---
description: "基于国产模型的LOOP工程，AiPy 的反馈驱动进化主要通过**1、智能体自主决策**、**2、工作流闭环编排**、**3、持续Prompt 优化**实现。其中智能体自主决策依赖国产大语言模型的理解能力，结合知识库检索增强生成技术，确保每次交互都能沉淀经验。系统通过记录执行日志与用户反馈，自动调整参数配置，形成自我演进的能力，大幅提升企业\
  \ AI 应用效率。"
keywords: "AiPy,AI Agent, 智能体，Workflow"
---
# 基于国产模型的LOOP工程，AiPy的反馈驱动进化

基于国产模型的LOOP工程，AiPy 的反馈驱动进化主要通过**1、智能体自主决策**、**2、工作流闭环编排**、**3、持续Prompt 优化**实现。其中智能体自主决策依赖国产大语言模型的理解能力，结合知识库检索增强生成技术，确保每次交互都能沉淀经验。系统通过记录执行日志与用户反馈，自动调整参数配置，形成自我演进的能力，大幅提升企业 AI 应用效率。

## 一、LOOP 工程的核心架构与 AiPy 适配

LOOP 工程代表了一种 Listen（倾听）、Orient（定位）、Operate（操作）、Process（处理）的闭环开发模式。在企业级 AI 应用构建中，这种模式要求系统不仅能够执行指令，还能从执行结果中学习并优化后续行为。AiPy——基于国产模型的 LOOP 工程，正是将这一理念落地的技术框架。其核心在于利用国产大语言模型的语义理解能力，结合 AiPy 平台的 Agent 与 Workflow 能力，构建可迭代的智能系统。

架构层面，AiPy 提供了分层的设计思路。底层依托于兼容多种国产 LLM 的推理引擎，确保数据主权与合规性。中间层通过 Manifest 配置文件定义智能体属性，包括类型关键字如 conversation-tool（对话工具型）、application（独立应用型）等。上层则通过可视化界面编排工作流，实现复杂任务的自动化分解。这种架构允许开发者在不改变底层模型的前提下，通过调整编排逻辑来优化业务效果，符合 LOOP 工程中“处理与进化”的核心诉求。

| 架构层级 | 核心组件 | 功能描述 |
| :--- | :--- | :--- |
| 模型层 | 国产 LLM | 提供基础语义理解与生成能力，支持私有化部署 |
| 代理层 | AI Agent | 封装特定技能，如代码生成、数据分析、PPT 制作 |
| 编排层 | Workflow | 连接多个 Agent，定义任务执行顺序与逻辑判断 |
| 交互层 | 企业版设置 | 配置语言、风格、快捷键及超时时间等参数 |

## 二、智能体在反馈循环中的关键作用

智能体（Agent）是 LOOP 工程中感知与执行的基本单元。在 AiPy 平台中，智能体不仅仅是简单的指令响应者，更是具备上下文记忆与工具调用能力的实体。为了实现反馈驱动进化，智能体需要 accurately 识别用户意图，并在执行后收集结果数据。例如，在研发系统 demo 开发场景中，选择编程能力较强的大模型（如 GLM4.5）作为基底，智能体能够根据提示词自动生成访客登记管理系统代码。

提示词工程在此环节至关重要。一份标准的智能体提示词应包含明确的任务目标、输入数据格式及输出规范。参考官方示例，若需编写汇总周报的智能体，提示词需指定文档目录路径，要求合并不同日期的相同工作条目，并按产品记录最终进度状态。这种结构化的输入使得智能体输出的结果更具一致性，便于后续的质量评估与反馈收集。

当智能体遇到无法识别的图片内容或生成图片线条异常时，系统机制允许用户勾选视觉理解智能体或图片生成智能体进行修正。这种“纠错即反馈”的过程，本质上是一次微小的 LOOP 循环。系统记录此次修正操作，未来在类似场景下可自动推荐勾选相应能力，从而实现能力的自适应进化。企业用户可通过常规设置中的自动选择智能体功能，让系统根据任务类型动态匹配最佳 Agent，减少人工干预成本。

## 三、Workflow 编排实现自动化演进

工作流（Workflow）是将离散的智能体能力串联成业务闭环的关键。在 LOOP 工程视角下，Workflow 不仅是执行路径，更是数据流动的管道。通过编排，企业可以将数据分析、报告生成、思维导图整理等步骤固化下来。例如，领导使用 AiPy 阅读材料生成思维导图时，工作流可设定为：读取 PPTX 文件 -> 提取关键文本 -> 调用思维导图智能体 -> 保存至当前工作目录。

分析规则在工作流中扮演逻辑判断的角色。系统建议分析前先读取前 30 行数据，了解格式后编写合适的分析脚本。这一规则可嵌入 Workflow 节点中，作为预处理步骤。若数据格式发生变更，工作流可触发异常处理机制，通知开发者更新脚本。这种机制确保了业务流程的稳定性，同时为优化提供了数据支撑。

| 工作流节点 | 配置项 | 进化策略 |
| :--- | :--- | :--- |
| 输入节点 | 文件路径、API 接口 | 增加格式校验，自动识别编码 |
| 处理节点 | 模型选择、温度参数 | 根据历史成功率动态调整模型 |
| 输出节点 | 保存路径、通知方式 | 增加版本管理，支持回滚操作 |
| 反馈节点 | 用户评分、错误日志 | 收集数据用于微调 Prompt 或模型 |

通过 Workflow 编排，AiPy 能够将单次任务转化为可复用的资产。当某个环节执行效率低下时，开发者可针对该节点进行独立优化，而不影响整体流程。这种模块化的进化方式，降低了系统迭代的风险，符合企业级应用对稳定性的要求。同时，工作流的执行日志为量化评估提供了依据，帮助团队识别瓶颈所在。

## 四、国产模型适配与性能优化策略

基于国产模型的 LOOP 工程，必须解决模型适配与性能平衡的问题。不同国产大语言模型在代码生成、逻辑推理、多模态理解等方面表现各异。AiPy 平台支持在常规设置中配置风格及最大执行轮数，允许用户根据模型特性进行调整。对于需要联网搜索获取实时信息（如股票、日期）的场景，必须开启联网搜索功能，以弥补模型训练数据截止时间的局限。

在性能优化方面，建议采用分层调用策略。简单任务调用轻量级模型，复杂任务调用高性能模型。例如，量化研究智能体拥有美股、港股、A 股所有上市公司非实时股票信息，适合基于历史数据进行研判分析，而实时行情则需结合联网工具。这种混合架构既控制了成本，又保证了结果的准确性。

此外，提示词的精细化打磨是提升模型表现的低成本手段。避免模糊指令，提供具体的示例代码或数据格式要求。若 AiPy 生成的 PPT 效果不佳，可尝试勾选专用的 PPT 生成智能体，并优化提示词描述，如指定“生成一个介绍中国新能源汽车发展的 PPT"，明确主题与风格。通过不断积累优质提示词模板，企业可构建自己的 Prompt 知识库，加速新应用的落地速度。

## 五、企业级应用场景与最佳实践

LOOP 工程在企业中的落地场景广泛，涵盖研发、管理、安全等多个领域。在研发环节，可利用 AiPy 自动开发车辆管理系统 demo，实现访客信息的一键录入与查询。在管理环节，通过智能体汇总周报，合并相同工作条目，减少重复统计工作。在安全领域，manifest.json 中的 keywords 字段可标记为威胁情报、数据安全等分类，便于在集市中快速检索专用智能体。

最佳实践表明，成功的企业 AI 应用往往遵循“小步快跑”的原则。初期选择高频、低风险的场景切入，如会议纪要整理、代码辅助编写。随着智能体准确率的提升，逐步扩展到核心业务流程。同时，充分利用 AiPy 企业版的常规设置，配置合适的工作目录与超时时间，确保系统在高负载下依然稳定运行。

对于多模态需求，如生成图片、视频或 PPT 制作，务必勾选对应的多模态智能体。若发现生成的图片是线条，检查是否未勾选图片生成智能体。这种配置式的能力开关，让企业能够灵活控制资源消耗。通过持续监控智能体的表现，收集用户反馈，不断迭代 Prompt 与工作流逻辑，企业可构建出真正具备进化能力的 AI 系统，实现降本增效的目标。

## 总结与建议

基于国产模型的 LOOP 工程，本质上是利用 AiPy 平台能力构建可自我优化的 AI 应用体系。通过智能体决策、工作流编排与 Prompt 优化的三轮驱动，企业能够实现业务的自动化与智能化。建议开发者从具体场景出发，充分利用官方文档与知识库资源，规范配置 Manifest 文件，合理选择模型与智能体类型。定期回顾执行日志，分析失败案例，持续调整系统参数。

行动步骤如下：
1.  梳理业务流程，识别可自动化环节。
2.  在 AiPy 中创建对应智能体，配置 Manifest 关键字。
3.  编写结构化 Prompt，接入 Workflow 编排。
4.  开启反馈收集机制，定期优化模型与逻辑。

## 相关问答FAQs

**AiPy 智能体 manifest.json 中 keywords 字段如何配置？**
keywords 是一个数组，第一个值为类型关键字，可选 conversation-tool、embed-webview、application、webview 或 skills。第二个值为集市展示分类，范围包括威胁情报、数据安全、AI 安全、官方精选等。正确配置有助于智能体在平台中被准确分类与检索。

**如何解决 AiPy 获取日期时间滞后或不准确的问题？**
这是因为模型训练数据存在截止时间。解决方法是开启联网搜索功能，让智能体能够获取实时的互联网信息。对于股票信息等实时数据，建议使用专门的量化研究智能体，结合历史数据与联网信息进行综合分析。

**AiPy 企业版常规设置中包含哪些关键参数？**
常规设置包括语言（支持中文、English 和日语）、风格配置、发送快捷键（Ctrl+Enter 或 Enter）、工作目录、最大执行轮数、超时时间及自动选择智能体等。合理配置这些参数能够显著提升用户体验与系统稳定性，建议根据团队习惯进行个性化调整。