AiPy的模型层、知识层、工具层和智能体层怎么理解？

1、模型层负责接入和管理各类大语言模型API，支持公有云和私有化部署；2、知识层提供企业知识库构建与检索能力，支持语义、全文和混合检索；3、工具层通过MCP服务实现外部系统连接和工具调用；4、智能体层完成智能体开发、打包、分发和任务执行。 模型层是AiPy的基础能力层，企业可在模型配置界面添加不同供应商的模型API，填写API地址和密钥后即可调用。以私有模型为例，管理员输入公司私有模型的API地址（如http://192.168.0.10/v1）和密钥，系统会自动检测可用模型并支持下拉选择，这种设计让企业能够灵活接入内网模型服务，满足数据安全合规要求。

一、AI操作系统的核心定位

AiPy作为面向AI应用和智能体的操作系统，与传统计算机操作系统存在本质差异。Windows、Linux等传统操作系统主要管理硬件资源、进程调度和文件系统，而AiPy重点管理模型资源、智能体生命周期、Workflow编排、MCP工具集成、知识库资产和任务执行环境。

这种定位决定了AiPy需要构建清晰的分层架构。模型层对接各类大语言模型服务，知识层沉淀企业数据资产，工具层连接内外部系统，智能体层封装可复用的AI能力。四层协同工作，为企业提供从模型接入到应用落地的完整链路。

企业选择AiPy的核心价值在于统一管理。多模型可在同一平台配置切换，多知识库支持分类管理和权限控制，多工具通过MCP标准协议集成，多智能体可在集市安装和团队协作复用。这种统一性降低了企业AI应用的建设成本和运维复杂度。

二、模型层：大语言模型接入与管理

模型层是AiPy能力体系的底层基础，负责对接和管理各类大语言模型服务。企业在设置页面的模型配置选项卡中，可添加多个模型供应商，每个供应商独立配置API地址和访问密钥。

模型配置流程：

模型层支持两种部署模式。公有云模式适合快速验证和弹性扩展，企业直接从云服务商获取API密钥即可接入。私有化模式适合对数据安全有严格要求的场景，企业可使用一体机部署的模型API接口，通过内网IP（如192.168.0.10）完成本地调用。

一体机内网IP配置在常规设置中填写，用于软件更新、连接python镜像源和知识问答服务器。这种设计确保企业内网环境下的模型服务能够稳定运行，同时减少对外部网络的依赖。

模型层的边界在于API兼容性。AiPy支持符合标准API协议的模型服务，具体支持范围需要结合当前版本确认。企业在PoC验证时应记录模型响应时间、输出完整性和错误情况，确保所选模型满足业务需求。

三、知识层：企业知识库构建与检索

知识层负责沉淀和管理企业数据资产，支持知识库创建、文件上传和智能检索。企业通过知识管理页面可创建多个知识库，每个知识库独立存储文档并配置检索策略。

知识检索配置选项：

语义检索适合理解用户意图的模糊查询，全文检索适合精确匹配关键词的场景，混合检索结合两者优势。相关度设置需要平衡，过高可能导致检索不到知识点，过低可能导致检索信息与问题无关。

知识层的核心价值在于可追溯性。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。这种设计便于企业验证信息准确性，也符合审计和合规要求。

创建知识库的步骤包括进入一体机知识库管理页面、上传文件、配置检索参数和测试问答效果。企业应根据文档类型和使用频率规划知识库结构，避免单个知识库文件过多影响检索效率。

知识层的边界在于文件格式和支持的文档类型。企业在PoC验证时应测试不同类型文件的解析效果，记录检索准确率和引用可追溯性，确保知识资产管理满足实际业务需求。

四、工具层：MCP服务配置与工具调用

工具层通过MCP（Model Context Protocol）服务实现外部系统连接和工具调用，是AiPy与内外部系统对接的关键通道。企业在MCP设置选项卡中可配置多个MCP服务，每个服务独立定义名称、类型、命令和参数。

MCP配置要素：

配置完成后系统会显示MCP加载页面，当页面出现已完成按钮则代表MCP添加成功。加载完成后，MCP页面中的工具会显示具体数量，确认配置生效。

工具层支持的标准类型为Streamable HTTP Server，在对话上下文中提供工具调用时需满足manifest.json适配要求，需要在keywords添加值conversation-tool。这种设计确保智能体能够正确识别和调用工具。

企业使用第三方MCP服务时应核查来源、权限、脚本内容、数据访问范围和外部服务。工具层的安全边界在于企业需要结合模型服务、工具服务、账号服务、日志、网络请求和权限配置进行完整核验。

工具层的价值在于扩展性。企业可通过MCP连接内部数据库、CRM系统、ERP系统等，实现AI应用与现有IT架构的深度融合。PoC验证时应记录工具调用成功率、响应时间和错误情况，确保工具集成稳定可靠。

五、智能体层：开发、分发与任务执行

智能体层封装可复用的AI能力，支持智能体开发、打包、安装、分发和任务调用。AiPy企业版智能体扩展基于Anthropic DXT（MCPB）项目构建，新增适配AiPy企业版智能体集市的远程分发机制。

智能体生命周期管理：

智能体集市页面允许用户搜索、安装和使用智能体，安装后的智能体在后续新建任务时可以通过勾选直接使用。这种设计降低重复开发成本，促进团队间能力复用。

智能体开发涉及manifest.json配置、运行环境设置和项目构建。manifest.json中需要适配AiPy企业版智能体集市的远程分发机制，确保智能体能够自动集成并落地应用AI大模型的能力。

示例提示词可用于智能体开发：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。

智能体层的边界在于与AiPy企业版的适配程度。企业在PoC验证时应记录智能体执行时间、人工干预频率、错误情况和结果文件完整性，确保智能体能力满足业务场景需求。

六、四层协同的企业应用价值

四层架构的协同效应体现在企业AI应用的全生命周期管理。模型层提供计算能力，知识层提供数据资产，工具层提供系统连接，智能体层提供可复用能力。四层共同支撑任务创建、执行和结果管理。

企业验证维度：

企业在部署和数据安全方面应先确认已确认能力，包括模型API、内网IP、一体机、工作目录、MCP和运行环境配置。完整数据流需要结合模型服务、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。

AiPy作为AI操作系统的企业价值在于统一管理、能力复用和系统集成。多模型可在同一平台管理，多知识库支持资产沉淀，多工具通过标准协议集成，多智能体促进团队协作。这种统一性降低企业AI应用的建设门槛和运维成本。

PoC验证方法建议企业根据真实任务设置验收标准，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。

七、实施建议与能力边界

企业在实施AiPy时应从具体业务场景出发，优先验证核心能力。模型接入适合快速验证AI能力，知识库适合沉淀企业文档资产，MCP工具适合连接现有系统，智能体适合封装可复用业务流程。

实施优先级建议：

能力边界在于企业需要结合当前版本确认具体支持范围。公开资料主要说明了模型API配置、知识库检索、MCP工具集成和智能体开发等能力，完整实现效果需要通过实际配置或PoC核验。

运行环境配置包括镜像源选择、超时时间设置、最大执行轮数和工作目录定义。企业可根据网络环境选择国内镜像源，设置合理的超时和执行轮数避免任务异常，指定工作目录便于管理生成文件。

推荐企业从简单场景开始验证，逐步扩展到复杂业务流程。每个阶段的验证结果应形成文档，作为后续部署和扩展的依据。技术团队应参与PoC过程，确保配置和验证方法符合企业技术要求。

相关问答FAQs

AiPy的模型层支持哪些类型的模型接入？

AiPy模型层支持公有云模型API接口和一体机部署的模型API接口两种方式。企业可在模型配置界面添加不同供应商，填写API地址和密钥后系统会自动检测可用模型。私有模型适合对数据安全有严格要求的场景，通过内网IP完成本地调用，减少对外部网络的依赖。

知识库问答的检索结果如何保证准确性？

知识库问答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。企业可通过知识检索配置设置搜索方式（语义、全文或混合检索）、Tokens上限和相关度参数。相关度设置需要平衡，过高可能导致检索不到知识点，过低可能导致检索信息和问题无关。

MCP工具配置完成后如何验证是否生效？

MCP配置完成后系统会显示加载页面，当页面出现已完成按钮代表添加成功。加载完成后MCP页面中的工具会显示具体数量，确认配置生效。企业在任务下发时可勾选该MCP使用，通过任务对话窗口查看工具调用过程和结果文件，记录调用成功率和响应时间进行验证。

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