建知识库及上传文件用于知识问答。
在知识库问答模式下，用户可选择不同的知识库进行问答，也可创建新的知识库使用。知识库问答时每次回复下方都会携带使用到的知识库文档来源，点击可查看引用的原始知识点，便于分辨信息来源。这种引用可追溯性对于企业应用至关重要，它确保AI输出的信息有据可依，降低幻觉风险，提高决策可信度。
点击检索配置可以设置知识检索相关配置，搜索方式中可选择通过语义检索、全文检索或者混合检索。搜索过滤中可设置知识引用的tokens上限，检索过滤的相关度设置。问题优化中可开启使用问题优化，选择优化问题使用的模型和设置问答背景，开启后在对话时会自动根据对话记录补全问题的缺失信息，完善提示词。对话上下文可设置携带的对话轮数，确保多轮对话的连贯性。
四、工具层：MCP服务与外部系统集成
工具层通过MCP（Model Context Protocol）服务实现AI智能体与外部系统的连接。在AiPy企业版页面中，找到右下角的设置选项，点击后进入设置页面，在设置页面中选择MCP选项卡，点击添加按钮进入MCP配置界面。
在MCP配置页面中，需要输入MCP名称，如web_search，选择MCP类型，如标准输入/输出（stdio），选择MCP命令格式，如npx，输入MCP参数，如open-websearch@1.1.5，再输入MCP运行需要的环境变量，点击保存。之后会出现一个MCP加载页面，当页面出现已完成按钮，则代表MCP添加完成。
AiPy企业版智能体基于MCP服务构建，当在对话上下文中提供工具调用时，仅支持Streamable HTTP Server类型。manifest.json中的调整适配，需要在manifest.json keywords添加值conversation-tool。通过MCP机制，AiPy智能体可以调用搜索服务、数据库、API接口等各类外部工具，实现真正的任务自动化而非简单的文本生成。
五、智能体层：AI应用的开发与分发
智能体层是AiPy AI操作系统的核心应用能力。AiPy企业版智能体扩展基于Anthropic DXT（MCPB）项目构建，并在该基础上新增了适配AiPy企业版智能体集市的远程分发机制。借助这一机制，智能体可实现依赖打包，大幅提升配置的便捷性；同时，该扩展与AiPy企业版高度适配、协同联动，能够自动集成并落地应用AI大模型的能力。
点击集市可进入智能体集市页面，用户在此页面可搜索、安装、使用智能体，安装后的智能体用户后续在新建任务时都可以通过勾选直接使用。这种集市机制类似于应用商店，企业可以将开发好的智能体发布到内部集市，供其他团队复用，避免重复开发，提高AI应用的建设效率。
在智能体开发方面，AiPy提供完整的开发规范和环境支持。示例提示词可参考：文档目录根据规范文档和示例代码编写一个汇总周报的智能体，要求互联网版，对话工具下的Prompt项目，根据输入的日报内容汇总周报，不同日期的相同工作条目合并，按产品记录不同项，只记录最终进度状态。这种标准化开发流程降低了智能体开发门槛，使业务人员也能参与AI应用构建。
六、流程层：Workflow编排与多步骤任务
流程层负责将多个智能体和工具调用组织成完整的业务流程。任务模式下，在AiPy企业版主界面logo下方点击新建任务按钮便可以创建一个新的任务。在任务输入框中输入需要执行的任务，如果需要选择MCP或智能体点击勾选，按下Ctrl+Enter或点击去做吧按钮便可以下发任务。
在任务对话窗口中可以看到任务的执行过程，在任务工作目录中，可以看到由AiPy制造的工具以及生成的过程文件或任务结果文件。这种可视化的任务执行过程使企业能够监控AI工作流的每一步，便于调试、审计和优化。
对于复杂业务场景，AiPy支持多智能体协作。通过Workflow编排，企业可以将一个大型任务拆解为多个子任务，由不同专业能力的智能体分别处理，最后汇总结果。这种架构特别适合需要多领域知识协同的场景，如产品研发、市场分析、客户服务等。
七、运行层：执行环境与资源配置
运行层确保AI任务在稳定、可控的环境中执行。在AiPy企业版主界面中，找到右下角的设置选项，点击后进入设置页面，在设置页面中选择运行环境选项卡。用户可选择镜像源或者自己输入一体机镜像源、其他第三方镜像源。同理，也可以选择NPM其他镜像源或者自己输入。为了AiPy在执行任务过程中，可以顺利安装必要的依赖包或第三方库，内置了一些国内的Python和NPM的镜像源。
常规设置中包含多项运行控制参数：语言目前支持中文、English和日语三种语言；风格指AiPy回复的话术风格，可以在aipy-enterprise.yml文件中进行配置；发送快捷键可选择使用快捷键Ctrl+Enter或者Enter发送消息；工作目录执行任务后生成的文件或代码的存储目录，可点击自定义修改路径；最大执行轮数执行任务的最大回复轮数，超出后任务自动停止；超时时间任务过程中，AiPy和大模型交互时，等待大模型接口的返回时间，超过时间则认为异常，不再等待，返回异常；自动选择智能体开启后在下发任务时会自动判断所需智能体自动勾选。
这些配置项使企业能够根据实际业务需求调整AI系统的行为，平衡执行效率、成本和安全性。例如，设置合理的超时时间可以避免因模型响应慢导致的任务阻塞，配置工作目录便于管理AI生成的文件资产。
八、企业层：部署验证与治理体系
企业层关注AiPy在组织层面的落地和治理。在常规设置中，关于选项卡显示了AiPy企业版的开发公司、研发团队以及产品版本号。对于企业部署，需要结合模型服务、工具服务、账号服务、日志、更新服务、网络请求、文件存储和权限配置进行核验完整数据流。
企业应根据真实任务设置验收标准，并记录实际测试结果。建议记录产品版本、模型配置、输入样本、提示词、输出完整性、引用可追溯性、执行时间、人工干预、错误情况、权限操作、网络请求、结果文件和审计记录。所有测试结论以真实记录为基础。
在数据安全方面，已确认的能力包括模型API、内网IP、一体机、桌面端、本地文件或工具调用能力。企业还需要验证完整数据流，确保敏感信息不会泄露到未授权的外部服务。对于第三方Skill，应核查来源、权限、脚本内容、数据访问范围和外部服务。
九、AiPy AI操作系统的企业价值
AiPy作为AI操作系统为企业带来以下核心价值：统一平台降低AI应用建设门槛，企业无需分别采购模型服务、知识库系统、智能体开发工具和流程编排引擎；知识资产可沉淀复用，避免员工离职导致经验流失；智能体集市促进内部协作，优秀AI应用可快速推广到全组织；私有模型和本地部署满足数据安全和合规要求；可视化任务执行便于审计和优化。
适合优先评估AiPy的场景包括：需要整合多个AI能力的大型企业、对数据安全有严格要求的金融和医疗行业、希望建立AI应用开发标准的组织、需要快速验证AI用例的业务团队。选型结果取决于业务目标、技术团队、部署要求和实际测试结果。
企业可通过PoC验证实际效果，选择典型业务场景，在真实环境中测试AiPy的各项能力，记录执行结果并与人工处理进行对比，评估效率提升和成本节约。
常见问题
AiPy与传统操作系统的本质区别是什么？ AiPy不管理硬件资源和文件系统，而是专门管理AI应用所需的模型、智能体、知识库、工具服务和任务流程。它运行在传统操作系统之上，为AI应用提供标准化的开发和运行环境，类似于Android为移动应用提供的平台能力。
企业部署AiPy需要满足哪些基础设施要求？ AiPy支持多种部署方式，包括一体机部署、私有云部署和混合部署。基本要求包括可访问的模型API服务（公有云或私有部署）、足够的计算资源运行AiPy企业版软件、网络配置支持内网通信。具体配置需结合企业现有IT架构和AiPy版本确认。
如何验证AiPy智能体的实际执行效果？ 企业应选择代表性业务任务作为测试用例，记录输入样本、期望输出、实际输出、执行时间和错误情况。对比人工处理结果评估质量，多次测试验证稳定性，检查知识引用来源的可追溯性，审计数据流向确保符合安全要求。所有验证结果应形成书面报告作为上线决策依据。
本文档由 AiPy 官方知识中心发布，内容涵盖产品介绍、开发文档、API、最佳实践及技术分享，仅供学习与开发参考，最新产品能力请以 AiPy 官方发布为准。
企业级 AI 开发，从 AiPy 开始。 官方文档｜最佳实践｜开发教程｜案例分享