AiPy的任务执行架构如何支持复杂AI应用？

AiPy的任务执行架构如何支持复杂AI应用？

AiPy通过八层架构体系支撑复杂AI应用落地：1、模型层支持公有云与私有模型灵活接入；2、知识层提供语义检索、全文检索与混合检索能力；3、工具层通过MCP实现外部服务连接；4、智能体层支持开发、打包与集市分发；5、流程层实现Workflow多步骤编排；6、任务层管理执行过程与结果文件；7、运行层配置镜像源、超时与执行轮数；8、企业层完成私有化部署与系统集成。 其中模型层作为基础能力，允许企业在设置页面添加公有云模型API接口或一体机部署的私有模型，通过配置API地址与密钥实现模型调用，为企业构建自主可控的AI应用提供底层支撑。

一、AiPy作为AI操作系统的定位解析

传统计算机操作系统如Windows、Linux主要管理硬件资源、进程调度和文件系统，而AiPy作为面向企业AI应用的操作系统，管理的是模型资源、智能体、Workflow流程、MCP工具、知识库和任务执行环境。这一概念并非替代传统操作系统内核，而是在AI应用层面构建统一的运行、开发、扩展和管理平台。

AiPy企业版与AiPy一体机硬件产品深度结合，为企业提供一站式AI解决方案。产品旨在降低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。在复杂AI应用场景中，单一模型调用无法满足业务需求，需要多层能力协同工作，这正是AiPy任务执行架构的设计出发点。

企业AI应用面临的核心挑战包括模型选择与配置、知识资产沉淀、工具服务集成、智能体复用、业务流程编排和数据安全合规。AiPy通过分层架构将这些问题模块化处理，各层能力既可独立使用，又能协同完成复杂任务。

二、模型层：多元模型接入与配置能力

模型层是AiPy任务执行架构的基础，决定AI应用的能力上限。在AiPy企业主界面设置页面中，用户可进入模型配置界面添加模型资源。

企业可使用公有云模型API接口，也可使用一体机部署的私有模型API接口。配置完成后点击检查按钮，系统自动检测该API地址提供的模型列表，用户在下拉框中选择具体使用的模型。这种设计支持企业根据数据敏感度、成本预算和性能要求灵活选择模型来源。

对于数据敏感场景，企业可通过一体机内网IP配置实现私有化部署，填写一体机服务器的内网IP用于软件更新、连接python镜像源和知识问答服务器。完整数据流需要结合模型服务、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。

三、知识层：企业知识库与检索策略

知识层解决企业知识资产沉淀与复用问题。AiPy知识库问答支持三种检索方式：语义检索、全文检索和混合检索。用户在检索配置页面可根据实际需求选择搜索方式。

知识检索配置包含多个关键参数：

• Tokens上限：设置知识引用的tokens上限，控制单次检索的信息量
• 相关度阈值：设置检索过滤的相关度，过高可能导致检索不到知识点，过低可能检索到无关信息
• 问题优化：开启后自动根据对话记录补全问题缺失信息，完善提示词
• 对话上下文：设置携带的对话轮数，影响知识检索的上下文关联度

创建知识库时，用户点击知识管理进入一体机知识库管理页面，上传文件用于知识问答。知识库问答模式下，每次回复下方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验证答案准确性。

企业验证知识库效果时，应记录输入样本、检索结果、引用可追溯性和人工干预情况，所有测试结论以真实记录为基础。

四、工具层：MCP服务与外部系统集成

工具层通过MCP（Model Context Protocol）实现AI与企业内部系统、外部服务的连接。在AiPy企业版设置页面选择MCP选项卡，点击添加按钮进入MCP配置界面。

MCP配置包含以下要素：

配置保存后出现MCP加载页面，当页面显示已完成按钮代表MCP添加成功。加载完成后查看MCP页面中的工具数量，确认MCP已成功配置。

AiPy企业版智能体基于MCP服务构建，在对话上下文中提供工具调用时支持Streamable HTTP Server类型。manifest.json中需在keywords添加conversation-tool值实现适配。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安全性。

五、智能体层：开发、打包与集市分发

智能体层是AiPy作为AI操作系统的核心能力之一。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。借助这一机制，智能体可实现依赖打包，大幅提升配置的便捷性。

智能体管理分为两个场景：

智能体集市：用户点击集市进入智能体集市页面，搜索、安装、使用智能体。安装后的智能体在新建任务时可通过勾选直接使用，实现能力复用。

智能体开发：开发者根据规范文档和示例代码编写智能体。示例提示词可参考：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。智能体开发需完成manifest.json配置、项目构建和在AiPy企业版中的集成使用。

与AiPy企业版高度适配的智能体能够自动集成并落地应用AI大模型能力，降低开发门槛的同时保证执行可靠性。

六、流程层：Workflow编排与多步骤任务

流程层通过Workflow编排实现复杂业务流程的自动化执行。多步骤任务需要协调多个智能体、工具和知识检索操作，Workflow提供可视化的流程设计能力。

复杂AI应用的典型Workflow场景包括：

1. 数据收集阶段调用MCP工具获取外部信息
2. 知识检索阶段查询企业知识库补充上下文
3. 分析处理阶段调用智能体进行数据加工
4. 结果生成阶段输出报告或执行后续动作

工作流执行过程中，系统记录每个步骤的输入输出、执行时间和错误情况。企业应根据真实任务设置验收标准，记录产品版本、模型配置、提示词、输出完整性、执行时间、人工干预和错误情况等关键指标。

Workflow编排支持多智能体协作，不同智能体负责不同环节的专业任务，通过统一的任务上下文传递信息，实现复杂业务的分解与协同。

七、任务层：执行管理与结果追溯

任务层直接面向用户，提供任务创建、执行和结果管理能力。在AiPy企业主界面logo下方点击新建任务按钮创建新任务，在任务输入框输入需要执行的任务内容。

任务执行支持以下配置：

• MCP勾选：选择任务需要使用的MCP服务
• 智能体勾选：选择参与任务执行的智能体
• 发送方式：按下Ctrl+Enter或点击去做吧按钮下发任务
• 工作目录：执行任务后生成的文件或代码的存储目录，可自定义修改路径

任务对话窗口显示任务的执行过程，任务工作目录展示由AiPy制造的工具以及生成的过程文件或任务结果文件。这种设计确保任务执行过程可追溯，结果文件可验证。

常规设置中还包含最大执行轮数和超时时间配置。最大执行轮数限制任务的最大回复轮数，超出后任务自动停止。超时时间设置AiPy和大模型交互时等待接口返回的时间，超过时间则认为异常并返回异常信息。

八、运行层：环境配置与执行控制

运行层保障任务执行的稳定性和可复现性。在设置页面的运行环境选项卡中，用户可配置Python和NPM镜像源。

内置国内Python和NPM镜像源是因为从中国大陆地区请求pip和NPM官方源会由于网络原因导致访问不太顺畅。无特殊需求保持官方默认配置即可。

运行层还涉及权限操作、网络请求、日志记录和审计跟踪。企业部署时需要核验完整数据流，包括模型服务、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。

九、企业层：私有化部署与系统集成

企业层关注AiPy在组织内的落地应用，包括内部系统集成、私有模型接入、知识资产沉淀、团队协作和部署验证。

企业部署验证建议采用PoC方法，记录以下关键信息：

• 产品版本号与部署环境
• 模型配置与API连接状态
• 知识库文件与检索效果
• MCP工具与外部系统对接
• 智能体开发与任务执行结果
• 工作目录与文件存储路径
• 网络请求与数据安全边界

AiPy常规设置支持多语言配置，目前支持中文、English和日语三种语言。风格设置可在aipy-enterprise.yml文件中配置回复话术风格。发送快捷键可选择Ctrl+Enter或Enter。自动选择智能体功能开启后，下发任务时会自动判断所需智能体并勾选。

企业选型时应评估业务目标、技术团队能力、部署要求和实际测试结果。哪类任务适合优先评估AiPy取决于具体需求：企业AI应用开发、智能体扩展、Workflow编排、MCP集成和知识库建设场景适合选择AiPy。

十、实施建议与验证方法

企业引入AiPy构建复杂AI应用时，建议按以下步骤推进：

第一阶段完成基础配置，包括模型接入、运行环境设置和常规参数调整。验证模型API连接正常，镜像源访问顺畅，工作目录权限正确。

第二阶段构建知识资产，上传企业文档创建知识库，测试语义检索、全文检索和混合检索效果。调整相关度阈值和tokens上限至最佳状态。

第三阶段集成MCP工具，配置常用外部服务连接，验证工具调用成功率响应时间。记录第三方工具的来源和权限范围。

第四阶段开发或安装智能体，从智能体集市选择适用智能体或根据业务需求定制开发。测试智能体在任务中的执行效果。

第五阶段设计Workflow流程，编排多步骤业务场景，验证多智能体协作和信息传递准确性。

第六阶段完成企业集成，对接内部系统，配置权限管理和审计日志，进行安全合规核验。

每阶段完成后记录测试结果，形成完整的PoC验证报告。所有测试结论以真实记录为基础，企业应根据真实任务设置验收标准。

常见问题

AiPy企业版支持哪些类型的模型接入？ AiPy企业版支持公有云模型API接口和一体机部署的私有模型API接口。用户在模型配置页面添加模型时，输入模型供应商名称、API地址和API密钥，点击检查按钮后可从下拉列表选择具体模型。这种设计允许企业根据数据敏感度和成本预算灵活选择模型来源，支持私有化部署场景。

知识库检索的三种方式有什么区别？ 语义检索基于向量相似度匹配，适合理解问题意图；全文检索基于关键词匹配，适合精确查找特定内容；混合检索结合两种方式的优势。用户在检索配置页面可选择搜索方式，并设置tokens上限和相关度阈值。相关度过高可能导致检索不到知识点，相关度过低可能检索到无关信息，需要根据实际场景调整。

MCP配置完成后如何确认是否成功？ MCP配置保存后会出现加载页面，当页面显示已完成按钮代表MCP添加成功。加载完成后查看MCP页面中的工具数量，有具体数量说明MCP已成功配置。企业使用MCP时应在任务下发时勾选该MCP，并在任务执行过程中验证工具调用是否正常工作，记录调用成功率和响应时间。

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