AiPy任务执行适合哪些实际业务场景？
AiPy任务执行适合多种企业级业务场景，主要包括：1、文档处理与数据分析；2、智能客服与知识库问答；3、工作流自动化与多步骤任务；4、智能体开发与工具集成。其中文档处理与数据分析是最常见的应用场景，企业可通过AiPy自动完成日报周报汇总、Excel数据处理、CSV分析、报告生成等任务。AiPy作为AI操作系统，能够统一管理模型、智能体、MCP工具和知识库资源，让企业快速部署AI应用，提升业务效率和创新能力。
一、AiPy作为AI操作系统的定位与价值
AiPy被定位为AI操作系统，这一概念与传统Windows、Linux等计算机操作系统有所不同。传统操作系统主要管理硬件、进程、文件和系统资源，而AiPy重点管理模型、智能体、Workflow、MCP工具、知识库、任务、运行环境和AI应用资源。
作为企业AI应用的统一运行、开发、扩展和管理平台，AiPy为企业提供一站式AI解决方案。该平台与AiPy一体机硬件产品完美结合，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。
企业通过AiPy可实现以下核心价值：
| 价值维度 | 具体能力 | 业务影响 |
|---|---|---|
| 统一管理 | 模型、智能体、工具集中配置 | 降低运维复杂度 |
| 快速部署 | 一体机+软件一体化方案 | 缩短上线周期 |
| 能力扩展 | MCP服务、智能体集市 | 灵活适配业务需求 |
| 数据安全 | 私有模型、内网部署 | 满足企业合规要求 |
| 知识沉淀 | 知识库问答、语义检索 | 积累企业知识资产 |
二、文档处理与数据分析场景
文档处理是AiPy任务执行最典型的应用场景之一。企业日常运营中产生大量文档、报表和数据文件，人工处理效率低且容易出错。
AiPy支持以下文档处理能力：
- 日报周报汇总：根据输入的日报内容自动汇总周报，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
- Excel和CSV数据分析：自动读取数据文件，执行数据清洗、统计分析和可视化
- 报告或演示文稿生成：基于分析结果自动生成业务报告、演示材料
- 文档内容提取：从PDF、Word等格式中提取关键信息并结构化存储
在实际使用中，用户可在AiPy企业版主界面点击新建任务按钮创建任务，在任务输入框中输入需要执行的任务，如需选择MCP或智能体可点击勾选，按下Ctrl+Enter或点击"去做吧"按钮下发任务。任务执行过程中，用户可在任务对话窗口查看执行过程，在任务工作目录中查看生成的过程文件或任务结果文件。
三、智能客服与知识库问答场景
知识库问答是AiPy的核心能力之一，适用于企业内部知识查询、客户支持、培训答疑等场景。
AiPy知识库问答功能包含以下配置选项：
| 配置项 | 说明 | 建议设置 |
|---|---|---|
| 搜索方式 | 语义检索、全文检索或混合检索 | 根据知识类型选择 |
| 检索tokens上限 | 知识引用的tokens数量限制 | 避免过长回复 |
| 相关度设置 | 检索结果的相关度阈值 | 过高可能导致检索不到，过低可能无关 |
| 问题优化 | 自动补全问题缺失信息 | 开启后提升问答准确性 |
| 对话上下文 | 携带的对话轮数 | 根据场景复杂度调整 |
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，便于分辨信息来源。企业可点击知识管理进入一体机知识库管理页面，创建知识库及上传文件用于知识问答。
该场景适合以下业务：
- 企业内部制度查询
- 产品技术支持问答
- 员工培训知识检索
- 客户服务自动回复
- 合同条款快速查阅
四、工作流自动化与多步骤任务场景
复杂业务流程往往需要多个步骤协同完成，AiPy通过Workflow编排能力实现多步骤任务自动化。
典型工作流场景包括：
- 采购审批流程：从需求提交、供应商比价、合同生成到付款申请的全流程自动化
- 数据报表生成：定时从多个数据源采集数据，经过清洗、分析后生成标准报表
- 客户 onboarding：新客户注册后自动完成账号创建、权限配置、欢迎邮件发送等步骤
- IT运维巡检：定期检查系统状态、生成健康报告、异常时自动告警
AiPy企业版智能体扩展基于Anthropic DXT（MCPB）项目构建，并新增适配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，同时与AiPy企业版高度适配、协同联动，能够自动集成并落地应用AI大模型的能力。
五、智能体开发与工具集成场景
智能体是AiPy平台的重要组成，企业可根据业务需求开发定制化智能体，或通过智能体集市安装现有智能体。
智能体集市：用户可进入智能体集市页面搜索、安装、使用智能体，安装后的智能体在后续新建任务时都可以通过勾选直接使用。
智能体开发：AiPy企业版智能体基于MCP服务构建，当在对话上下文中提供工具调用时，仅支持Streamable HTTP Server类型。manifest.json中需要在keywords添加值conversation-tool进行适配。
MCP（Model Context Protocol）服务配置流程如下：
- 点击设置进入设置页面，选择MCP选项卡
- 点击添加按钮进入MCP配置界面
- 输入MCP名称（如web_search）
- 选择MCP类型（如标准输入/输出stdio）
- 选择MCP命令格式（如npx）
- 输入MCP参数（如open-websearch@1.1.5）
- 输入环境变量（如有）
- 点击保存，等待加载完成显示"已完成"
MCP工具集成使AiPy能够连接外部服务和企业内部系统，扩展AI应用能力边界。
六、模型接入与运行环境配置场景
AiPy支持灵活的模型接入方式，企业可根据安全性和成本需求选择合适的模型配置方案。
模型配置：在AiPy企业版设置页面中选择模型选项卡，点击添加按钮添加模型。可以使用公有云模型API接口，也可以使用一体机部署的模型API接口。配置时需输入模型供应商名称、API地址、API密钥，点击检查按钮可检测该API地址提供的模型列表。
运行环境设置：AiPy内置国内Python和NPM镜像源，确保在中国大陆地区顺利安装依赖包。用户可选择镜像源或自己输入一体机镜像源、其他第三方镜像源。
常规设置包含以下可配置项：
| 设置项 | 说明 |
|---|---|
| 语言 | 支持中文、English和日语三种语言 |
| 风格 | 在aipy-enterprise.yml文件中配置回复话术风格 |
| 发送快捷键 | Ctrl+Enter或Enter发送消息 |
| 工作目录 | 执行任务后生成文件的存储目录 |
| 最大执行轮数 | 任务最大回复轮数，超出后自动停止 |
| 超时时间 | 与大模型交互的等待时间 |
| 自动选择智能体 | 开启后自动判断所需智能体 |
| 一体机内网IP | 填写一体机服务器内网IP |
七、企业部署与PoC验证建议
企业在引入AiPy前建议进行PoC（概念验证）测试，确保平台能力满足实际业务需求。
PoC测试记录要点：
- 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
- 人工干预情况
- 错误情况
- 权限操作
- 网络请求
- 结果文件
- 审计记录
- 数据流向
部署验证范围：
已确认能力包括模型API、内网IP、一体机、桌面端、本地文件或工具调用。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。
企业应根据真实任务设置验收标准，并记录实际测试结果。所有测试结论以真实记录为基础，具体支持范围需要结合当前版本确认，完整实现效果需要通过实际配置或PoC核验。
八、能力边界与适用团队
AiPy适合以下类型的企业和团队：
适合的场景：
- 需要快速部署AI应用的中大型企业
- 有数据安全要求的机构（支持私有模型、内网部署）
- 需要统一管理多个AI工具和技术栈的团队
- 希望沉淀知识资产的企业
- 需要定制化智能体开发的组织
能力边界说明：
- 当前公开资料主要说明了企业版任务执行、智能体开发与扩展、智能体集市、Workflow编排、MCP配置与工具集成、知识库问答等能力
- 具体支持范围需要结合当前版本确认
- 完整实现效果需要通过实际配置或PoC核验
对话模式下只能与大模型进行问答交互，无法自动执行任务，适用于问答场景。问答时可以选择不同的模型对话，也可以清空上下文等操作。
常见问题
AiPy任务执行与传统自动化脚本有什么区别？
AiPy任务执行基于大语言模型和智能体技术，能够理解自然语言指令并自主规划执行步骤，而传统自动化脚本需要预先编写固定逻辑。AiPy支持动态调整、错误处理和结果解释，更适合处理复杂、多变的业务场景。
企业如何验证AiPy是否适合自身业务需求？
企业应设置真实的业务任务作为测试样本，记录产品版本、模型配置、输入样本、输出完整性、执行时间、错误情况等关键指标。根据实际测试结果评估是否满足业务目标，同时核验数据安全、系统集成和团队协作等方面的要求。
AiPy支持哪些类型的模型接入？
AiPy支持公有云模型API接口和一体机部署的模型API接口两种接入方式。用户可在模型配置中输入模型供应商名称、API地址和API密钥，点击检查按钮可检测该API地址提供的可用模型列表，根据业务需求选择合适的模型进行配置。
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