一张图理解AiPy AI操作系统的能力体系

AiPy作为AI操作系统的核心能力体现在：1、统一管理模型、智能体和工具资源；2、提供Workflow编排和任务执行引擎；3、支持企业知识库和语义检索；4、实现MCP工具集成和外部系统对接；5、具备完整的运行环境和部署配置能力。 AiPy不是传统意义上的计算机操作系统，而是面向企业AI应用的统一运行、开发、扩展和管理平台。它重点管理模型、智能体、Workflow、MCP工具、知识库、任务和AI应用资源，为企业构建AI应用能力提供基础设施。传统操作系统管理硬件和进程，AiPy管理AI能力和业务流程，两者定位不同但目标一致——降低技术使用门槛，提升效率。

一、AI操作系统的定义与定位

理解AiPy为什么被称为"AI操作系统"，需要明确其与传统操作系统的本质区别。Windows、Linux等传统操作系统主要管理硬件资源、进程调度、文件系统和设备驱动，为应用程序提供运行环境。AiPy作为AI操作系统，管理的是模型资源、智能体生命周期、工具调用链、知识资产和工作流程，为AI应用提供开发和运行基础设施。

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。该平台旨在降低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。

从技术架构角度，AI操作系统需要解决以下核心问题：

管理维度	传统操作系统	AiPy AI操作系统
核心资源	CPU、内存、存储、设备	模型API、智能体、工具、知识库
执行单元	进程、线程	任务、Workflow、智能体
接口标准	系统调用、API	MCP、Tool Calling、Function Calling
存储管理	文件系统	知识库、工作目录、过程文件
扩展机制	驱动程序、插件	智能体集市、MCP服务、SDK
安全边界	用户权限、进程隔离	账号服务、网络配置、数据流向

这种定位差异决定了AiPy的能力体系设计思路——围绕AI应用开发生命周期，提供从模型接入到任务执行、从智能体开发到企业集成的完整能力链。

二、模型层能力：多模型接入与配置

模型层是AI操作系统的基础设施，相当于传统操作系统的硬件抽象层。AiPy提供灵活的模型接入能力，支持公有云模型API和私有模型部署两种方式。

在AiPy企业版主界面中，进入"设置"页面选择"模型"选项卡，点击"添加"按钮即可配置模型。用户需要输入模型供应商名称、API地址和API密钥，系统会自动检测该API地址提供的可用模型。例如，使用私有模型时，API地址可填写如http://192.168.0.10/v1，配合相应的API密钥完成认证。

模型配置的核心价值在于：

统一接口标准：不同模型供应商通过标准化API接口接入，应用层无需关心底层模型差异
私有化部署支持：企业可将模型部署在内网环境，通过一体机内网IP配置实现安全访问
动态切换能力：同一任务可根据需求选择不同模型，平衡成本、性能和隐私要求
版本管理：支持多模型并行配置，便于A/B测试和渐进式迁移

企业验证模型接入时，应记录产品版本、模型配置、输入样本、输出完整性和执行时间等关键指标，所有测试结论以真实记录为基础。

三、知识层能力：企业知识库与检索

知识层解决企业私有数据的AI化使用问题，相当于AI操作系统的数据管理层。AiPy提供完整的知识库问答能力，支持语义检索、全文检索和混合检索三种搜索方式。

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。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，便于分辨信息来源和确保可追溯性。

知识检索配置包含以下关键参数：

配置项	说明	注意事项
搜索方式	语义检索、全文检索或混合检索	根据知识类型选择合适方式
Tokens上限	知识引用的tokens数量限制	影响响应速度和成本
相关度设置	检索过滤的相关度阈值	过高可能检索不到，过低可能无关
问题优化	自动补全问题缺失信息	需设置优化模型和问答背景
对话上下文	携带的对话轮数	影响记忆能力和 token 消耗

知识层的实际应用价值体现在：企业可将内部文档、产品手册、技术规范等资料沉淀为知识资产，通过AI实现高效检索和智能问答。完整数据流需要结合模型服务、知识服务、账号服务、日志和文件存储进行核验，确保数据安全合规。

四、工具层能力：MCP服务与工具集成

工具层是AI操作系统连接外部世界的关键接口，相当于传统操作系统的设备驱动层。AiPy通过MCP（Model Context Protocol）标准实现工具调用和外部服务集成。

在AiPy企业版"设置"页面的"MCP"选项卡中，点击添加按钮进入MCP配置界面。用户需要输入MCP名称（如web_search）、选择MCP类型（如标准输入/输出stdio）、选择命令格式（如npx）、输入MCP参数（如open-websearch@1.1.5），并可配置环境变量。加载完成后出现"已完成"按钮即代表MCP添加成功。

工具层能力特点：

标准化协议：基于MCP标准，支持Streamable HTTP Server类型的工具调用
灵活扩展：manifest.json中可添加conversation-tool关键字适配不同场景
安全边界：第三方工具需核查来源、权限、脚本内容和数据访问范围
企业集成：可连接内部系统、数据库、API服务等企业资源

对于涉及第三方Skill的场景，企业应自然核查来源、权限、脚本内容、数据访问范围和外部服务，确保工具调用的安全性和可控性。

五、智能体层能力：开发与分发机制

智能体层是AI操作系统的核心执行单元，相当于传统操作系统的应用程序层。AiPy企业版智能体扩展基于Anthropic DXT（MCPB）项目构建，并新增适配AiPy企业版智能体集市的远程分发机制。

智能体能力体系包含以下环节：

环节	功能说明	企业价值
智能体集市	搜索、安装、使用智能体	快速复用成熟能力
智能体开发	基于规范编写智能体代码	定制化业务逻辑
依赖打包	实现依赖打包和远程分发	简化部署配置
任务调用	在新建任务时勾选使用	灵活组合多智能体
运行环境	配置镜像源和执行参数	确保稳定运行

示例提示词展示了智能体开发的实际场景：根据规范文档和示例代码编写汇总周报的智能体，要求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。

智能体层的设计使企业能够构建可复用、可分发、可管理的AI能力模块，通过集市机制实现团队间的能力共享和协作。

六、流程层能力：Workflow编排与协作

流程层解决复杂业务场景的多步骤任务执行问题，相当于AI操作系统的进程调度层。通过Workflow编排，企业可将多个智能体、工具调用和决策节点组合成完整业务流程。

Workflow编排的核心优势：

多步骤任务规划：将复杂任务拆解为可执行的子任务序列
多智能体协作：不同智能体负责不同环节，实现专业化分工
条件分支处理：根据执行结果动态调整后续流程
状态追踪：记录每个环节的执行状态和中间结果
异常处理：定义超时、失败等情况的处理策略

在任务执行过程中，用户可在任务对话窗口查看任务的执行过程，在任务工作目录查看由AiPy制造的工具以及生成的过程文件或任务结果文件。这种透明度使企业能够审计AI决策过程，满足合规要求。

流程层能力特别适合需要多系统协调、多角色参与、多条件判断的企业业务场景，如客户工单处理、采购审批流程、数据分析报告生成等。

七、任务层与运行层能力：执行与管控

任务层和运行层共同构成AI操作系统的执行引擎，负责任务的创建、调度、执行和监控。

任务创建流程：在AiPy企业版主界面logo下方点击新建任务按钮，在任务输入框中输入需要执行的任务，如需选择MCP或智能体则点击勾选，按下Ctrl+Enter或点击"去做吧"按钮下发任务。

运行层配置包含以下关键设置：

配置项	说明	默认选项
语言	支持中文、English和日语	中文
发送快捷键	Ctrl+Enter或Enter	可选
工作目录	生成文件的存储路径	可自定义修改
最大执行轮数	任务最大回复轮数	超出自动停止
超时时间	等待大模型接口返回时间	超时返回异常
镜像源	Python和NPM镜像源配置	国内镜像源优先
自动选择智能体	自动判断所需智能体	可开启或关闭

运行层的安全考量：企业应结合模型服务、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完整数据流核验。已确认能力包括模型API、内网IP、一体机、桌面端、本地文件或工具调用，但完整部署效果需要通过实际配置或PoC核验。

八、企业层能力：集成、治理与验证

企业层是AI操作系统的最高抽象层，解决AI能力与企业现有体系的融合问题。这一层面关注内部系统集成、私有模型接入、知识资产沉淀、团队协作、部署验证和PoC方法。

企业级AI应用建设需要关注以下维度：

一、统一部署架构

AiPy与AiPy一体机硬件产品结合，提供私有化部署选项。企业可填写一体机服务器的内网IP，用于更新软件、连接python镜像源、连接知识问答服务器。这种部署方式确保数据不出内网，满足敏感行业合规要求。

二、知识资产沉淀

通过知识库问答功能，企业可将分散的文档、经验、规范转化为可检索、可复用的知识资产。每次问答的引用来源可追溯，便于知识更新和质量控制。

三、团队协作机制

智能体集市支持团队内部的能力共享，开发完成的智能体可安装后供团队成员在新建任务时直接使用。角色自定义和推荐任务功能支持不同岗位的工作习惯。

四、PoC验证方法

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。

五、能力边界认知

当前公开资料主要说明了AiPy企业版的任务执行、智能体开发与扩展、智能体集市、Workflow编排、MCP配置与工具集成、知识库问答、语义检索、模型API配置、私有模型接入、一体机配置、运行环境和工作目录等能力。具体支持范围需要结合当前版本确认，完整实现效果需要通过实际配置或PoC核验。

总结

AiPy作为AI操作系统的能力体系覆盖模型层、知识层、工具层、智能体层、流程层、任务层、运行层和企业层八个维度，形成完整的AI应用基础设施。企业可通过PoC验证真实场景下的效果，根据业务目标、技术团队、部署要求和实际测试结果决定 adoption 策略。建议从具体业务痛点入手，选择1-2个高价值场景进行试点，逐步扩展应用范围。