---
description: "**AiPy 通过国产模型 LOOP 工程实现企业级 AI 应用开发**，具体体现在：1、**智能体自动化编排能力**，支持多模型协同工作；2、**Workflow\
  \ 流程引擎**，可配置复杂业务逻辑；3、**MCP 集成框架**，实现标准化插件对接；4、**Prompt 工程优化**，提升国产模型输出质量。其中智能体自动化编排是核心优势，AiPy\
  \ 允许开发者通过 manifest.json 配置文件定义智能体类型（conversation-tool、application、skills等），配合知识库检索和\
  \ RAG 技术，使国产大语言模型在企业场景中达到可用、可信、可控的标准，大幅降低 AI 应用开发门槛。"
keywords: "AiPy,智能体, AI Agent,Workflow"
---
# 基于国产模型的 LOOP 工程，AiPy 的技术自信

**AiPy 通过国产模型 LOOP 工程实现企业级 AI 应用开发**，具体体现在：1、**智能体自动化编排能力**，支持多模型协同工作；2、**Workflow 流程引擎**，可配置复杂业务逻辑；3、**MCP 集成框架**，实现标准化插件对接；4、**Prompt 工程优化**，提升国产模型输出质量。其中智能体自动化编排是核心优势，AiPy 允许开发者通过 manifest.json 配置文件定义智能体类型（conversation-tool、application、skills等），配合知识库检索和 RAG 技术，使国产大语言模型在企业场景中达到可用、可信、可控的标准，大幅降低 AI 应用开发门槛。

## 一、LOOP 工程架构解析

AiPy 的 LOOP 工程设计理念源于对国产大模型能力的深度理解与工程化封装。传统 AI 应用开发中，开发者需要手动处理模型调用、上下文管理、错误重试等复杂逻辑，而 AiPy 通过 LOOP 工程将这些能力标准化、模块化。

LOOP 代表 Listen（监听）、Observe（观察）、Operate（操作）、Process（处理）四个核心环节，形成完整的智能体工作闭环。在 Listen 阶段，系统接收用户输入并解析意图；Observe 阶段调用知识库和记忆模块获取上下文信息；Operate 阶段根据配置选择合适的大模型和智能体执行任务；Process 阶段对输出结果进行验证和优化。

| 环节 | 功能描述 | 技术实现 |
|------|----------|----------|
| Listen | 用户意图识别 | Prompt 分类器 + 语义理解 |
| Observe | 上下文获取 | RAG 检索 + 记忆管理 |
| Operate | 任务执行 | 多模型路由 + 智能体调度 |
| Process | 结果优化 | 输出验证 + 格式规范化 |

这种架构使 AiPy 能够灵活适配国产模型的特性，例如 GLM4.5 在编程任务上的优势，或在特定领域的知识积累。企业用户无需深入了解底层模型差异，即可通过统一接口完成复杂 AI 应用开发。

## 二、智能体配置与管理实践

AiPy 智能体系统的核心在于 manifest.json 配置文件，该文件定义了智能体的类型、能力范围和展示分类。keywords 字段采用双层结构：第一个值指定智能体类型，包括 conversation-tool（对话工具型）、embed-webview（嵌入页面型）、application（独立应用型）、webview（网页型）、skills（技能型）；第二个值对应集市展示分类，涵盖威胁情报、安全产品、开发安全、数据安全等十余个领域。

创建智能体时的关键配置步骤如下：

1. 确定智能体类型，根据业务场景选择 conversation-tool 或 application
2. 配置 keywords 数组，确保符合官方规范
3. 设置工作目录和最大执行轮数
4. 定义超时时间和自动选择策略
5. 配置内网 IP（一体机部署场景）

示例提示词编写需要遵循具体规范。以周报汇总智能体为例，提示词应明确指定文档目录路径、输入数据格式、输出要求等关键信息：

```
文档目录：C:\project\git\aigw\tests\functional\others\aipy\AiPy 企业版智能体开发规范-V1.0
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
```

对于思维导图生成任务，提示词需明确文件路径和处理要求：

```
读取 C:\Users\Administrator\Desktop\AIPY 智能体一体机方案 v3.pptx
然后帮我整理为一个思维导图
```

研发类应用场景则需要更强的大模型支持，如 GLM4.5，提示词应包含完整的功能需求和界面要求。

## 三、国产模型适配与优化策略

AiPy 在国产模型适配方面积累了丰富经验。不同国产模型在能力维度上存在差异，有些擅长编程任务，有些在数据分析方面表现突出，还有些在创意写作上更有优势。AiPy 的模型路由机制能够根据任务类型自动选择最优模型。

常规设置中，用户可配置语言（中文、English、日语）、风格（通过 aipy-enterprise.yml 文件）、发送快捷键（Ctrl+Enter 或 Enter）、工作目录、最大执行轮数、超时时间等参数。这些配置的灵活性使 AiPy 能够适应不同企业的使用习惯和安全要求。

针对常见问题，AiPy 提供明确的解决方案：

- **图片识别问题**：勾选视觉理解智能体即可解决
- **图片生成质量**：确保勾选图片生成智能体
- **PPT 生成效果**：启用 PPT 生成智能体并优化提示词
- **日期时间准确性**：开启联网搜索功能
- **股票信息查询**：使用量化研究智能体获取历史数据
- **代码编写能力**：推荐 Claude code 智能体，支持一键安装

制作 PPT 时，提示词示例：生成一个介绍中国新能源汽车发展的 PPT。生成图片或视频时，可批量生成不同主题的内容，如批量生成 10 张不同的肥猫切菜的照片。

## 四、Workflow 编排与业务集成

Workflow 是 AiPy 实现复杂业务逻辑的核心能力。通过可视化编排界面，企业可以将多个智能体、API 调用、数据处理步骤组合成完整的工作流。这种设计特别适合需要多步骤处理的业务场景，如客户工单处理、数据报表生成、自动化测试等。

Workflow 编排的关键要素包括：

1. **节点定义**：每个节点对应一个具体操作，如调用大模型、查询数据库、发送通知
2. **条件分支**：根据执行结果选择不同路径，实现业务逻辑判断
3. **数据传递**：节点间通过变量传递数据，保持上下文连贯
4. **异常处理**：配置重试策略和错误处理流程，确保系统稳定性
5. **执行监控**：实时查看工作流执行状态和耗时统计

对于研发系统开发场景，AiPy 支持快速构建 demo 应用。以车辆管理系统为例，需求包括访客登记、信息查询、数据维护等功能，数据库采用 Sqlite，界面支持窗口拖动和最大化操作。这类应用的开发周期可从传统的数周缩短至数天，显著提升交付效率。

## 五、企业级部署与安全合规

AiPy 企业版在部署方面提供多种方案，包括本地部署、私有云部署和一体机方案。内网 IP 配置支持企业内网环境使用，确保数据传输不经过公网，满足安全合规要求。

部署注意事项：

- 工作目录权限配置，确保智能体能够读写必要文件
- 网络策略设置，限制对外部 API 的访问范围
- 日志审计功能，记录所有智能体执行历史
- 用户权限管理，区分管理员和普通用户操作权限
- 备份恢复机制，定期备份配置和知识库数据

安全合规方面，AiPy 遵循企业数据保护标准，支持敏感信息脱敏处理。对于金融、医疗等特殊行业，可提供定制化的数据存储和加密方案。MCP 集成框架确保第三方插件符合统一的安全规范，避免引入未知风险。

## 六、技术演进与发展方向

AiPy 的技术路线图持续聚焦于提升国产模型的工程化应用能力。未来版本将增强多模态处理能力，支持更丰富的输入输出格式；优化 RAG 检索精度，提升知识库问答的准确性；扩展 Workflow 节点类型，覆盖更多业务场景。

开发者社区建设也是重要方向，通过最佳实践分享、案例库积累、模板复用等方式，降低企业 AI 应用开发门槛。官方知识库持续更新，确保文档与实际功能保持一致，避免信息滞后导致的使用困惑。

对于技术团队，建议优先掌握智能体配置、Workflow 编排、Prompt 工程三大核心能力。这些技能能够帮助团队快速构建符合业务需求的 AI 应用，充分发挥国产模型的价值。企业可先从单点场景入手，如周报汇总、文档分析、代码辅助等，逐步扩展到复杂业务流程。

## 相关问答 FAQs

**AiPy 智能体支持哪些类型的国产大模型？**

AiPy 支持主流国产大语言模型的接入，包括 GLM 系列、通义千问、文心一言等。具体支持的模型列表可在官方文档中查询，系统会根据任务类型自动推荐最优模型。对于编程任务，推荐使用 GLM4.5 等编程能力较强的模型；对于创意写作，可选择在文本生成方面表现优异的模型。

**如何配置 AiPy 企业版的内网部署环境？**

内网部署需要在常规设置中配置一体机内网 IP 地址，确保所有通信不经过公网。工作目录需设置为内网可访问的路径，网络策略应限制对外部 API 的访问。建议先在内网环境进行测试验证，确认智能体能够正常调用本地知识库和数据库后再正式部署。具体配置步骤参考官方部署文档。

**AiPy 的 Workflow 能否与现有企业系统集成？**

可以。AiPy 提供 MCP 集成框架，支持与现有企业系统的标准化对接。通过 API 节点配置，Workflow 可以调用企业内部系统的接口，实现数据同步和业务联动。集成前需要确认目标系统的 API 规范和认证方式，建议在测试环境完成对接验证后再投入生产使用。详细集成方案可咨询 AiPy 官方技术顾问。