Aplicación de flujo de trabajo

Restricciones de acceso a la consola: Solo los usuarios que crearon aplicaciones de Alibaba Cloud Model Studio en la región de Singapore antes del 21 de abril de 2025 pueden acceder a la pestaña de Application Development.
Esta pestaña contiene las siguientes funciones: Aplicaciones (aplicación de agente y aplicación de flujo de trabajo), Componentes (ingeniería de prompts y complemento) y Datos (base de conocimiento y datos de aplicación). Todas estas son funciones de vista previa. Úselas con precaución en entornos de producción.
Restricciones de llamadas a la API: Solo los usuarios que crearon aplicaciones de Alibaba Cloud Model Studio en la región de Singapur antes del 21 de abril de 2025 pueden llamar a las API de datos de aplicación, base de conocimiento e ingeniería de prompts.

Aplicación

Por qué utilizar una aplicación de flujo de trabajo

Un flujo de trabajo descompone tareas complejas en una secuencia de pasos para reducir la complejidad del sistema. Crear una aplicación de flujo de trabajo en Model Studio le permite definir el orden de ejecución, asignar responsabilidades y especificar dependencias entre pasos para automatizar y optimizar el proceso. Los casos de uso comunes para aplicaciones de flujo de trabajo incluyen:

Planificación de viajes: Puede utilizar un complemento de flujo de trabajo para seleccionar parámetros, como un destino, y generar automáticamente un plan de viaje que incluya vuelos, alojamiento y recomendaciones de atracciones.
Análisis de informes: Para conjuntos de datos complejos, puede combinar complementos de procesamiento de datos, análisis y visualización para generar informes de análisis estructurados y formateados.
Atención al cliente: Puede usar flujos de trabajo automatizados para manejar consultas de clientes, incluida la clasificación de problemas, para mejorar la velocidad y precisión de respuesta.
Creación de contenido: Puede generar contenido como artículos y textos de marketing. Proporcione un tema y requisitos, y el sistema generará automáticamente un borrador.
Educación y capacitación: Puede usar un flujo de trabajo para diseñar planes de aprendizaje personalizados con seguimiento de progreso y evaluaciones, permitiendo el aprendizaje a ritmo propio para los estudiantes.
Consulta médica: Basándose en los síntomas ingresados por el paciente, un flujo de trabajo puede combinar múltiples herramientas analíticas para generar una evaluación preliminar o recomendar pruebas relevantes para ayudar a los médicos en un diagnóstico posterior.

Ejemplos

Ejemplo 1: Detectar mensajes fraudulentos

Este ejemplo demuestra cómo crear una aplicación de flujo de trabajo para determinar si un mensaje de texto es una posible estafa. El flujo de trabajo utiliza un nodo inicial, un nodo de modelo grande y un nodo final.

Vaya a la página Gestión de aplicaciones. Haga clic en Crear aplicación>Aplicación de flujo de trabajo, ingrese un App Name y luego haga clic en Create Now.
Agregue un nodo de modelo grande para detectar mensajes fraudulentos. Arrastre el nodo LLM desde el panel izquierdo al lienzo y configure los siguientes parámetros en su panel de configuración. Deje los demás parámetros en sus valores predeterminados. Configuración del modelo: Seleccione Qwen-Plus-latest. Prompts: Analyze the provided message to determine if it is a potential scam. Provide a definitive answer. Requirements: Carefully review the message content, focusing on keywords and typical scam patterns, such as requests for urgent transfers, providing personal information, or promising unrealistic benefits. Steps: 1. Identify key elements in the message, including but not limited to the sender's identity, the request made, promised rewards, and any sense of urgency. 2. Compare the message against the characteristics of known scams to check for similar tactics or language patterns. 3. Evaluate the overall reasonableness of the message, considering whether the request aligns with standard procedures and common sense. 4. If the message contains links or attachments, do not click or download them to avoid potential security risks, and warn the user about the dangers of such content. Output Format: Clearly state whether the message exhibits characteristics of a scam and briefly explain your reasoning. If a scam is suspected, provide suggestions or preventive measures to protect the user. Prompt de usuario: `Determine if the message "${sys.query}" is a potential scam.` Cierre el panel y conecte el nodo Inicio al nodo Modelo grande.
Conecte el nodo de modelo grande al nodo final. Luego, haga clic en el nodo final y, en el editor de su panel de configuración, ingrese `/` para insertar la variable `Large Model 1/result`. Deje los demás parámetros con sus valores predeterminados.	Ejemplo de configuración:
Haga clic en Test en la esquina superior derecha. Ingrese `Your package has been at the pickup station for several days. Please come and collect it.` y haga clic en . Después de que el flujo de trabajo termine de ejecutarse, vea la salida.
A continuación, ingrese `You have a message saying you've won 1 million. Please check it.` y haga clic en . Después de que el flujo de trabajo se ejecute, vea la salida.

Ejemplo 2: Asistente inteligente de compras

Este ejemplo muestra cómo crear un asistente de compras inteligente utilizando un flujo de trabajo que ayuda a los usuarios a seleccionar teléfonos móviles, televisores y refrigeradores. El flujo de trabajo utiliza un nodo de inicio, un nodo de clasificación de intenciones, nodos de modelo grande y un nodo final.

Vaya a la página Gestión de aplicaciones. Haga clic en Crear aplicación>Aplicación de flujo de trabajo, ingrese un App Name y luego haga clic en Create Now.
Arrastre el nodo Clasificación de intenciones desde el panel izquierdo al lienzo y configure los siguientes parámetros en su panel de configuración. Deje los demás parámetros con sus valores predeterminados. Variable de entrada: Seleccione Built-in Variable > query. Seleccionar modelo: Seleccione Qwen-Plus-latest. Clasificación de intenciones: Haga clic en Add Intent y agregue las siguientes tres intenciones: Comprar TV Comprar teléfono móvil Comprar refrigerador Memoria: Permite al modelo recordar el contenido de chat anterior durante una conversación. Active el interruptor y seleccione Custom Cache. Caché del nodo actual: El modelo recuerda solo el contenido del chat dentro del nodo actual. Caché personalizada: El modelo recuerda la conversación a lo largo de todo el flujo de trabajo. Cierre el panel y conecte el nodo Inicio al nodo Clasificación de intenciones.
Arrastre un nodo LLM desde el panel izquierdo al lienzo. En su panel de configuración, configure los siguientes parámetros y deje los demás con sus valores predeterminados. A continuación, cierre el panel y conecte la salida Buy refrigerator del nodo de Clasificación de intenciones al nodo de Modelo grande. Configuración del modelo: Seleccione Qwen-Plus-latest. Prompts: You are a smart shopping assistant responsible for recommending refrigerators to customers. You must proactively ask the user for refrigerator parameters in the order listed in the [Refrigerator Parameter List] below. Ask for only one parameter at a time, and do not repeat questions for the same parameter. If the user provides a value for a parameter, continue to ask about the remaining parameters. If the user asks for the definition of a parameter, provide an explanation based on your professional knowledge, and then continue to ask which parameter value they prefer. If the user indicates they no longer wish to make a purchase, output: Thank you for visiting. We look forward to serving you next time. [Refrigerator Parameter List] 1. Usage Scenario: [Home, Small commercial, Large commercial] 2. Capacity: [200L, 300L, 400L, 500L] 3. Energy Efficiency Rating: [Level 1, Level 2, Level 3] After all parameters from the [Refrigerator Parameter List] have been collected, ask: "Are you sure you want to purchase?" while also showing the parameters the customer has selected, for example: For small commercial use\|300L\|Level 1. Ask if they are sure about the refrigerator with these parameters. If the customer decides not to buy, ask which parameters they want to adjust. If the customer confirms the parameters meet their requirements, you must output in the following format: [Usage Scenario: Home, Capacity: 300L, Energy Efficiency Rating: Level 1]. Output only the content in this format and no other information. Prompt de usuario: `User's question: ${sys.query}` Memoria: Permite al modelo recordar el contenido de chat anterior durante una conversación. Active el interruptor y seleccione Custom Cache.
Arrastre un nodo LLM desde el panel izquierdo al lienzo. En su panel de configuración, configure los siguientes parámetros y deje los demás con sus valores predeterminados. A continuación, cierre el panel y conecte la salida Buy TV del nodo de Clasificación de intenciones al nodo de Modelo grande. Configuración del modelo: Seleccione Qwen-Plus-latest. Prompts: You are a smart shopping assistant responsible for recommending TVs to customers. You must proactively ask the user for TV parameters in the order listed in the [TV Parameter List] below. Ask for only one parameter at a time, and do not repeat questions for the same parameter. If the user provides a value for a parameter, continue to ask about the remaining parameters. If the user asks for the definition of a parameter, provide an explanation based on your professional knowledge, and then continue to ask which parameter value they prefer. If the user indicates they no longer wish to make a purchase, output: Thank you for visiting. We look forward to serving you next time. [TV Parameter List] 1. Screen Size: [50-inch, 70-inch, 80-inch] 2. Refresh Rate: [60Hz, 120Hz, 240Hz] 3. Resolution: [1080P, 2K, 4K] After all parameters from the [TV Parameter List] have been collected, ask: "Are you sure you want to purchase?" while also showing the parameters the customer has selected, for example: 50-inch\|120Hz\|1080P. Ask if they are sure about the TV with these parameters. If the customer decides not to buy, ask which parameters they want to adjust. If the customer confirms the parameters meet their requirements, you must output in the following format: [Screen Size: 50-inch, Refresh Rate: 120Hz, Resolution: 1080P]. Output only the content in this format and no other information. Prompt de usuario: `User's question: ${sys.query}` Memoria: Permite al modelo recordar el contenido de chat anterior durante una conversación. Active el interruptor y seleccione Custom Cache.
Arrastre un nodo LLM desde el panel izquierdo al lienzo. En su panel de configuración, configure los siguientes parámetros y deje los demás con sus valores predeterminados. A continuación, cierre el panel y conecte la salida Buy mobile phone del nodo de Clasificación de intenciones al nodo de Modelo grande. Configuración del modelo: Seleccione Qwen-Plus-latest. Prompts: You are a smart shopping assistant responsible for recommending mobile phones to customers. You must proactively ask the user for mobile phone parameters in the order listed in the [Mobile Phone Parameter List] below. Ask for only one parameter at a time, and do not repeat questions for the same parameter. If the user provides a value for a parameter, continue to ask about the remaining parameters. If the user asks for the definition of a parameter, provide an explanation based on your professional knowledge, and then continue to ask which parameter value they prefer. If the user indicates they no longer wish to make a purchase, output: Thank you for visiting. We look forward to serving you next time. [Mobile Phone Parameter List] 1. Usage Scenario: [Gaming, Photography, Watching movies] 2. Screen Size: [6.4-inch, 6.6-inch, 6.8-inch, 7.9-inch foldable screen] 3. RAM + Storage Space: [8GB+128GB, 8GB+256GB, 12GB+128GB, 12GB+256GB] After all parameters from the [Mobile Phone Parameter List] have been collected, ask: "Are you sure you want to purchase?" while also showing the parameters the customer has selected, for example: For photography\|8GB+128GB\|6.6-inch. Ask if they are sure about the mobile phone with these parameters. If the customer decides not to buy, ask which parameters they want to adjust. If the customer confirms the parameters meet their requirements, you must output in the following format: [Usage Scenario: Photography, Screen Size: 6.8-inch, Storage Space: 128GB, RAM Space: 8GB]. Output only the content in this format and no other information. Prompt de usuario: `User's question: ${sys.query}` Memoria: Permite al modelo recordar el contenido de chat anterior durante una conversación. Active el interruptor y seleccione Custom Cache.
Arrastre un nodo de Procesamiento de variables desde el panel izquierdo al lienzo. En su panel de configuración, configure los siguientes parámetros y deje los demás con sus valores predeterminados. A continuación, cierre el panel y conecte la salida de intención Default del nodo de Clasificación de intenciones al nodo de Procesamiento de variables. Modo de salida: Seleccione Text Output. En el cuadro del editor, ingrese: `Hello! Please tell me if you want to buy a TV, a refrigerator, or a mobile phone.`
Conecte los tres nodos de modelo grande y el nodo de Procesamiento de variables al nodo End. Luego, haga clic en el nodo final y, en el editor de su panel de configuración, ingrese `/` para insertar las siguientes cuatro variables: `Large Model 1/result`, `Large Model 2/result`, `Large Model 3/result` y `Variable Processing 1/result`. Deje los demás parámetros con sus valores predeterminados.	Ejemplo de configuración:
Probar la aplicación: Haga clic en Test en la esquina superior derecha. En el cuadro de diálogo, ingrese `Tell me about your refrigerators`, haga clic en y vea la salida. A continuación, ingrese `Home use` y vea la salida. Luego, ingrese `200L` y vea la salida. Finalmente, ingrese `Level 1 energy efficiency` y vea la salida.

Parámetros de sesión

Una variable de sesión actúa como una variable global, almacenando parámetros durante todo el ciclo de vida del flujo de trabajo para que cualquier nodo pueda hacer referencia a ellos. Haga clic en el imagen

icono en la esquina superior derecha de la página de configuración del lienzo.

Nodo

Los nodos son las unidades funcionales principales de una aplicación de flujo de trabajo. Cada nodo realiza una tarea específica, como ejecutar una acción, activar una condición, procesar datos o dirigir el flujo de trabajo. Combine estos nodos como bloques de construcción para crear procesos automatizados.

Cuándo usar
- Al diseñar un flujo de trabajo, defina la estructura y el contenido de los parámetros de entrada/salida en los nodos de inicio y fin.

Cómo usar

Nodo inicial

Componente	Descripción
Variables predefinidas	El flujo de trabajo proporciona las siguientes variables predefinidas para procesar la entrada del usuario y mantener el historial de conversaciones: query: Almacena la entrada de texto del usuario. historyList: Almacena el historial de conversaciones para mantener el contexto en una conversación de múltiples turnos. Para utilizar esta variable en nodos que admiten la función de memoria (como los nodos de modelo grande y de clasificación de intenciones), seleccione Custom Cache. imageList: Almacena las imágenes cargadas por el usuario para habilitar el análisis de imágenes o la conversación multimodal. Para utilizar esta variable en nodos que admiten la función de memoria (como los nodos de modelo grande y de clasificación de intenciones), seleccione Custom Cache.
Variables personalizadas	Las variables personalizadas son parámetros de entrada estructurados que usted define para un flujo de trabajo. Reciben datos de pruebas o llamadas de API y pueden referenciarse en nodos posteriores. Al crear una variable personalizada, configure los siguientes parámetros: Nombre de la variable: Introduzca un nombre descriptivo. No se admiten caracteres chinos. Tipo: El tipo de datos de la variable. Los tipos admitidos son String, Boolean, Number, Object, Array (de String, Boolean, Number u Object) y File. Descripción: Describa brevemente qué hace la variable y cuándo utilizarla.

Componente

Descripción

Variables predefinidas

El flujo de trabajo proporciona las siguientes variables predefinidas para procesar la entrada del usuario y mantener el historial de conversaciones:

query: Almacena la entrada de texto del usuario.
historyList: Almacena el historial de conversaciones para mantener el contexto en una conversación de múltiples turnos. Para utilizar esta variable en nodos que admiten la función de memoria (como los nodos de modelo grande y de clasificación de intenciones), seleccione Custom Cache.
imageList: Almacena las imágenes cargadas por el usuario para habilitar el análisis de imágenes o la conversación multimodal. Para utilizar esta variable en nodos que admiten la función de memoria (como los nodos de modelo grande y de clasificación de intenciones), seleccione Custom Cache.

Variables personalizadas

Las variables personalizadas son parámetros de entrada estructurados que usted define para un flujo de trabajo. Reciben datos de pruebas o llamadas de API y pueden referenciarse en nodos posteriores. Al crear una variable personalizada, configure los siguientes parámetros:

Nombre de la variable: Introduzca un nombre descriptivo. No se admiten caracteres chinos.
Tipo: El tipo de datos de la variable. Los tipos admitidos son String, Boolean, Number, Object, Array (de String, Boolean, Number u Object) y File.
Descripción: Describa brevemente qué hace la variable y cuándo utilizarla.

Nodo final

Componente	Descripción
Modo de salida	Salida de texto: Adecuado para contenido no estructurado. En el cuadro de entrada, puede ingresar contenido fijo o escribir `/` para hacer referencia a variables, lo cual determina el resultado final devuelto al usuario. Puede obtener variables de la salida de cualquier nodo del flujo de trabajo o de variables de sesión. Asignar correctamente las variables de salida le permite controlar el flujo de datos del flujo de trabajo y garantizar una respuesta final precisa y completa. Salida JSON: Adecuado para generar contenido estructurado en formato JSON. Puede definir nombres de variables e ingresar texto o hacer referencia a variables.
Salida de transmisión	El interruptor de Salida en streaming solo se aplica al modo de Salida de texto. Cuando está habilitado, las respuestas de los nodos de modelo grande y componentes de aplicación se transmiten token por token. Cuando está deshabilitado, se devuelve una respuesta completa después de que se genera en su totalidad.

Componente

Descripción

Modo de salida

Salida de texto: Adecuado para contenido no estructurado. En el cuadro de entrada, puede ingresar contenido fijo o escribir / para hacer referencia a variables, lo cual determina el resultado final devuelto al usuario. Puede obtener variables de la salida de cualquier nodo del flujo de trabajo o de variables de sesión. Asignar correctamente las variables de salida le permite controlar el flujo de datos del flujo de trabajo y garantizar una respuesta final precisa y completa.

Salida JSON: Adecuado para generar contenido estructurado en formato JSON. Puede definir nombres de variables e ingresar texto o hacer referencia a variables.

Salida de transmisión

El interruptor de Salida en streaming solo se aplica al modo de Salida de texto.

Cuando está habilitado, las respuestas de los nodos de modelo grande y componentes de aplicación se transmiten token por token. Cuando está deshabilitado, se devuelve una respuesta completa después de que se genera en su totalidad.

Por qué usarlo Este nodo es el núcleo inteligente de su flujo de trabajo. Puede entender el lenguaje, generar texto, analizar imágenes y participar en conversaciones de múltiples turnos. Puede usarlo para redactar textos, resumir contenido o incluso analizar el contenido de imágenes (utilizando modelos Qwen-VL).
Características
- Admite tanto el procesamiento de entrada única como el procesamiento por lotes de grandes conjuntos de datos.
- Puede configurar diferentes modelos grandes, como Qwen-Plus, para poder elegir el modelo adecuado según el rendimiento, la latencia u otros requisitos.

Configuración de parámetros del nodo

Parámetro	Descripción
Mode selection	Modo único: Llama al modelo grande una vez.
Mode selection	Batch Mode: The node runs multiple times, sequentially assigning an item from a list to a batch variable in each run. This process stops when all list items are processed or the configured maximum batch runs is reached.Batch Configuration: Maximum Number of Batches (Range: 1–100; default for standard users: 100): The maximum number of times the batch process will run. The number of batch runs depends on the minimum length of the input arrays. If no input variable is configured, the number of runs is determined by the configured batch count. Number of Parallel Runs (Range: 1–10): Sets the concurrency limit for batch processing. A setting of 1 executes all tasks serially.
Model configuration	Seleccione un modelo grande adecuado y ajuste sus parámetros. Los modelos disponibles aparecen en la interfaz de usuario.Para una introducción detallada a los modelos, consulte la lista de modelos.Para obtener información sobre los límites de tasa de llamadas a la API para cada modelo, consulte limitación de tasa.
Parameter configuration	Temperatura: Controla la diversidad del contenido generado. Un valor de temperatura más alto aumenta la aleatoriedad del texto generado, produciendo salidas más únicas, mientras que un valor más bajo hace que el contenido sea más conservador y consistente. Esta configuración no es compatible actualmente con los modelos de la serie DeepSeek R1.
	Maximum Reply Length: Limits the maximum length (in tokens) of the text generated by the model, not including the prompt. This limit varies by model.
	The following parameters are available only when a Qwen-VL model is selected: Model Input Parameters: For `vlImageUrl`, you can reference a variable or input an image URL. Image Source: Image set: The model treats each uploaded image independently, selecting the most relevant one to answer the user's question. A single image can be passed directly. For example: `https://**.com/**.jpg`. Multiple images can be passed as a list. For example: `["URL","URL","URL"]`. Video frames: The model considers the uploaded images to be from the same video and understands them sequentially as a whole. You must provide a minimum of 4 video frames.
System prompt	Proporciona instrucciones a nivel de sistema al modelo. Puede usarlo para definir el rol, la tarea o el formato de salida del modelo. Por ejemplo: "Eres un experto en matemáticas especializado en resolver problemas matemáticos. Por favor, genera el proceso de resolución del problema y el resultado en el formato correcto".
User prompt	La entrada del usuario al modelo, como una solicitud o instrucción. Puede configurar una plantilla de prompt o insertar variables. El modelo usa esta entrada para generar una respuesta.
Memory	La memoria es el contexto que el modelo retiene a través de múltiples turnos en una conversación. Caché del nodo actual: Usa la salida de este nodo como contexto. El modelo solo recordará el contexto generado dentro de este nodo. rondas de memoria: El número de rondas de conversación que se deben recordar. Una entrada y su salida correspondiente constituyen una ronda. Caché personalizada: Utiliza una variable de contexto especificada como contexto. Variable de contexto: Seleccione el origen del contexto.
Output variable	El nombre de la variable que almacena el resultado del procesamiento de este nodo. Los nodos posteriores pueden usar esta variable para acceder al resultado de este nodo. Los modelos de la serie DeepSeek R1 admiten la salida del proceso de Pensamiento Profundo (`reasoningContent`).
Retry on failure	Si está desactivado, el nodo deja de ejecutarse cuando ocurre un error.Si está habilitado, el nodo vuelve a ejecutarse en caso de error, según el número de reintentos y el intervalo configurados. reintentos máximos: El número máximo de intentos de reintento cuando falla una solicitud. intervalo de reintento: El intervalo de tiempo entre cada intento de reintento, en milisegundos.
Exception handling	Si está desactivado, el nodo maneja los errores utilizando el mecanismo predeterminado de manejo de errores del sistema.Si está habilitado, el nodo ejecuta una lógica de procesamiento personalizada según la configuración cuando ocurre un error. Valor predeterminado: Se genera el contenido en `result` cuando ocurre una excepción. rama de excepción: Si ocurre una excepción, se ejecuta esta rama. Debe configurar su flujo de procesamiento.
Return results	Esta función está obsoleta.Esta opción solo se aplica a las llamadas de API y determina si se muestra el contenido del nodo. Para obtener más información sobre la finalidad de este componente, consulte Llamada de aplicación.

Para integrar aplicaciones mediante API, consulte Llamada a aplicaciones.

Definición El nodo de base de conocimientos implementa la generación aumentada por recuperación (RAG). Recupera fragmentos relevantes de una base de conocimientos especificada basándose en la entrada y pasa los resultados como contexto a un nodo de modelo grande posterior. Este proceso aborda problemas comunes de los modelos grandes, como el conocimiento desactualizado, la incapacidad para acceder a datos privados y las alucinaciones.

Configuración de entrada Define los criterios para consultar la base de conocimientos.

Parámetro	Descripción
content	El texto utilizado para consultar la base de conocimientos. Puede ingresar texto directamente o escribir `/` en el editor para seleccionar y hacer referencia a una variable de salida de un nodo anterior.
imageList	Las imágenes utilizadas para consultar la base de conocimiento. Puede ingresar una URL de imagen accesible públicamente, como `https://xxx.xxx.com/xxx/xxx.jpeg`, o escribir `/` en el editor para seleccionar y hacer referencia a una variable de salida de un nodo anterior.

Método de selección de base de conocimientos

Método de selección	Applicable scenarios	Configuración
Seleccionar base de conocimientos fija	Cada llamada utiliza la misma base de conocimientos preseleccionada.	Seleccione una base de conocimientos específica de la lista desplegable. Puede agregar tres tipos de bases de conocimientos: documentos, tablas e imágenes.
Importación dinámica	La salida de un nodo anterior determina dinámicamente qué bases de conocimientos utilizar.	Configure la variable `CodeList`. Puede especificar una lista de bases de conocimientos haciendo referencia a una variable o mediante entrada directa.

Método de invocación de base de conocimientos Esta configuración define la lógica de activación para la base de conocimientos. El método predeterminado es invocar siempre.

Método de invocación	Descripción	Parámetros
invocar siempre	Realiza una recuperación de la base de conocimientos para cada entrada del usuario. Este método es adecuado para escenarios de preguntas y respuestas de alta frecuencia.	None
invocación inteligente	El agente determina si debe consultar la base de conocimientos basándose en la entrada del usuario y su descripción. Esto es adecuado para escenarios de conversación flexibles.	Descripción de la base de conocimientos (obligatorio)
invocación heredada	Los resultados de las bases de conocimiento de documentos, tablas e imágenes se recuperan conjuntamente. Un único parámetro topK controla el número de fragmentos recuperados y no admite la depuración por separado para cada tipo.	topK (Rango: 1–50, Predeterminado: 10)

Descripciones de parámetros:

Descripción de la base de conocimiento: Describe el contenido de la base de conocimiento y las condiciones bajo las cuales sus datos pueden utilizarse para una respuesta. Admite entrada de texto o ingresar / para insertar una variable.
topK: El número máximo de fragmentos a recuperar de cada base de conocimiento. El número real de fragmentos recuperados depende de los resultados de coincidencia y puede ser menor que el valor de topK.

Depurar resultados de recuperación Esta función solo se admite en los modos de invocación siempre e invocación inteligente. Haga clic en el botón Debug junto a un tipo de documento, tabla o imagen para probar los resultados de recuperación de esa base de conocimientos. Utilice los resultados para ajustar su configuración. Cuando termine, haga clic en Save en la esquina superior derecha para aplicar la configuración a la aplicación actual.
Filtrado de base de conocimientos Esta función está desactivada de forma predeterminada. Cuando se activa, el sistema utiliza un modelo grande para filtrar inteligentemente los resultados recuperados de documentos y tablas, mejorando la calidad del resultado final. Esta función es adecuada para escenarios que requieren una alta precisión en las respuestas o necesitan filtrar información irrelevante.

Salida del nodo El nodo de base de conocimientos genera un objeto estructurado que contiene un objeto result:

Campo	Tipo	Descripción
result	Object	Contiene toda la información devuelta de la consulta actual.
result.chunkList	Array<Object>	Una matriz de fragmentos recuperados. Esta matriz está vacía si la consulta no devuelve resultados.
result.chunkList[ ].content	String	El contenido original del fragmento de la base de conocimientos recuperado.
result.chunkList[ ].title	String	El título del documento al que pertenece el fragmento.
result.chunkList[ ].documentName	String	El nombre del documento donde se encuentra el fragmento recuperado.
result.chunkList[ ].score	Número	La puntuación de similitud del fragmento de la base de conocimientos. Una puntuación más alta indica una mejor coincidencia.
result.chunkList[ ].id	String	El ID del fragmento.
result.chunkList[ ].dataId	String	El ID del documento.
result.chunkList[ ].docUrl	String	El enlace de descarga del archivo fuente.
result.chunkList[ ].knowledgeBaseId	String	El ID de la base de conocimientos.
result.chunkList[ ].nid	String	El identificador del texto original.
result.chunkList[ ].images	Array<String>	Una lista de imágenes.
result.chunkList[ ].pageNumber	Array<Number>	Una matriz de números de página.
result.rewriteQuery	String	La consulta de usuario reescrita.

Para garantizar que el nodo de API pueda acceder al servicio objetivo, agregue las direcciones IP del servicio Model Studio (47.93.216.17, 39.105.109.77, 60.205.180.248 y 59.110.152.173) a la lista de permitidos de las reglas de entrada en el grupo de seguridad o firewall de su servidor objetivo.

Definición Llama a un servicio de API personalizado utilizando el método POST, GET, PUT, PATCH o DELETE y genera el resultado de la llamada a la API.

Configuración de parámetros

Parámetro	Descripción
API address	La URL de solicitud para la API. Método de solicitud: POST: Envía datos al servidor para crear un nuevo recurso. GET: Recupera un recurso sin modificar datos en el servidor. PUT: Actualiza un recurso especificado o crea un nuevo recurso en el servidor. PATCH: Actualiza parcialmente un recurso en el servidor. DELETE: Elimina un recurso especificado del servidor. URL: Ingrese la dirección completa de la API en el campo de entrada. Puede ingresar la dirección directamente o usar una variable para hacer referencia a un valor de nodos anteriores. Por ejemplo, `https://dashscope.aliyuncs.com/compatible-mode/v1/files`.
Header settings	Especifica los encabezados de solicitud HTTP, como Content-Type y Authorization. Puede ingresar valores directamente o hacer referencia a ellos desde nodos anteriores.
Parameter settings	Parámetros de consulta en la URL de la solicitud. Puede introducir valores directamente o hacer referencia a ellos desde nodos anteriores. Por ejemplo, `limit` en `https://dashscope.aliyuncs.com/compatible-mode/v1/files?limit=5`.
Body settings	Seleccione el tipo correcto según los requisitos de la API. none: Sin cuerpo de solicitud. Adecuado para solicitudes GET. form-data: Datos de formulario, utilizados para cargas de archivos o pares clave-valor. raw: Texto sin formato, como JSON o XML. JSON: Un objeto JSON formateado automáticamente.
Timeout setting (s)	El tiempo máximo de espera para una respuesta. Si no se recibe una respuesta dentro de este tiempo, la solicitud caduca.
Retry on failure	Si está desactivado, el nodo deja de ejecutarse cuando ocurre un error. Si está habilitado, el nodo reintenta la solicitud según los reintentos máximos y el intervalo de reintento configurados cuando ocurre un error. Reintentos máximos: El número máximo de veces para reintentar una solicitud fallida. Intervalo de reintento: El intervalo entre reintentos, en milisegundos.
Exception handling	Si está desactivado, el nodo utiliza el mecanismo predeterminado de manejo de errores cuando ocurre un error. Si está activado, el nodo ejecuta lógica personalizada cuando ocurre un error. Valor predeterminado: Genera el contenido de `result` cuando ocurre una excepción. Rama de excepción: Procede a la rama de excepción si ocurre una excepción. Debe configurar el flujo de procesamiento para esta rama.
Output	Almacena la respuesta de la API en una variable especificada para su uso por nodos posteriores.

Para obtener detalles sobre la integración de aplicaciones con una API, consulte integración de aplicaciones.

Definición Puede agregar un nodo de complemento a su aplicación de flujo de trabajo para realizar tareas más complejas. Model Studio ofrece una variedad de complementos oficiales, como Quark Search, Calculadora y un intérprete de código Python. También puede crear complementos personalizados para satisfacer necesidades específicas.
Consulte Resumen de complementos.
Requisitos previos
- Para usar un complemento oficial o de terceros, primero debe solicitar su activación. Para obtener instrucciones detalladas, consulte Descripción general de complementos.
- Si usted want hacer referencia a un complemento personalizado, necesita crear primero un complemento personalizado.

Configuración de parámetros

Parámetro	Descripción
Input	Especifica el contenido que el nodo debe procesar. Las variables cambian dependiendo del complemento seleccionado. Cuando selecciona un complemento, sus variables integradas se cargan automáticamente. Puede ir a la página de Complementos oficiales o de Complementos personalizados, hacer clic en una tarjeta de complemento y ver cómo configurar sus variables.
Output	La variable de salida que contiene el resultado del procesamiento del nodo. Los nodos posteriores usan esta variable para acceder al resultado.
Retry on failure	Si está desactivado, el nodo deja de ejecutarse cuando ocurre un error. Si está habilitado, el nodo reintenta la ejecución basándose en el número de reintentos y el intervalo configurados cuando ocurre un error. Reintentos máximos: El número máximo de intentos de reintento cuando falla una solicitud. Intervalo de reintento: El intervalo de tiempo entre cada reintento, en milisegundos.
Exception handling	Si está desactivado, el nodo utiliza el mecanismo predeterminado de manejo de errores del sistema. Si está activado, el nodo ejecuta lógica personalizada cuando ocurre un error. Valor predeterminado: Genera el contenido de `result` cuando ocurre una excepción. Rama de excepción: Ejecuta esta rama si ocurre una excepción. Debe configurar el flujo de procesamiento para la rama.

Definición Llama a un servicio personalizado en Alibaba Cloud Function Compute.

Configuración de parámetros

El tiempo de espera predeterminado para un nodo de Function Compute es de 60 segundos y no se puede cambiar.

Parámetro	Descripción
Input	La variable de entrada que procesa este nodo. Puede hacer referencia a variables de nodos anteriores o introducir valores directamente.
Region	Seleccione la región donde se encuentra su servicio de Function Compute: Singapore, Kuala Lumpur o Indonesia (Jakarta).
Service configuration	Seleccione el servicio de Function Compute que desea invocar. Primero debe crear una función. La cuenta de Alibaba Cloud que crea el servicio Function Compute debe ser la misma cuenta que utiliza para iniciar sesión en Model Studio (Bailian), o debe pertenecer a la misma cuenta raíz de Alibaba Cloud.
Output	La variable que almacena la salida del nodo. Los nodos posteriores pueden hacer referencia a esta variable.

Definición Utiliza un script para transformar la entrada en una plantilla específica o formato de salida. Esto implica analizar, transformar y formatear los datos para garantizar coherencia y legibilidad.

Configuración de parámetros

Parámetro	Descripción
input	Acepta un valor fijo o una referencia a una variable de un nodo anterior o a una variable de sesión.
code	Define la lógica central del nodo. Se admiten tanto JavaScript como Python. Obtener entrada: Use el objeto integrado `params` para acceder a los parámetros de entrada en el formato `params.<variable_name>`. Por ejemplo, `params.input1`. Devolver salida: La función controladora `main` debe `return` un diccionario u objeto. Los pares clave-valor de este objeto se convierten en la salida del nodo.
output	El diccionario devuelto por la instrucción `return` en el código sirve como salida de este nodo. Por ejemplo, si devuelve `{'result': 'Processing successful'}`, los nodos posteriores pueden acceder a la cadena "Procesamiento exitoso" mediante `node_name.result`.
retry on failure	Si está desactivado, el nodo deja de ejecutarse cuando ocurre un error. Si está habilitado, el nodo reintenta la ejecución según los reintentos máximos y el intervalo de reintento configurados. reintentos máximos: El número máximo de intentos de reintento después de un fallo. intervalo de reintento: El intervalo entre reintentos, en milisegundos.
exception handling	Si está desactivado, el nodo utiliza el mecanismo predeterminado de manejo de errores del sistema. Si está activado, el nodo ejecuta lógica personalizada cuando ocurre un error. Valor predeterminado: Genera el contenido de `result` cuando ocurre una excepción. rama de excepción: Dirige la ejecución a una rama separada, configurada por el usuario, si ocurre una excepción.

Definición El nodo de condición agrega lógica de ramificación a un flujo de trabajo. Cuando una variable cumple con una condición especificada, el flujo de trabajo sigue el enlace descendente correspondiente. El nodo admite configuraciones AND/OR y evalúa las condiciones secuencialmente de arriba hacia abajo.

Configuración de parámetros

Parámetro	Descripción
conditional branch	Ingrese las expresiones condicionales. Las condiciones en diferentes grupos se unen mediante `OR`, mientras que las condiciones dentro del mismo grupo se unen mediante `AND`.
else	La salida predeterminada cuando no se cumple ninguna condición definida.

Parámetro

Descripción

conditional branch

Ingrese las expresiones condicionales.

Las condiciones en diferentes grupos se unen mediante OR, mientras que las condiciones dentro del mismo grupo se unen mediante AND.

else

La salida predeterminada cuando no se cumple ninguna condición definida.

Definición Empareja inteligentemente la entrada del usuario con una intención predefinida basándose en su descripción y luego enruta al enlace correspondiente.

Configuración de parámetros

Parámetro	Descripción
input variable	Especifica la variable de entrada que se va a clasificar. Puede ingresar un valor directamente o usar una variable de un nodo anterior o una variable de sesión.
model selection	Admite Qwen-Plus y el modelo de clasificación de intenciones.
intent classification	Defina las intenciones que el modelo debe clasificar. El modelo hace coincidir la entrada con una intención basándose en su descripción y luego enruta al enlace correspondiente. Por ejemplo: "Para calcular problemas matemáticos" o "Para responder preguntas relacionadas con el clima".
Other intent	Esta rama se ejecuta cuando el modelo determina que la entrada no coincide con ninguna de las intenciones definidas.
intent mode	modo de selección única: El modelo grande selecciona la única intención que mejor coincide de las configuraciones disponibles. modo de selección múltiple: El modelo grande selecciona todas las intenciones coincidentes de las configuraciones disponibles.
reasoning mode	modo rápido: Este modo mejora la velocidad de procesamiento al evitar pasos de razonamiento complejos, lo que lo hace adecuado para escenarios simples. modo de calidad: Este modo utiliza razonamiento paso a paso para lograr una clasificación más precisa.
memory	Se refiere a la capacidad del modelo para recordar el historial de conversaciones en conversaciones de múltiples turnos, lo cual sirve como contexto. caché local del nodo: Usa la salida de este nodo como contexto. La memoria del modelo se limita al contexto generado por este nodo. turnos de memoria: El número de turnos de conversación que se deben recordar. Una entrada y su salida correspondiente constituyen un turno. caché personalizada: Utiliza el contenido de una variable de contexto especificada como contexto. variable de contexto: Especifica el origen del contexto.
prompt	Proporciona instrucciones o restricciones adicionales para el modelo de clasificación de intenciones. Puede agregar ejemplos o definir restricciones para ayudar a que los resultados de clasificación del modelo se ajusten mejor a sus requisitos. Ejemplo Suponga que está desarrollando un sistema de atención al cliente para una plataforma de comercio electrónico donde los usuarios podrían preguntar sobre consultas de pedidos, devoluciones o pagos. Para garantizar una clasificación precisa, puede agregar prompts y ejemplos relevantes en la configuración avanzada. `Please classify the intent based on the following examples: Example 1: User input "I want to return the jacket I just bought", classify as "Returns and exchanges". Example 2: User input "Please help me check the shipping status of my order", classify as "Order inquiry". Constraints: Only process order-related inquiries. Ignore payment and technical issues.` Efecto:Entrada del usuario: `"When will the book I ordered from your website last week be delivered to my home?"`Resultado de clasificación: `"Order inquiry"` En este ejemplo, proporcionar ejemplos específicos de clasificación guía al modelo para clasificar la "consulta de tiempo de entrega" como una intención de "Consulta de pedido", mientras que las restricciones limitan el alcance de la clasificación para excluir otras preguntas irrelevantes.
output	La variable que almacena la salida del nodo. Los nodos posteriores pueden usar esta variable para acceder al resultado.

La ejecución de este nodo consume tokens. El número de tokens consumidos se muestra durante la ejecución.

Definición El nodo de salida de flujo genera contenido especificado en cualquier punto de un flujo de trabajo. Esto difiere de la salida final, que se devuelve solo después de que el flujo de trabajo se completa. El nodo de salida de flujo es útil en los siguientes escenarios:
- Dividir salidas grandes: Si un flujo de trabajo genera una gran cantidad de salida, puede insertar un nodo de salida de flujo para dividir el contenido en dos partes. Una parte es generada por el nodo de salida de flujo y la otra por el nodo final.
- Recuperar información intermedia: Inserte este nodo en puntos clave de un flujo de trabajo para generar información como valores de variables o estado del proceso. Esto le ayuda a rastrear el progreso y solucionar problemas.
- Proporcione retroalimentación durante operaciones largas: Para evitar dejar a los usuarios sin retroalimentación, puede insertar un nodo de salida de flujo para mostrar mensajes temporales. Esto es útil durante operaciones que consumen mucho tiempo, como llamar a API externas, realizar cálculos complejos o procesar datos por lotes. Al proporcionar actualizaciones de estado como "Cargando datos, espere..." o "Su solicitud se está procesando. Por favor, no cierre esta ventana.", informa a los usuarios que el sistema está trabajando y no congelado o sin respuesta.

Configuración de parámetros

Parámetro	Descripción
Output content	Introduzca contenido fijo o escriba `/` para hacer referencia a variables de nodos anteriores o variables de sesión.
Streaming output	Cuando está habilitado, el contenido de un modelo grande se transmite a la conversación token por token. Cuando está deshabilitado, toda la respuesta se genera primero y luego se emite de una vez.

Definición Se utiliza para transformar y procesar contenido de texto, por ejemplo, extrayendo contenido específico o convirtiendo formatos. Este nodo también admite el modo de plantilla.

Configuración de parámetros

Parámetro	Descripción
Output mode	Salida de texto: Convierte la entrada en texto. En el editor, puede ingresar el contenido directamente o insertar variables de nodos anteriores o variables de sesión. Salida JSON: Formatea las variables de entrada como un objeto JSON. Agregación de grupos: Determina qué valores se devuelven de un grupo según una estrategia especificada. Puede devolver el primer o el último valor no vacío de cada grupo.
Output variable	Especifica la variable para almacenar la salida del nodo para su uso por nodos posteriores.
Return result	Esta función se está descontinuando. Aplicable solo a llamadas a la API, este parámetro determina si se devuelve la salida del nodo. Consulte llamada a la aplicación.

Parámetro

Descripción

Output mode

Salida de texto: Convierte la entrada en texto. En el editor, puede ingresar el contenido directamente o insertar variables de nodos anteriores o variables de sesión.
Salida JSON: Formatea las variables de entrada como un objeto JSON.
Agregación de grupos: Determina qué valores se devuelven de un grupo según una estrategia especificada. Puede devolver el primer o el último valor no vacío de cada grupo.

Output variable

Especifica la variable para almacenar la salida del nodo para su uso por nodos posteriores.

Return result

Esta función se está descontinuando.

Aplicable solo a llamadas a la API, este parámetro determina si se devuelve la salida del nodo. Consulte llamada a la aplicación.

Definición Extrae parámetros estructurados del texto mediante un modelo.

Configuración de parámetros

Parámetro	Descripción
Input	El texto del cual extraer parámetros.
Model selection	Especifica el modelo utilizado para extraer parámetros. Elija el que mejor se adapte a sus necesidades empresariales.
Parameters to extract	El modelo extrae parámetros de la entrada basándose en el nombre, el tipo y la descripción que usted proporcione.
Prompt	Instrucciones adicionales para guiar al modelo durante la extracción de parámetros.
Memory	La memoria proporciona contexto conversacional, ayudando al modelo a recordar interacciones previas en escenarios de múltiples turnos. Caché en este nodo: Usa la salida de este nodo como contexto. El modelo solo recuerda el contexto de este nodo. Turnos de memoria: El número de turnos de conversación que se deben recordar. Un turno consiste en una entrada y su salida correspondiente. Caché personalizada: Utiliza una variable de contexto especificada para proporcionar contexto. Variable de contexto: Seleccione el origen del contexto.
Output	Contiene los parámetros extraídos por el modelo. Los nodos posteriores pueden hacer referencia a esta salida como una variable.

Definición Un grupo de agentes contiene múltiples subagentes. Según los requisitos de la tarea, el modelo de decisión dentro del grupo planifica automáticamente el flujo de ejecución, programa los subagentes y los coordina para completar la tarea. Utilice este nodo si necesita completar un proyecto grande pero no está seguro de cómo diseñar el flujo de trabajo específico. Al dividir una tarea compleja en subtareas que diferentes agentes procesan en paralelo, puede mejorar la velocidad de ejecución de la tarea.

Configuración de parámetros

Parámetro	Descripción
Input	Especifica el contenido que procesará el nodo. Puede hacer referencia a variables de un nodo anterior.
Model selection	Seleccione un modelo de decisión.
Group name	Ingrese un nombre personalizado para el grupo de agentes.
Agents	Especifica los subagentes dentro del grupo de agentes. Solo se pueden agregar aplicaciones de agente publicadas. Después de agregar un subagente, haga clic en Configure para describir su función. Esta descripción ayuda al modelo de decisión a determinar qué subagente invocar para la tarea actual.
Output variable	Especifica la variable para almacenar la salida de este nodo. Los nodos posteriores pueden hacer referencia a esta variable.

Definición Crea un nuevo agente exclusivamente para el lienzo de orquestación.

Configuración de parámetros

Parámetro	Descripción
Input	El contenido que será procesado por este nodo. Puede hacer referencia a variables de nodos anteriores.
Agent name	Un nombre personalizado para el agente.
Model selection	El modelo grande utilizado por el agente.
Prompt	Utilice lenguaje natural para definir el rol y las tareas del agente.
Knowledge base	Seleccione una base de conocimientos para el agente.
Plugin	Permite al agente llamar a complementos oficiales o personalizados para ampliar sus capacidades.
Output variable	La variable que almacena la salida del nodo para su uso en nodos posteriores.

Definición El nodo de generación multimodal utiliza modelos multimodales de Alibaba Cloud para generar contenido de imagen, video o audio basado en los prompts y parámetros configurados. Utilice este nodo para la creación de contenido, producción de activos de marketing, generación de videos cortos y síntesis de voz en off.

Model selectionSelección de modelo Seleccione un modelo de generación multimodal de la lista desplegable. Los modelos se clasifican por función:

Tipo de modelo	Modelos compatibles	Características
Generación de imágenes	Qwen-Image	Destaca en la representación de texto complejo en chino e inglés.
	Wan 2.6-image-generation	Genera y edita imágenes a partir de instrucciones de texto, admitiendo tanto la edición de imágenes como modos mixtos de texto e imagen.
	Qwen-Image-Plus	Destaca en la representación de texto complejo en chino e inglés.
	Z-Image-Turbo	Un modelo ligero de texto a imagen que genera rápidamente imágenes de alta calidad. Admite renderizado bilingüe (chino e inglés), comprensión semántica compleja y múltiples estilos y temas.
	Wan 2.2-text-to-image-Plus	La edición Pro de Wan 2.2, con mejoras integrales en creatividad, estabilidad y fotorrealismo.
	Wan 2.2-text-to-image-Flash	La edición Flash de Wan 2.2, con mejoras integrales en creatividad, estabilidad y fotorrealismo.
Generación de video	Wan 2.6-texto-a-video	Wan 2.6. Cuenta con capacidades de narración de múltiples tomas y admite tanto voces en off automáticas como entradas de archivos de audio personalizados.
	Wan 2.6-image-to-video	Wan 2.6. Cuenta con capacidades de narración de múltiples tomas y admite tanto voces en off automáticas como entradas de archivos de audio personalizados.
	Wan 2.5-text-to-video-Preview	Vista previa de Wan 2.5. Admite voces superpuestas automáticas y entradas de archivos de audio personalizados.
	Wan 2.5-image-to-video-Preview	Vista previa de Wan 2.5. Admite voces superpuestas automáticas y entradas de archivos de audio personalizados.
	Wan 2.2-text-to-video-Plus	La edición Pro de Wan 2.2. Ofrece una comprensión más precisa de las instrucciones, generación de movimientos estable y fluida, y detalles más ricos en la salida.
	Wan 2.2-image-to-video-Plus	La edición Pro de Wan 2.2, que ofrece una comprensión más precisa de instrucciones, movimiento de cámara controlable y visuales consistentes. También presenta mejoras integrales en estabilidad, tasa de éxito y riqueza de contenido.
	Wan 2.2-image-to-video-Flash	La edición Flash de Wan 2.2, que ofrece una generación ultrarrápida, una comprensión más precisa de instrucciones y control de cámara, visuales consistentes y mejoras integrales en estabilidad y tasa de éxito.
Generación de audio	Qwen3-TTS-Flash	Admite entrada de texto en idiomas mixtos y salida de audio en streaming.

La lista de modelos disponibles está sujeta a cambios. Consulte la interfaz de usuario para ver las opciones más actuales. Para conocer los precios de invocación de modelos, consulte Facturación de invocación de modelos.

Los parámetros de configuración varían según el modelo. El panel muestra solo la configuración relevante para su selección.

Generación de imágenes
Generación de video
Generación de audio

Después de seleccionar un modelo de generación de imágenes, configure los siguientes parámetros. Los parámetros disponibles varían según el modelo; consulte la interfaz de usuario para ver las opciones específicas.

Parámetro	Obligatorio	Descripción
Positive prompt	Sí	Describe el contenido, estilo, composición y otros elementos de la imagen objetivo. Puede ingresar texto directamente o escribir `/` para insertar una variable de salida de un nodo anterior.
Negative prompt	No	Describe contenido que no want en la imagen, como desenfoque o marcas de agua. Puede ingresar texto directamente o escribir `/` para insertar una variable de salida de un nodo anterior.
Size/Resolution	Sí	Las dimensiones de la imagen.
prompt_extend	No	Si está habilitado, el sistema utiliza un modelo grande para reescribir inteligentemente el prompt de entrada. Esta función solo se aplica al prompt positivo. Mejora significativamente los resultados para prompts más cortos, pero añade 3-4 segundos de latencia.
Add Watermark	No	Controla si se agrega una marca de agua de Alibaba Cloud a la imagen generada. Esta función está deshabilitada de forma predeterminada.
Reference image	No	Cargue una imagen de referencia para guiar el estilo o el contenido de la imagen generada. Puede pasar una variable de tipo File desde el nodo inicial o una URL pública.
Number of Images	No	El número de imágenes a generar en una sola solicitud. El valor predeterminado es 1.
Intelligent prompt rewriting	No	Si está habilitado, un modelo grande reescribe inteligentemente el prompt de entrada. Esta función solo se aplica al prompt positivo. Mejora significativamente los resultados para prompts más cortos, pero aumenta el tiempo de generación de imágenes.
enable_interleave	No	Deshabilitado (predeterminado): Modo de edición de imagen. Edita, realiza transferencia de estilo o genera sujetos consistentes usando de 1 a 4 imágenes de entrada. Habilitado: Modo de salida mixta de texto e imagen. Genera un único bloque de contenido que contiene tanto texto como imágenes, basado en una imagen o texto sin formato.
Random seed	No	Controla la aleatoriedad en la salida generada (predeterminado: 1234). Usar el mismo valor de semilla e indicador produce imágenes similares.
Intelligent Thinking	No	Si está habilitado, el modelo grande realiza razonamiento y reescritura de prompts. Esto puede mejorar la calidad de la generación, pero también aumenta el tiempo de generación.

Después de seleccionar un modelo de generación de video, configure los siguientes parámetros. Los parámetros disponibles varían según el modelo; consulte la interfaz de usuario para ver las opciones específicas.

Parámetro	Obligatorio	Descripción
Positive prompt	Sí	Describe la escena, acciones, estilo y otros elementos del video objetivo. Puede ingresar texto directamente o escribir `/` para insertar una variable de salida de un nodo anterior.
Negative prompt	No	Describe contenido que no want en el video, como desenfoque o marcas de agua. Puede ingresar texto directamente o escribir `/` para insertar una variable de salida de un nodo anterior.
Resolution	Sí	La resolución del video. Las opciones disponibles varían según el modelo.
Video Duration	Sí	La duración del video generado. Las opciones disponibles varían según el modelo.
Random seed	Sí	Controla la aleatoriedad en la salida generada. Usar el mismo valor de semilla e indicador produce videos similares.
Intelligent Expansion	No	Si está habilitado, el sistema usa un modelo grande para reescribir inteligentemente el prompt de entrada y mejorar la calidad de generación de video. Esta función se aplica solo al prompt positivo.
Smart Multi-shot	No	Si está habilitado, el modelo genera un video de múltiples tomas.
Generate Audio	No	Si está activado, puede agregar una voz superpuesta proporcionando una URL de archivo de audio pública.
Reference image	Sí (solo modelos de imagen a video)	Especifica una imagen de referencia para servir como el primer fotograma del video. El modelo genera el video basándose en esta imagen. Puede pasar una variable de tipo File desde el nodo inicial o una URL pública.

Parámetro	Obligatorio	Descripción
Text for Synthesis	Sí	El contenido de texto que se convertirá a voz. Puede ingresar texto directamente o escribir `/` para insertar una variable de salida de un nodo anterior.
Language Type	No	El idioma para el habla sintetizada (predeterminado: chino). Idiomas admitidos: chino, inglés, alemán, italiano, portugués, español, japonés, coreano, francés y ruso.
Voice	No	La voz para el habla sintetizada. Para obtener una lista de voces admitidas, consulte Síntesis de voz en tiempo real - Qwen.

Salida del nodo Después de que se ejecuta el nodo de generación multimodal, produce las siguientes variables:

Parámetro	Tipo	Descripción	Ejemplo
output	Object	El objeto de salida completo, que contiene el estado de la tarea, el tiempo de ejecución y los resultados.	-
output.task_status	String	El estado de la tarea, como "SUCCEEDED" o "FAILED".	SUCCEEDED
output.submit_time	String	La hora de envío de la tarea, en formato YYYY-MM-DD HH:mm:ss.SSS.	2026-01-22 10:54:44.200
output.end_time	String	La hora de finalización de la tarea, en formato YYYY-MM-DD HH:mm:ss.SSS.	2026-01-22 10:54:51.685
output.task_id	String	El identificador único para la tarea.	e36c2221-b7fd-xxxx
output.scheduled_time	String	La hora programada de la tarea, en formato YYYY-MM-DD HH:mm:ss.SSS.	2026-01-22 10:54:44.251
output.results	Array<Object>	Una matriz de resultados de generación, que contiene metadatos para los recursos generados.	-
output.results[].orig_prompt	String	El prompt original ingresado por el usuario.	un gato lindo sentado en el alféizar de una ventana
output.results[].actual_prompt	String	El prompt utilizado para la generación después de la expansión del modelo.	un lindo gato blanco con pelaje suave y esponjoso...
output.results[].url	String	La URL del archivo generado.	https://dashscope-result...
usage	Object	Estadísticas de uso del modelo.	-
usage.image_count	Número	El número de imágenes generadas (modo de generación de imágenes).	1
urls	Array<String>	Una matriz de URLs para los archivos generados. Utilice estas URLs para acceder o descargar la salida.	["https://dashscope-result..."]

Aplicación de prueba

Después de configurar el flujo de trabajo, puede utilizar la función de prueba para verificar que se ejecuta según lo esperado. Haga clic en el botón Test en la esquina superior derecha para abrir el panel de prueba. El panel de prueba ofrece múltiples modos de prueba para diferentes casos de uso.

Conversación de texto

La conversación de texto es el modo de prueba predeterminado. Conserva el historial de conversaciones y admite conversaciones continuas de múltiples turnos.

En la lista desplegable de la parte superior del panel de prueba, seleccione el modo de conversación de texto (seleccionado de forma predeterminada). Si el flujo de trabajo contiene variables personalizadas, ingrese sus valores en el área de configuración de parámetros.
En el cuadro de entrada, ingrese su contenido de prueba (se admiten texto y archivos adjuntos) y luego haga clic en el botón Send o presione Enter para ejecutar la prueba.
Revise los resultados de la prueba. Puede hacer clic en un nodo para ver su entrada y salida detalladas, o cambiar el formato de salida entre Texto y JSON.
Para continuar la conversación, ingrese su siguiente turno en el cuadro de entrada y envíelo. Para iniciar una nueva conversación, haga clic en el botón Clear All.

Generación de texto

El modo de generación de texto es para interacciones de un solo turno. Cada prueba es independiente y no se conserva el historial de conversaciones.

Lista de verificación

La lista de verificación enumera las configuraciones necesarias para su flujo de trabajo. Para ver la lista de verificación, haga clic en el imagen

icono en la esquina superior derecha de la página de configuración del lienzo.

Publicar una aplicación

Una vez publicada una aplicación, puede llamarla a través de una API o compartirla como una página web con usuarios RAM en la misma cuenta principal. Para hacerlo, haga clic en el botón Publish en la esquina superior derecha de la página de gestión de aplicaciones de agente.

Llamada mediante API

En la pestaña Publish Channel de su aplicación de flujo de trabajo, haga clic en View API junto a API para aprender cómo llamar a la aplicación de agente mediante una API.

Nota: Debe reemplazar YOUR_API_KEY con su clave API para llamar a la API.

Para preguntas frecuentes e información sobre llamadas API, consulte los siguientes temas:

Para métodos de invocación (HTTP/SDK), consulte Llamada a aplicaciones.
Para obtener detalles sobre los parámetros de llamada a la API, consulte Información de parámetros de llamada a la aplicación.
Para obtener detalles sobre el paso de parámetros, consulte Paso de parámetros para aplicaciones.
Para resolver errores devueltos por llamadas API, consulte Códigos de error.
La aplicación en sí no tiene límite de concurrencia; en su lugar, el límite lo determinan los modelos a los que llama. Consulte la consola de Model Studio.

Actualmente, no puede llamar al servicio Xiyan desde un flujo de trabajo. En su lugar, utilice un nodo de API para llamar a un servicio de API personalizado.

El tiempo de espera para las llamadas a la API es de 600 segundos y no se puede cambiar. Si puede ocurrir un tiempo de espera, considere las siguientes soluciones:

Usar modo asíncrono: En este modo, el sistema devuelve un ID de tarea. Luego puede usar el ID de tarea para consultar el resultado, lo que evita el límite de tiempo de espera síncrono.
Dividir la tarea: Descomponga la tarea en múltiples pasos o procese los datos por lotes en fragmentos más pequeños para evitar que una sola ejecución exceda el tiempo de espera.

Importar o exportar un flujo de trabajo

Importar o exportar un flujo de trabajo de Model Studio Haga clic en el icono en la parte superior de la página del flujo de trabajo y seleccione Export DSL o Import Model Studio DSL.

Importar un flujo de trabajo de Dify Model Studio admite la importación con un solo clic de flujos de trabajo de Dify para facilitar la migración y la reutilización.

Haga clic en el icono en la parte superior de la página del flujo de trabajo y seleccione Import Dify DSL.

Ajuste los parámetros para cada nodo.

Los detalles de compatibilidad del nodo son los siguientes:

Nodo Dify	Nodo de Model Studio asignado	Compatibilidad
start	start	`sys.query` se asigna a `query`. `sys.dialogue_count` se asigna a `maximum memory turns`.
LLM	LLM	model: Model Studio borra el campo de modelo para los modelos no compatibles, lo que requiere que seleccione uno manualmente. Los modelos compatibles son totalmente compatibles. prompt: El indicador del sistema de Dify se asigna al indicador principal en Model Studio, mientras que su indicador de usuario se asigna al indicador de usuario. capacidad de visión: Totalmente compatible. context: Model Studio incorpora los campos sin procesar del contexto de Dify directamente en su indicador del sistema.
recuperación de conocimientos	base de conocimientos	input: Model Studio utiliza consistentemente el campo `content` como entrada. base de conocimientos: Model Studio borra este campo después de la importación. Debe asociar manualmente una base de conocimientos en Model Studio. configuración de recuperación: El parámetro `Top-k` de Dify se asigna a `number of retrieved fragments`.
Respuesta directa	nodo de salida	Totalmente compatible.
agent	None	Solo se conserva el nombre. Debe hacer clic en el nodo y seleccionar un nodo específico de Model Studio como reemplazo.
Clasificador de preguntas	clasificación de intenciones	Model Studio borra el campo de modelo para los modelos no compatibles, lo que requiere que seleccione uno manualmente. Los modelos compatibles son totalmente compatibles.
Iteración	procesamiento por lotes	input: Se asigna a Batch Array. variable de salida: Se asigna a Output Variable.
bucle	bucle	Totalmente compatible.
ejecución de código	script	Model Studio distingue entre scripts de Python y JavaScript.
Transformación de plantilla	None	No compatible. Model Studio genera un nodo personalizado.
Agregador de variables	Procesamiento de variables	Se asigna al modo de salida Agregar grupos del nodo Procesamiento de variables.
Extractor de documentos	None	No compatible. Model Studio genera un nodo personalizado.
Asignación de variables	Configuración de variables	Totalmente compatible.
Extractor de parámetros	extracción de parámetros	Model Studio no admite el modo de inferencia. Otras funciones son totalmente compatibles.
solicitud HTTP	API	Totalmente compatible, pero debe volver a autenticarse.
Operación de lista	None	No compatible. Model Studio genera un nodo personalizado.
Herramienta	plugin, MCP	No compatible. Model Studio genera un nodo personalizado.
comentario	None	No compatible.
finalizar	finalizar	Si un flujo de trabajo de Dify contiene múltiples nodos finales, Model Studio los convierte en un único nodo de Procesamiento de variables y un único nodo final.

Gestionar versiones del flujo de trabajo

Haga clic en Publish en la esquina superior derecha de la página de configuración del flujo de trabajo. En el cuadro de diálogo Publicar, ingrese la información de la versión, como 1.0.0, y haga clic en OK.
Haga clic en Version Management en la parte superior de la página y, en el panel de Historical Versions, podrá ver o utilizar diferentes versiones de la aplicación de flujo de trabajo actual según sea necesario haciendo clic en Overwrite Current Draft o en Return to Current Version. También puede hacer clic en Export DSL for This Version en la parte superior para exportar el DSL de la versión histórica seleccionada.
Opcional: En la Biblioteca de nodos, vea o busque nodos.

Eliminar y copiar aplicaciones de flujo de trabajo

En Mis aplicaciones, busque una tarjeta de aplicación publicada y haga clic en el imagen icono para eliminar la aplicación, copiar su flujo de trabajo o modificar su nombre de aplicación.

FAQ

Aplicaciones de flujo de trabajo
Nodes

¿Cómo escribo los resultados de una ejecución de flujo de trabajo en una base de datos? Utilice un nodo de conversión de script para escribir la salida del nodo anterior en una base de datos.
¿Cómo cargo archivos al crear una aplicación de flujo de trabajo en Model Studio? Agregue un nodo API a su aplicación de flujo de trabajo para cargar archivos.
¿Cómo subo imágenes? Utilice un modelo VL y pase la URL de la imagen como parámetro.
¿Puedo utilizar una API de tareas asíncronas dentro de una aplicación de flujo de trabajo? El tiempo de espera para una aplicación de flujo de trabajo es de 600 segundos. Evite usar una API de tarea asíncrona dentro de un flujo de trabajo.
¿Cómo puedo llamar a la API de flujo de trabajo de Model Studio desde una aplicación frontend y recibir una salida en streaming? Actualmente no se admiten llamadas desde el frontend.
¿Por qué no puedo importar un archivo .yaml independiente a un flujo de trabajo de Model Studio? Model Studio no admite la importación de archivos .yaml independientes. Debe proporcionar un paquete comprimido que incluya un archivo MD5. Recomendamos regenerar el MD5 si encuentra problemas.
¿Pueden los nombres de variables en los flujos de trabajo de Model Studio estar en chino? No, los nombres de variables no pueden contener caracteres chinos.
¿Cómo se almacena el historial de conversaciones? Las aplicaciones de flujo de trabajo almacenan datos solo durante un mes. Debe guardar su propio historial de conversaciones. El session_id es válido durante una hora.

¿Por qué falla mi nodo de clasificación de intenciones cuando el contexto está activado? Si habilita el contexto para un nodo de clasificación de intenciones, la variable que le pase debe ser una lista.
¿Por qué falla mi nodo API cuando utilizo salida en streaming? El nodo de API dentro de un flujo de trabajo no admite salida en streaming. Sin embargo, la salida en streaming es compatible con la API HTTP subyacente.
¿Cómo puedo acelerar un nodo condicional lento?
1. Revise la configuración de su flujo de trabajo: Asegúrese de que cada nodo, especialmente el nodo condicional, esté configurado correctamente. Evite cálculos o procesamiento de datos innecesariamente complejos para reducir el tiempo de respuesta.
2. Optimizar lógica de script: Si la lógica condicional implica un script personalizado, optimice el script reduciendo bucles innecesarios o procesamiento de datos redundante para mejorar el rendimiento.
3. Ejecutar pruebas por lotes: Mida el tiempo promedio de respuesta de su flujo de trabajo para identificar cuellos de botella de rendimiento bajo condiciones específicas.
¿Cómo transmito en streaming el proceso de razonamiento desde un nodo de modelo grande? Necesita agregar un nodo de conversión de texto después del nodo de modelo grande, configurar la variable reasoning_content y habilitar Devolución de resultados. El nodo final debe recibir el resultado.
¿Cómo puedo personalizar los parámetros de salida de un nodo de modelo grande?
1. Usar un nodo de script para procesar la salida: Agregue un nodo de script después del nodo de modelo grande para procesar su salida, convertirla al formato deseado o agregar parámetros adicionales.
2. Configurar un nodo por lotes: Si está utilizando un nodo de modelo grande dentro de un nodo por lotes, puede seleccionar la salida del nodo de modelo grande como salida final en la configuración del nodo por lotes. Los pasos son los siguientes:
  - Agregue un nodo de modelo grande al nodo por lotes.
  - En la configuración del nodo por lotes, seleccione la salida del nodo de modelo grande como la salida final resultList.
Consulte Paso de parámetros para aplicaciones.
¿Por qué mi nodo API no devuelve ningún resultado o falla al pasar parámetros? Verifique que su clave de API y Base URL sean correctas. Asegúrese de que los parámetros de entrada estén configurados correctamente y ajuste los tipos de entrada de campo si es necesario. Utilice Observación de modelos para ver los detalles de uso del modelo.
¿Cómo resuelvo problemas al acceder a datos de Excel desde una base de conocimientos? No puede acceder directamente a archivos locales. Utilice MCP para acceder a recursos locales. Debe procesar manualmente la salida de un nodo de base de conocimiento. Recomendamos agregar un nodo de modelo grande para convertir la salida a un formato de tabla antes de pasarla a un nodo de script para su posterior procesamiento.

​Aplicación

​Por qué utilizar una aplicación de flujo de trabajo

​Ejemplos

​Ejemplo 1: Detectar mensajes fraudulentos

​Ejemplo 2: Asistente inteligente de compras

​Parámetros de sesión

​Nodo

​Aplicación de prueba

​Conversación de texto

​Generación de texto

​Lista de verificación

​Publicar una aplicación

​Llamada mediante API

​Importar o exportar un flujo de trabajo

​Gestionar versiones del flujo de trabajo

​Eliminar y copiar aplicaciones de flujo de trabajo

​FAQ

Aplicación

Por qué utilizar una aplicación de flujo de trabajo

Ejemplos

Ejemplo 1: Detectar mensajes fraudulentos

Ejemplo 2: Asistente inteligente de compras

Parámetros de sesión

Nodo

Aplicación de prueba

Conversación de texto

Generación de texto

Lista de verificación

Publicar una aplicación

Llamada mediante API

Importar o exportar un flujo de trabajo

Gestionar versiones del flujo de trabajo

Eliminar y copiar aplicaciones de flujo de trabajo

FAQ