01
技术架构
平台采用前后端分离的单体应用架构：Nginx 承载前端静态资源并把 API 请求反向代理到后端，后端是单个 Spring Boot 进程，按模块化 Maven 工程组织业务边界。所有面向用户的 AI 对话走统一 Chat 接口，以 SSE 流式返回 OpenAI 兼容分块；WebSocket 承载站内信与运维终端；模型、知识库、工作流等能力在进程内编排，不引入额外的微服务部署负担。
阅读章节02
技术栈与依赖版本
平台后端基于 Java 与 Spring Boot 生态构建，前端基于 Vue 3 与 Vite 构建，依赖版本在交付文档中锁定，便于在信创环境中精确复现部署。
阅读章节03
系统基础环境要求
平台资源占用极低，全栈常驻内存约 700 MB，最低推荐配置即可流畅运行全部功能；生产环境按并发规模与是否本地部署大模型适当提升配置。
阅读章节04
必要环境与可选依赖
部署遵循「必要环境先就位、可选环境按需启用」的原则：必要环境缺失会影响平台运行，可选环境只影响对应的专项能力。
阅读章节05
模型路由：一个逻辑目标调度多个模型
模型路由让应用绑定一个稳定的逻辑目标，由平台在运行时选择真正执行的物理模型。路由可以先按平台、组织或用户限定使用范围，再按有序的用户与组织规则选择候选模型，使智能体、工作流、知识加工和内容生成不再绑定某个供应商或私有化实例。
阅读章节06
决策模型：用统一协议驱动工作流判断
决策模型把结构化选择、分类与评分作为独立模型能力。LangChat 以 TypeSafe System One 请求与响应契约统一封装供应商差异；TypeSafe 托管模型、Ollama 部署以及兼容 System One 的服务，都可以通过同一个入口供工作流决策节点调用。
阅读章节07
Responses API：统一的模型与智能体集成协议
Responses API 为外部系统提供一套同时覆盖模型生成、状态续接、函数交接和平台事件的结构化协议。登录态应用通过 `POST /responses` 直接选择模型，无需绑定 Agent ID；已发布智能体则通过原有渠道密钥、访客隔离、限流、工具授权、安全策略和审计链路暴露 `POST /v1/responses`。两类入口在内部都汇入与传输协议无关的 ChatEvent 运行时，因此平台可以增加 Responses 协议，而不需要替换既有 Chat Completions 接口，也不会让业务模块绑定某一种流格式。
阅读章节
添加微信，获取完整资料
扫描二维码或搜索微信号，联系我们可以获取白皮书 PPT、部署实施资料与演示环境安排。
本白皮书由 LangChat Agentic 官方提供 · 联系微信：LangchainChat
01
平台采用前后端分离的单体应用架构：Nginx 承载前端静态资源并把 API 请求反向代理到后端，后端是单个 Spring Boot 进程，按模块化 Maven 工程组织业务边界。所有面向用户的 AI 对话走统一 Chat 接口，以 SSE 流式返回 OpenAI 兼容分块；WebSocket 承载站内信与运维终端；模型、知识库、工作流等能力在进程内编排，不引入额外的微服务部署负担。
01浏览器经 HTTPS 访问 Nginx，Nginx 把 /api 反向代理到后端 8100 端口，并透传 SSE 与 WebSocket 升级头
02后端通过 JDBC 连接 MySQL（3306）保存业务数据，通过 RESP 连接 Redis（6379）承载缓存、会话与分布式锁，通过 JDBC 连接 PostgreSQL + pgvector（5432）承载知识库向量检索
03后端以 OpenAI 兼容 HTTP 协议调用本地模型服务（Ollama 11434 / vLLM 8000），以 HTTP 调用可选组件 OpenSandbox（9120）、Docling（5001）、MinerU（8888）
04身份与权限由 Sa-Token 在后端统一鉴权，前端不直接接触数据库与模型服务
模块交互总览
系统按「垂直切分 + 水平分层」组织：前端到后端接入层走统一协议，业务、扩展与基础设施三类模块各自独立， 共同单向依赖公共基础层，依赖边界由 Maven 在编译期强制约束。
核心交互链路
平台的四条重大链路覆盖了全部核心能力：所有 AI 对话走统一聊天链路，知识库按「入库 + 检索」两段工作， 智能问数以受控方式把自然语言变为可核验的分析，持久长任务在沙箱中执行并支持断线恢复。
外部系统接入与标准协议
平台开放五条外部系统接入通道：模型原生 Function Call、MCP 协议、A2A 协议、Skill 技能包， 以及通过 OpenAPI 规范导入或直接注册 HTTP 接口把外部系统快速封装为 Function Call。 全部通道汇入统一工具调用运行时，由智能体、工作流与 Agentic 编排共享调用。
01Function Call：模型原生工具调用，平台按统一工具 Schema 代执行并回传结果。
02MCP：接入外部 MCP 服务器，扩展工具、资源与提示词，即插即用。
03Skill：技能包存储、发现注册、语义检索与执行，沉淀企业专业能力。
04A2A：接入第三方外部智能体，跨系统委派任务并保持会话上下文。
05OpenAPI 导入：按规范文件批量导入外部接口，自动生成可调用工具。
06HTTP 注册：对无规范文档的既有系统，直接注册 HTTP 接口为工具。
02
平台后端基于 Java 与 Spring Boot 生态构建，前端基于 Vue 3 与 Vite 构建，依赖版本在交付文档中锁定，便于在信创环境中精确复现部署。
后端
Java 17+（支持 21）、Spring Boot 3.5.16、MyBatis-Plus 3.5.17、Druid 1.2.28、Sa-Token 1.45.0、LangChain4j 1.18.0、MCP Java SDK 0.9.1、Apache Tika 4.0、SpringDoc OpenAPI
前端
Vue 3、TypeScript 5、Vite 5、Pinia 2、Vue Router 4、TDesign Vue Next、pnpm 10
数据与中间件
MySQL 8.0+、Redis 7+（建议 7.2）、PostgreSQL 16/17 + pgvector 0.8.0+、Nginx（任意稳定版）
必要与可选组件
必要运行环境为 OpenSandbox Server（代码执行、技能与工作区）；Docling 与 MinerU（文档解析）、RustFS 与 S3 兼容对象存储、PostgreSQL + pgvector、Milvus / Elasticsearch、Ollama / vLLM / Xinference 为可选依赖，按场景启用
03
平台资源占用极低，全栈常驻内存约 700 MB，最低推荐配置即可流畅运行全部功能；生产环境按并发规模与是否本地部署大模型适当提升配置。
处理器8 vCPU 起步（ARM64 与 x86_64 均可），生产建议 16 核以上
内存16 GB 起步，生产建议 16–32 GB 或更高
磁盘100 GB SSD 起步，生产建议 200 GB 以上，本地部署大模型需额外预留模型文件空间
操作系统麒麟 V11 / V10 及其他国产 Linux、主流 Linux 发行版
网络内网部署，仅放行必要端口，建议不直接暴露公网
04
部署遵循「必要环境先就位、可选环境按需启用」的原则：必要环境缺失会影响平台运行，可选环境只影响对应的专项能力。
必要环境
JDK 17：应用运行时，Spring Boot 3.5 强制要求 Java 17；麒麟官方源提供 OpenJDK 17
MySQL 8.0+：业务数据库，保存会话、消息、应用与权限等业务事实
Redis 7+：缓存、会话、分布式锁与任务队列
OpenSandbox Server：代码执行、技能运行、Office 内容生成与沙箱工作区，依赖 Docker 24+ 运行时
可选环境
PostgreSQL 16/17 + pgvector 0.8.0+：知识库语义检索；只使用全文检索时可不部署
Docling：高级文档解析，支持表格、公式、代码、OCR 与版面分析
MinerU：复杂 PDF 与图文混排文档的高级解析
Milvus / Elasticsearch：向量存储的可选替代，按规模与检索模式选择
对象存储（RustFS / S3 兼容 / OSS / COS）：替代本地文件存储，支持多节点共享与 CDN 加速
Ollama / vLLM / Xinference：私有化模型推理与向量化运行时，用于本地部署大模型
必要环境是平台运行的最低集合；OpenSandbox 承载代码执行、技能与工作区能力，属于平台运行环境的组成部分。可选环境按场景启用，缺失时对应能力不可用，但不影响登录、对话与智能体等基础功能。
05
应用广场集中发布和发现经过验证的智能体、工作流与 Agentic 应用，按客服、知识问答、数据分析、内容创作、办公助手和流程自动化等场景组织，业务人员可以直接在已发布应用中发起对话，无需进入编辑器。
- 按业务场景组织应用
- 已发布应用直接对话
- 构建与消费分离
应用广场：按场景发现已发布应用
01 / 02
06
智能体模块在一个入口中承载三种应用范式：标准智能体、工作流智能体和 Agentic 智能体。创建应用时先选择构建方式，再完成基础配置；不同范式适合不同复杂度和确定性要求的任务，三类应用可以相互协同调用。
- 三类应用统一管理
- 按任务复杂度选择范式
- 范式之间可协同调用
创建应用：选择智能体、工作流或 Agentic 构建方式
01 / 02
07
标准智能体通过主模型、系统提示词和安全策略定义服务角色，并可挂载知识库、业务数据查询、插件、技能与外部服务。模型通过动态插件注册自动调用工具完成与外部系统的交互，在会话区即可验证回答、工具调用和工作区产物。
- 提示词与安全策略定义角色
- 知识、数据、插件与技能挂载
- 会话验证与产物交付
标准智能体会话：验证回答与工作区文件
01 / 02
08
工作流模式通过有序的可视化流程设计，让应用按固定顺序执行，并提供自由度很高的节点，支持循环、IF 判断、意图路由、决策模型路由、大语言模型、调用应用、知识库检索、数据库查询、文档解析、图片生成、文本转语音等节点，便于定制化业务场景。
- 可视化节点编排
- 流程控制与分支判断
- 节点状态与执行追踪
09
Agentic 模式通过挂载多个大模型或多个智能体应用，由主管智能体协同规划不同成员之间的交互，并在运行规则与应用数据契约的约束下完成任务分解、成员调度与结果评估，适合路径不固定的探索性和复杂任务。
- 主管规划与任务拆解
- 多成员协作编排
- 运行规则与数据契约约束
10
三类智能体共享同一套运行能力：对话日志记录每次会话与工具调用，调用监控与数据监控呈现运行质量，接入渠道与定时计划决定服务的触达方式。应用同时支持细粒度数据权限，可按组织或个人分配，并分别控制编辑应用、删除应用、查看应用日志等操作权限。
- 对话日志与调用监控
- 接入渠道与定时计划
- 组织与个人维度的细粒度权限
对话日志：记录会话与运行过程
01 / 03
11
知识库支持常见的三种向量化数据库，文档解析基本覆盖大部分文档类型，并针对 Excel 表格数据做了进一步优化。向量化时可配置增强索引，并对向量化后的文本分段手动标注索引，提升结构化内容和语义匹配的检索效果。
- 支持三种向量化数据库
- 覆盖多数文档类型并优化表格
- 增强索引与手动标注索引
- 知识图谱组织跨文档实体关系
知识库文档列表：解析状态与向量化进度
01 / 02
12
每个知识库都可以选择语义、全文或混合检索。平台会根据所选的 PgVector、Milvus V2 或 Elasticsearch 连接，自动收敛可用的距离算法、稀疏来源、融合方式与索引参数。混合模式同时执行语义召回和全文或稀疏召回，再通过 RRF 或 Weighted 融合，并可继续调用重排模型完成精排。
更换嵌入模型、向量维度、距离算法、稀疏来源或物理索引参数时，系统会创建独立索引版本，而不是覆盖当前活动索引。新版本构建期间旧版本继续提供查询，只有全部索引成功后才原子激活，构建失败不会影响线上检索。
- 语义、全文与混合三种检索模式
- PgVector、Milvus V2、Elasticsearch 能力感知配置
- Top K、最低相关度、RRF 或 Weighted 融合与可选重排
- 物理索引版本化、原子激活与失败隔离
13
文档拆分后支持在线预览，涵盖各种 Office 文档，并完整呈现知识库文档的分段信息。分段支持在线编辑、重新向量化以及配置是否启用，便于在导入后持续修正切分质量，让检索链路可解释、可调整。
- Office 文档在线预览
- 分段信息与元数据完整呈现
- 在线编辑、重新向量化与启停控制
文档预览：保留版式的 Office 文档在线查看
01 / 02
14
知识库支持细颗粒度的权限控制，可以分别限定用户能否删除文档、编辑知识库、查看知识库配置等，并按用户维度或组织维度共享数据。同时支持添加访问密钥，通过 API 把知识库检索能力对接给下沉的智能客服、搜索和业务系统。
- 按用户或组织共享数据
- 文档级、知识库级操作权限
- 访问密钥与检索 API
知识库数据权限：授权组织与文档、分权权限
01 / 02
15
智能问数把数据源下的可用表纳入分析范围，每次提问自动选择必要的数据表，用自然语言完成取数与计算，并直接输出结果表格与图表。查询范围、耗时与结果都可回看，让业务人员在受控边界内自助完成数据分析。
- 自动选择分析所需数据表
- 结果表格与图表直接生成
- 查询范围与耗时可见
16
数据源模块支持大量信创数据库以及常见数据库类型，并可按部署环境选择关闭 TLS、仅加密连接或完整校验证书与主机身份。接入之后可以查看原始的表结构信息，选中原始表并导入到自定义表，形成统一的可分析边界。
- 覆盖信创与常见数据库
- 按部署环境配置 TLS 连接策略
- 查看原始表结构
- 原始表导入为自定义表
数据源配置：接入数据库并管理表范围
01 / 02
17
导入后可以定义每张自定义表的字段信息，补充字段含义与说明，并为整张表增加语义化描述。AI 查询配置页面进一步为数据表增加语义化配置，包括表与表之间的关系、表与字段之间的关系以及字段的枚举定义，帮助 AI 更好地理解业务表结构。
- 自定义字段含义与说明
- 表与表、表与字段的关系配置
- 字段枚举定义与 AI 可用开关
自定义表结构：字段含义、补充说明与字段角色
01 / 02
18
内容创作把图像、视频、语音和长文本生产纳入同一套界面，支持配置模型与提示词后直接生成，并在列表与详情中管理已生成的产物，让内容生产可以被复用、被追溯，而不是一次性的对话结果。
- 图像、视频与语音生成
- 长文本文档创作
- 产物列表与详情管理
图像创作：配置模型与提示词生成图片
01 / 03
19
模型管理把对话、视觉、嵌入、重排、图像、语音与视频模型统一为可替换的资源池，既支持主流云服务，也兼容 Xinference、vLLM 等 OpenAI 兼容私有运行时，并显式治理向量维度与 Dense、Sparse 输出能力。PgVector、Milvus V2 与 Elasticsearch 则构成可替换的知识检索底座。
- 多类型模型与供应商统一管理
- 云服务与私有运行时并存
- 显式治理向量维度与 Dense、Sparse 输出
- PgVector、Milvus V2、Elasticsearch 可替换
- 上层应用不绑定具体供应商
模型管理：统一维护模型资源池
01 / 02
20 / Model Routing
模型路由让应用绑定一个稳定的逻辑目标，由平台在运行时选择真正执行的物理模型。路由可以先按平台、组织或用户限定使用范围，再按有序的用户与组织规则选择候选模型，使智能体、工作流、知识加工和内容生成不再绑定某个供应商或私有化实例。
平台 / 组织 / 用户作用域模型与路由双选请求热路径缓存
STRATEGY 01
故障转移
按优先级调用候选，仅在安全且可重试的瞬时故障中切换备用模型
STRATEGY 02
按权重
按相对权重分配首选模型，适合灰度发布、成本分配和不同容量实例
STRATEGY 03
轮询
在同规格私有模型实例间依次轮转，均匀分散新请求
应用通过同一个模型选择器自由选择物理模型或模型路由
规则支持用户与组织条件，AND/OR 语义和未命中行为均明确可见
编译后的路由快照让数据库与 Redis 退出请求热路径
21
决策模型把结构化选择、分类与评分作为独立模型能力。LangChat 以 TypeSafe System One 请求与响应契约统一封装供应商差异；TypeSafe 托管模型、Ollama 部署以及兼容 System One 的服务，都可以通过同一个入口供工作流决策节点调用。
- 独立的工作流节点：评估当前状态，并把流程路由到匹配的分支
- 基于概率的路由：结合候选概率、最低概率与分数边际阈值控制低置信度结果
- 供应商无关的接入：在工作流中选择可用决策模型，无需依赖特定供应商的请求格式
- 模型目录：提供 TypeSafe 与 Ollama 决策模型，包括 `tev1:0.8b` 等本地模型
22 / Responses API
Responses API 为外部系统提供一套同时覆盖模型生成、状态续接、函数交接和平台事件的结构化协议。登录态应用通过 `POST /responses` 直接选择模型，无需绑定 Agent ID；已发布智能体则通过原有渠道密钥、访客隔离、限流、工具授权、安全策略和审计链路暴露 `POST /v1/responses`。两类入口在内部都汇入与传输协议无关的 ChatEvent 运行时，因此平台可以增加 Responses 协议，而不需要替换既有 Chat Completions 接口，也不会让业务模块绑定某一种流格式。
JSON + SSEFUNCTION CALLSTATEFUL RESPONSELANGCHAT.EVENT
登录态
POST /responses直接选择模型，无需绑定 Agent ID
公开渠道
POST /v1/responses沿用渠道认证、限流与 Agent 授权
协议转换路径
01
请求校验与映射
02
统一 ChatEvent 运行时
03
Responses JSON / SSE 投影
response.createdresponse.output_text.deltalangchat.eventresponse.completed
结构化响应流
通过 JSON 或带事件类型的 SSE 输出响应生命周期、文本增量、输出项、用量、不完整状态和 OpenAI 风格错误
外部函数交接
直接模型调用可声明函数、流式接收参数并保留 call ID，由调用方执行后通过 function_call_output 继续
有状态续接
在按身份隔离的 Redis 空间保存响应，通过 previous_response_id 续接，并支持查询、删除和后台取消
平台事件投影
工具、检索、工作流、权限与工作区进度统一输出为 langchat.event，无需逐个重构事件生产者
Agent 已配置工具继续由平台执行，避免外部调用方重复执行同一工具
对托管工具、多模态 item 和缺少可靠运行语义的字段明确返回能力错误，不做静默降级
23
长期记忆沉淀全部记忆、长期指令、用户偏好、项目事实、用户画像和其他类别，既有聊天过程中自动沉淀的记忆，也有用户自行添加的全局记忆。记忆压缩会统计会话所占用的 token，超过模型上限时自动触发压缩，并支持配置质量优先、均衡模式和容量优先模式，以及触发比例与保留对话轮数。
- 六类记忆统一沉淀与管理
- 会话 token 统计与自动压缩
- 压缩策略、触发比例与保留轮数
长期记忆：记忆分类、来源与启停管理
01 / 02
24
用量与限额按用户维度或组织维度限定 Token 使用上限。默认不设上限，一旦配置了限额，用户聊天超过个人上限或组织上限时会被直接拦截。页面同时展示周期额度、已用与剩余 Token，以及当前对象的调用记录，让成本可控、可追溯。
- 按用户或组织配置上限
- 超限直接拦截
- 周期额度与调用记录可见
25
技能管理把可复用的专业任务封装为技能包，维护语义资料、触发词、适用任务与默认模型，供 AI 判断何时激活；技能市场可以按需添加技能。工具管理则通过 OpenAPI 标准规范把外部接口快速引入为可调用工具，让模型能够执行真实的业务动作。
- 技能包注册与语义触发
- 技能市场按需添加
- OpenAPI 快速导入为工具
技能管理：语义资料、触发词与适用任务
01 / 03
26
平台通过 MCP 标准协议扩展工具能力，MCP 服务与 MCP 应用市场统一管理服务的发现、配置与运行；A2A 智能体则把外部智能体应用纳入统一管理，使平台内的智能体能够与外部的智能体协作。所有智能体都支持通过 FuncCall、MCP、Skill 以及 A2A 协议接入外部业务系统。
- MCP 服务与市场统一管理
- A2A 外部智能体接入
- FuncCall、MCP、Skill 与 A2A 协议
MCP 服务：统一管理服务配置与运行
01 / 03
27
提示词库把经过验证的提示词沉淀为可复用资产，统一维护表达方式。安全策略则像一道电子围栏，针对大模型调用分别定义输入处理、工具处理、思考处理和输出处理四个阶段的策略，并可以选择拦截、替换或仅记录不拦截等处理方式。
- 提示词沉淀为可复用资产
- 四阶段安全防护
- 拦截、替换与仅记录策略
- 内容安全量化运行效果
提示词库：沉淀与复用提示词资产
01 / 02
28
策略定义后，启用了该策略的智能体应用内的所有调用都会受管控。一旦命中，就按配置处理：例如把某个词设为敏感词并限定输入拦截，用户输入命中时直接拦截、不再调用大模型；模型输出命中关键词时，同样对输出结果做拦截处理。监控页面则记录命中信息，让策略效果可以被验证。
- 启用策略的应用全部受管控
- 命中即按策略拦截或替换
- 监控页面量化命中情况
安全策略队列：分级策略与规则清单
01 / 02
29
系统配置维护产品级的运行参数与品牌偏好，例如系统标识等；通知管理统一配置钉钉、企业微信和邮件等推送渠道，把任务结果、告警和站内消息按渠道触达相关人员。
- 产品级运行参数与品牌配置
- 钉钉、企业微信与邮件渠道
- 任务与告警消息触达
系统配置：产品级参数与偏好设置
01 / 02
30
文件存储列表统一管理平台内的上传文件与产物，明确文件归属与存储位置；任务调度管理后台任务与周期任务，让数据同步、向量化、批量处理等操作可以在后台稳定运行。
- 统一文件资产列表
- 后台任务与周期任务
- 支撑同步与批量处理
文件存储：统一管理上传文件与产物
01 / 02
31
运维中心提供操作日志统计、运行日志与命令终端。运行日志支持 AI 分析，帮助快速定位异常原因；命令终端在受控范围内执行现场诊断命令，避免为了排障而直接登录服务器。
- 操作日志统计与审计
- 运行日志支持 AI 分析
- 受控命令终端现场诊断
操作日志：接口调用统计与审计
01 / 03
32
系统监控呈现服务器指标与基础设施健康度，模型监控则衡量 AI 服务的运行质量，包括调用量、响应与异常情况。两者结合，让运维团队既能看到基础设施状态，也能判断模型服务是否稳定可用。
- 服务器指标与健康度
- 模型调用量与响应质量
- 基础设施与服务双层可见
系统监控：服务器指标与运行健康度
01 / 02
33
用户管理维护权限主体，角色管理把可复用的授权模板沉淀下来，组织管理则支撑多部门的分层与隔离运营。三者共同构成平台权限体系的组织基础，让应用和知识资产可以按组织结构授权。
- 用户主体维护
- 角色作为可复用授权模板
- 组织分层与隔离运营
- 在线会话可见并可管理
- 客户端支持网页、桌面与小程序运营
用户管理：权限主体入口
01 / 03
34
菜单管理维护平台的导航与功能入口，把菜单、权限与角色关联起来，决定不同角色在平台中可以看到和操作的功能范围，使界面与授权保持一致。
- 导航与功能入口维护
- 菜单与权限关联
- 角色可见范围一致
35
工作空间为每个会话提供隔离的执行环境，管理输入资料、临时文件与最终产物，并呈现磁盘占用、任务与沙箱生命周期；沙箱支持容器监控与终端控制，让代码执行和文件操作在受控环境中完成，降低数据串用与越权风险。
- 会话级隔离执行环境
- 工作区磁盘与任务监控
- 沙箱容器监控与终端控制
- 运行环境隔离且可重复执行
工作空间：会话隔离、磁盘监控与运行诊断
01 / 03
36
平台基于 Java 跨平台特性构建，已完成麒麟 V11 与 V10 的端到端部署验证，同时支持 ARM64 与 x86_64 双架构，一套交付物可在国产环境中直接运行，产品能力与通用环境完全一致。
操作系统
麒麟 Kylin V11 与 V10 已实测验证，兼容 openEuler 系及其他国产 Linux
处理器架构
ARM64（鲲鹏、飞腾）与 x86_64（Intel、AMD、海光）双重支持
数据库
MySQL、PostgreSQL，以及高斯 GaussDB、达梦等国产数据库
本地大模型
Ollama、vLLM、Xinference 私有化部署，数据不出内网
沙箱运行时
OpenSandbox Server 容器化部署，需 Docker 24+
信创环境的完整部署流程、实测验证结果与环境截图，见平台信创适配专页（/xinchuang）。
37
LangChat Agentic 不只是聊天界面。平台把 AI 能力、业务数据、知识资产、内容生产与平台治理统一为可配置、可发布、可追溯、可运营的产品体系，帮助企业形成一套能够建设、发布、使用、审计和持续改进的 AI 应用资产。
- 业务人员获得 AI 应用门户、业务对话、自然语言数据分析与内容创作能力
- 建设者获得三类智能体设计、知识加工、数据源配置、技能工具 MCP 资源、提示词资产与工作空间
- 管理员获得模型管理、安全策略、用量限额、可观测性、权限、系统配置、日志与任务能力
- 运维团队获得系统监控、运行日志、命令终端、任务调度与客户端运营能力