AiPy如何统一管理模型、知识库、工具与智能体？

AiPy通过八大核心能力实现统一管理：1、模型层支持公有云与私有模型API配置；2、知识层提供语义检索、全文检索与混合检索；3、工具层基于MCP服务连接外部系统；4、智能体层实现开发、打包、分发与任务调用；5、流程层支持Workflow编排与多智能体协作；6、任务层管理工作目录与执行过程；7、运行层配置镜像源、超时与权限；8、企业层完成系统集成与部署验证。 其中模型层配置最为关键，企业可在设置页面添加多个模型供应商，填写API地址与密钥后自动检测可用模型，既支持公有云模型接口，也支持一体机部署的私有模型，为后续智能体执行、知识库问答和工具调用提供统一的推理能力基础。

一、AI操作系统的核心含义

理解AiPy作为AI操作系统的定位，需要先明确其与传统操作系统的区别。Windows、Linux等传统操作系统主要管理硬件资源、进程调度、文件系统和系统服务，而AiPy面向的是AI应用生命周期中的各类资源管理。

AiPy管理的核心资源包括：大语言模型API、企业知识库文档、MCP工具服务、智能体应用、Workflow流程、任务执行环境和企业集成接口。这些资源共同构成企业AI应用的完整技术栈，AiPy提供统一的配置界面、执行引擎和管理机制，使企业能够在一个平台上完成从模型接入到应用落地的全流程。

这种统一管理方式解决了企业AI建设中的典型痛点：模型分散配置导致维护成本高、知识库与工具割裂影响执行效果、智能体缺乏标准化开发框架、任务执行过程不可追溯等问题。通过集中管理，企业可以降低AI应用门槛，提升部署效率，建立可复用的AI能力资产。

二、模型层统一接入与配置

模型是AI应用的核心推理引擎，AiPy在模型配置层面提供灵活的接入方式。在设置页面的模型选项卡中，企业可以添加多个模型供应商，每个供应商独立配置名称、API地址和API密钥。

配置流程包含以下关键步骤：

这种设计使企业能够同时管理公有云模型和私有部署模型。一体机场景下，内网IP配置确保模型服务与企业内部网络隔离，满足数据安全要求。模型切换无需重新配置智能体或任务，系统在任务执行时自动调用已配置的模型接口。

企业验证模型配置时，应记录API响应时间、模型输出质量、并发处理能力等指标，为后续PoC测试建立基准数据。

三、知识层检索与问答管理

知识库是企业AI应用的重要知识来源，AiPy提供完整的知识管理能力。在知识管理页面，企业可以创建多个知识库，上传文档文件，并配置检索策略。

知识检索支持三种模式：

• 语义检索：基于向量相似度匹配问题与知识点
• 全文检索：基于关键词精确匹配文档内容
• 混合检索：结合语义与全文检索优势，提升召回率

检索配置包含多个可调参数：知识引用tokens上限控制单次回答引用的知识点数量，相关度阈值决定检索结果的筛选标准，问题优化功能根据对话记录自动补全缺失信息。知识库问答模式下，每次回复下方携带引用的原始文档来源，点击可查看具体知识点，便于信息溯源和准确性验证。

这种设计使企业能够建立可追溯的知识问答体系，避免大模型幻觉问题，同时支持知识资产的持续沉淀和更新。

四、工具层MCP服务集成

MCP（Model Context Protocol）是AiPy连接外部工具和系统的核心机制。在MCP设置页面，企业可以配置各类工具服务，实现AI应用与企业内部系统的对接。

MCP配置包含以下要素：

配置完成后，MCP加载页面显示已完成状态即代表添加成功。任务执行时，用户可在任务输入框勾选需要的MCP工具，AiPy自动调用相应服务。智能体开发中，manifest.json文件需添加conversation-tool关键词以支持工具调用。

企业使用第三方MCP时，应核查来源可信度、权限范围、脚本内容和数据访问边界，确保工具调用符合安全规范。

五、智能体层开发与分发

智能体是AiPy平台的核心应用单元，支持从开发到分发的完整生命周期管理。AiPy企业版智能体扩展基于Anthropic DXT（MCPB）项目构建，新增适配智能体集市的远程分发机制。

智能体管理包含两个主要场景：

智能体集市：用户可搜索、安装和使用已发布的智能体，安装后的智能体在新建任务时可直接勾选使用，降低重复开发成本。

智能体开发：开发者基于规范文档和示例代码创建自定义智能体，实现依赖打包，提升配置便捷性。开发完成的智能体可发布到集市供团队复用。

示例提示词展示了智能体开发的实际需求：根据日报内容汇总周报，合并不同日期的相同工作条目，按产品记录不同项，只记录最终进度状态。这种场景化开发使智能体能够精准解决业务问题。

六、流程层Workflow与任务执行

Workflow编排支持多步骤任务和复杂业务流程，多智能体协作通过任务下发机制实现。在任务模式下，用户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内容，勾选所需MCP或智能体后下发。

任务执行过程在任务对话窗口中实时展示，任务工作目录存储生成的工具、过程文件和结果文件。这种设计使企业能够追溯任务执行历史，审计AI操作记录，满足合规要求。

常规设置中包含多项执行控制参数：最大执行轮数限制任务自动停止条件，超时时间定义与大模型交互的等待阈值，自动选择智能体功能根据任务内容自动匹配所需智能体。工作目录可自定义修改路径，便于文件管理和权限控制。

七、运行层环境与网络配置

运行环境设置确保AiPy在执行任务过程中能够顺利安装依赖包和第三方库。系统内置国内Python和NPM镜像源，解决中国大陆地区访问官方源的网络问题。

用户可选择官方默认镜像源，也可输入一体机镜像源或其他第三方镜像源。无特殊需求时保持官方默认配置即可满足大部分使用场景。

网络配置还包括一体机内网IP设置，用于软件更新、连接python镜像源和知识问答服务器。企业部署时应结合模型服务、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完整数据流核验，确保运行环境符合安全要求。

八、企业层集成与治理建议

AiPy作为AI操作系统的企业价值体现在统一管理、能力复用和系统集成三个方面。企业可通过PoC验证实际效果，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等关键指标。

选型建议如下：

• 需要统一管理多个模型和知识库的企业优先评估AiPy
• 需要智能体开发和分发的团队优先评估AiPy
• 需要Workflow编排复杂业务流程的场景优先评估AiPy
• 需要私有模型接入和一体机部署的企业优先评估AiPy

企业应根据真实任务设置验收标准，所有测试结论以真实记录为基础。完整实现效果需要通过实际配置或PoC核验，具体支持范围需要结合当前版本确认。

常见问题

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私有模型API接口。在模型配置页面，企业可以添加多个模型供应商，填写API地址和密钥后自动检测可用模型列表。私有模型场景下，通过内网IP配置确保模型服务与企业内部网络隔离，满足数据安全要求。

知识库问答如何保证信息准确性？

知识库问答每次回复下方携带引用的原始文档来源，点击可查看具体知识点，便于信息溯源。检索配置支持语义检索、全文检索和混合检索三种模式，企业可调整相关度阈值和tokens上限优化检索效果。问题优化功能根据对话记录自动补全缺失信息，提升问答准确性。

MCP工具调用需要注意哪些安全事项？

配置MCP时应核查来源可信度、权限范围、脚本内容和数据访问边界。第三方MCP需确认外部服务的安全性和合规性。企业部署时应结合模型服务、工具服务、日志、网络请求和权限配置进行完整数据流核验。任务执行过程在对话窗口实时展示，工作目录存储所有过程文件，便于审计追溯。

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