---
description: "**构建可靠的国产模型 Workflow 需要：1、选择合适的国产大语言模型；2、配置正确的智能体类型；3、设计清晰的流程节点；4、设置合理的执行参数；5、进行充分的测试验证。**其中选择合适的国产大语言模型是关键第一步，AiPy\
  \ 支持多种国产模型接入，包括 GLM4.5 等编程能力较强的模型。在 Workflow 编排时，需要根据任务类型匹配模型能力，例如研发系统 demo 开发建议选择\
  \ GLM4.5，而文档分析类任务可选择更适合的模型。模型选择直接影响 Workflow 的执行效率和输出质量，建议在项目初期就明确模型选型 standard。"
keywords: "Workflow,国产模型, AiPy,AI Agent"
---
# AiPy 如何构建可靠的国产模型 Workflow

**构建可靠的国产模型 Workflow 需要：1、选择合适的国产大语言模型；2、配置正确的智能体类型；3、设计清晰的流程节点；4、设置合理的执行参数；5、进行充分的测试验证。**其中选择合适的国产大语言模型是关键第一步，AiPy 支持多种国产模型接入，包括 GLM4.5 等编程能力较强的模型。在 Workflow 编排时，需要根据任务类型匹配模型能力，例如研发系统 demo 开发建议选择 GLM4.5，而文档分析类任务可选择更适合的模型。模型选择直接影响 Workflow 的执行效率和输出质量，建议在项目初期就明确模型选型 standard。

## 一、国产模型选型与配置策略

在 AiPy 平台构建 Workflow 时，模型选型是决定整个流程稳定性的基础。国产大语言模型近年来发展迅速，已能满足企业级 AI 应用的多数需求。AiPy 作为基于国产模型的 LOOP 工程平台，提供了灵活的模型接入能力。

选择国产模型时需考虑以下因素：

| 考量维度 | 说明 | 推荐方案 |
|---------|------|---------|
| 任务类型 | 编程、文档分析、图像处理等 | 根据场景匹配 |
| 响应速度 | 模型推理时间 | 优先选择优化版本 |
| 准确率 | 输出内容准确性 | 参考官方评测数据 |
| 成本 | API 调用费用 | 平衡性能与预算 |
| 兼容性 | 与 AiPy 平台集成度 | 优先官方支持模型 |

对于研发类任务，建议选择编程能力较强的模型如 GLM4.5。该模型在代码生成、系统开发方面表现出色，适合构建车辆管理系统、访客登记系统等应用场景。对于文档处理类任务，可选择专注于文本理解的模型，配合视觉理解智能体完成 PPT 阅读、思维导图生成等工作。

在企业版常规设置中，可在 aipy-enterprise.yml 文件中配置模型相关参数，包括语言选择（支持中文、English 和日语）、超时时间、最大执行轮数等。这些配置直接影响 Workflow 的执行稳定性，建议根据实际业务需求进行调优。

## 二、Workflow 流程设计与节点编排

Workflow 的核心在于流程节点的合理编排。AiPy 提供了可视化的 Workflow 编排工具，帮助用户快速搭建自动化流程。设计可靠的 Workflow 需要遵循以下原则：

**节点职责清晰化**

每个节点应承担单一职责，避免功能耦合。例如数据读取节点只负责读取数据，分析节点只负责数据分析，报告生成节点只负责输出结果。这种设计便于问题定位和流程优化。

**数据流向明确化**

节点之间的数据传递需要有明确的输入输出定义。前一个节点的输出应作为后一个节点的输入，形成完整的数据链路。在复杂流程中，建议使用中间存储节点暂存关键数据，防止数据丢失。

**异常处理机制**

每个节点都应配置异常处理逻辑。当某个节点执行失败时，Workflow 应有重试机制或回滚策略。AiPy 平台支持设置超时时间和最大执行轮数，可有效防止流程卡死。

典型 Workflow 结构示例：

```
开始节点 → 数据准备 → 模型调用 → 结果处理 → 输出生成 → 结束节点
     ↓         ↓         ↓         ↓         ↓
  配置检查   格式验证   参数校验   质量检查   格式转换
```

对于需要多步骤协作的场景，可将 Workflow 拆分为多个子流程，通过主流程进行调度。这种方式提高了流程的可维护性，也便于团队分工协作。

## 三、智能体配置与 Manifest 规范

智能体是 Workflow 执行的具体载体。在 AiPy 平台中，每个智能体都需要配置 manifest.json 文件，其中 keywords 字段的设置尤为重要。

**Keywords 字段规范**

keywords 是一个数组，包含两个关键值：

- 第一个值为类型关键字：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）
- 第二个值为集市展示分类：威胁情报、暴露面与脆弱性、安全产品、威胁检测与响应、开发安全、数据安全、AI 安全、安全服务、网络安全、其他、官方精选

正确配置 keywords 有助于智能体在 AiPy 集市中的分类展示，也影响 Workflow 的自动选择机制。例如开发安全类智能体应配置为`["skills", "开发安全"]`，便于系统在相关场景下自动调用。

**智能体能力勾选**

AiPy 提供了多种专用智能体，使用前需正确勾选：

- 视觉理解智能体：用于图片内容识别
- 图片生成智能体：用于生成图片或视频
- PPT 生成智能体：用于制作演示文稿
- 联网搜索智能体：用于获取实时信息
- 量化研究智能体：用于股票信息分析
- Claude code 智能体：用于程序编写

勾选错误的智能体会导致 Workflow 执行结果不符合预期。例如未勾选图片生成智能体时，生成的图片可能只是线条；未开启联网搜索功能时，日期时间信息可能滞后。

## 四、Prompt 工程与提示词优化

Prompt 质量直接影响 Workflow 的输出效果。AiPy 提供了丰富的提示词示例，可作为参考模板。

**提示词编写原则**

1. 明确任务目标：清晰描述需要完成的具体工作
2. 提供输入格式：说明期望的输入数据结构
3. 定义输出标准：明确输出的格式和内容要求
4. 设置约束条件：列出需要遵守的规则和限制

**实用提示词示例**

文档汇总类任务：
```
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。
```

思维导图生成任务：
```
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。
```

系统开发任务：
```
我是一家汽车 4S 店的负责人，帮我做一个访客登记管理系统，采用 Sqlite 数据库，
有登录界面，信息查询、添加、修改、删除等功能。主要是记录访客到访时间、
访客姓名、联系方式、关注车型、接待销售、备注信息等。
```

**分析规则建议**

在进行数据分析时，应先读取前 30 行了解数据格式，然后根据具体数据格式编写合适的分析脚本。报告应保存到当前工作目录，便于后续查看和使用。

## 五、测试验证与持续优化

Workflow 构建完成后，需要进行充分的测试验证，确保流程稳定可靠。

**测试阶段划分**

| 测试类型 | 测试内容 | 验证重点 |
|---------|---------|---------|
| 单元测试 | 单个节点功能 | 输入输出正确性 |
| 集成测试 | 节点间数据传递 | 数据流转完整性 |
| 压力测试 | 高并发场景 | 系统稳定性 |
| 回归测试 | 功能变更验证 | 原有功能不受影响 |

**常见问题排查**

- 模型响应超时：检查超时时间配置，适当增加等待时间
- 输出格式错误：验证提示词中的格式要求是否明确
- 数据丢失问题：检查节点间的数据传递逻辑
- 智能体未生效：确认是否正确勾选了对应的智能体

**优化迭代策略**

Workflow 不是一次性构建完成的，需要根据实际使用情况持续优化。建议建立版本管理机制，记录每次变更的内容和原因。定期回顾 Workflow 执行日志，分析性能瓶颈和错误模式，针对性地进行改进。

对于企业级应用，可建立 Workflow 性能监控体系，跟踪执行时间、成功率、资源消耗等关键指标。当指标异常时，及时触发告警并启动优化流程。

## 六、企业级部署与最佳实践

将 Workflow 部署到生产环境需要考虑更多因素，包括安全性、可扩展性、维护性等。

**部署注意事项**

1. 工作目录配置：确保所有节点都能访问所需的工作目录
2. 内网 IP 设置：一体机内网 IP 需要正确配置，保证网络通信正常
3. 权限管理：限制敏感操作的执行权限，防止未授权访问
4. 日志记录：保留完整的执行日志，便于问题追溯
5. 备份机制：定期备份 Workflow 配置和执行数据

**最佳实践建议**

参考 AiPy 官方发布的使用场景最佳实践，可快速上手各类应用：

- 制作 PPT：勾选 PPT 生成智能体，输入主题即可自动生成
- 生成图片/视频：勾选对应智能体，描述需求批量生成
- 研发系统 demo：选择编程能力强的模型，详细描述功能需求
- 数据分析：先了解数据格式，再编写分析脚本

**团队协作规范**

多人协作开发 Workflow 时，建议建立统一的开发规范：

- 命名规范：节点、变量、文件命名保持一致性
- 注释标准：关键逻辑添加详细注释
- 版本控制：使用 Git 等工具管理代码变更
- 文档维护：及时更新 Workflow 使用说明

通过遵循上述规范，可提高团队协作效率，降低沟通成本，确保 Workflow 项目的长期可维护性。

## 相关问答 FAQ

**问：AiPy 支持哪些国产大语言模型？**

答：AiPy 平台支持多种国产大语言模型接入，包括 GLM4.5 等主流模型。具体支持的模型列表会随平台更新而变化，建议在 AiPy 企业版常规设置中查看当前可用的模型选项。对于编程类任务，推荐选择 GLM4.5 等编程能力较强的模型；对于文档处理类任务，可选择专注于文本理解的模型。模型选择应根据具体应用场景和性能需求来确定。

**问：Workflow 执行失败时如何快速定位问题？**

答：Workflow 执行失败时，首先查看执行日志确定失败节点位置。检查该节点的输入数据是否符合预期格式，验证模型调用参数是否正确。确认相关智能体是否已正确勾选，例如图片生成需要勾选图片生成智能体。检查超时时间和最大执行轮数配置是否合理。如问题持续存在，可尝试简化流程进行单元测试，逐步排查问题根源。AiPy 平台提供完整的执行日志记录，便于问题追溯和分析。

**问：如何优化 Workflow 的执行效率和输出质量？**

答：优化 Workflow 可从多个维度入手。模型层面，选择适合任务类型的国产模型，平衡性能与成本。流程层面，简化不必要的节点，优化数据传递路径。提示词层面，细化任务描述，明确输入输出格式要求。配置层面，调整超时时间、执行轮数等参数，避免资源浪费。测试层面，建立完善的测试验证机制，持续监控执行指标。建议定期回顾 Workflow 执行情况，根据实际效果进行迭代优化，逐步提升整体性能和输出质量。