AI 与机器学习节点

AI 与机器学习节点是 TeGo-AI 引擎中专注于人工智能和机器学习功能的核心节点集合。这些节点集成了主流的 AI 服务和模型，让您无需深度学习专业知识就能在工作流中运用强大的 AI 能力。
用途：

• 智能处理：集成文本生成、图像识别、语音转录等 AI 能力到自动化流程中。
• 多模型支持：支持 OpenAI、Hugging Face、Google Cloud 等多种 AI 服务提供商。
• 向量搜索：实现语义搜索、推荐系统等基于向量的 AI 应用。
• 自动化决策：利用 AI 模型的预测和分析能力实现智能化的业务决策。

---

OpenAI

节点用途：

• 调用 OpenAI GPT / DALL·E / Whisper API，完成文本生成、图像生成、语音转录等任务。

使用场景：

• 文本生成：自动生成营销文案
• 图像创作：根据提示词生成海报
• 语音转录：将会议录音转为文字

节点参数：

参数名称	含义	格式/选项	示例
Operation	操作类型	Chat / Image / Transcribe	Chat
Model	模型名称	gpt-3.5-turbo / gpt-4 / dall-e-3	gpt-3.5-turbo
Prompt	提示文本	字符串	为新产品写一段推文
Max Tokens	最大返回长度	数字	150
Credentials	OpenAI API Key	字符串	openai-prod

配置示例：

• 场景：生成推文
• 配置：

Operation: Chat
Model: gpt-3.5-turbo
Prompt: 为新产品写一段推文
Max Tokens: 150
Credentials: openai-prod

---

Hugging Face

节点用途：

• 调用 Hugging Face Inference API，使用数千种开源模型完成 NLP/CV 任务。

使用场景：

• 情感分析： 判断用户评论正负面
• 图像分类： 识别产品缺陷
• 翻译： 将用户反馈翻译成英文

节点参数：

参数名称	含义	格式/选项	示例
Model	模型 ID	字符串	distilbert-base-uncased-finetuned-sst-2-english
Inputs	输入文本或图片	字符串	服务非常棒！
Parameters	推理参数	JSON对象	{"wait_for_model":true}
Credentials	HF Token（可选）	字符串	hf-prod

配置示例：

• 场景： 情感分析
• 配置：

Model: distilbert-base-uncased-finetuned-sst-2-english
Inputs: 服务非常棒！
Credentials: hf-prod

---

Google Cloud Natural Language

节点用途：

• 使用 Google Cloud NLP API 进行实体识别、情感分析、语法分析。

使用场景：

• 实体抽取： 从新闻中提取公司与人物
• 情感打分： 分析社交媒体舆情
• 分类： 自动标记工单类型

节点参数：

参数名称	含义	格式/选项	示例
Operation	操作类型	analyzeSentiment / analyzeEntities	analyzeSentiment
Text	输入文本	字符串	产品体验很棒！
Language	语言代码	字符串	zh
Credentials	GCP 服务账户	字符串	gcp-nlp-prod

配置示例：

• 场景： 情感打分
• 配置：

Operation: analyzeSentiment
Text: 产品体验很棒！
Language: zh
Credentials: gcp-nlp-prod

---

IBM Watson Natural Language Understanding

节点用途：

• 利用 Watson NLU 进行情感、实体、概念、关键词提取。

使用场景：

• 概念提取：从论文中提炼主题
• 关键词：为文章生成 SEO 关键字
• 情感：监控品牌声誉

节点参数：

参数名称	含义 / 格式选项	示例
Text	输入文本	这篇文章讨论了量子计算的最新进展
Features	提取功能：entities / keywords / sentiment	entities,keywords
Language	语言	en
Credentials	Watson API Key	watson-nlu-prod

配置示例：

• 场景：关键词提取
• 配置：

Text: 这篇文章讨论了量子计算的最新进展
Features: entities,keywords
Language: en
Credentials: watson-nlu-prod

---

Vectorize (Pinecone)

节点用途：

• 将文本或嵌入写入 Pinecone 向量数据库，实现语义搜索。

使用场景：

• 语义检索：在 FAQ 中快速匹配相似问题
• 推荐：基于描述向量推荐商品
• 去重：检测重复简历

节点参数：

参数名称	含义 / 格式选项	示例
Operation	upsert / query / delete	upsert
Index	索引名称	faq-index
Vectors	向量数组	[0.1,0.02,-0.3,...]
Metadata	附加信息	{"q":"如何重置密码"}
Credentials	Pinecone Key	pinecone-prod

配置示例：

• 场景：写入 FAQ 向量
• 配置：

Operation: upsert
Index: faq-index
Vectors: [0.1,0.02,...]
Metadata: {"q":"如何重置密码"}
Credentials: pinecone-prod

---

Pinecone

节点用途：

• 同上，官方节点，支持批量操作与命名空间。

使用场景：

• 命名空间隔离：不同客户数据分空间存储
• 批量写入：一次性导入 10 万条向量
• 相似度搜索：查找最相似文章

节点参数：

参数名称	含义 / 格式选项	示例
Operation	upsert / query / delete	query
Index	索引名	article-index
Namespace	命名空间	client-abc
Top K	返回条数	5
Vector	查询向量	[0.12,0.33,...]
Credentials	Pinecone Key	pinecone-prod

配置示例：

• 场景：相似文章搜索
• 配置：

Operation: query
Index: article-index
Namespace: client-abc
Top K: 5
Vector: [0.12,0.33,...]
Credentials: pinecone-prod

---

Weaviate

节点用途：

• 开源向量搜索引擎，支持 GraphQL 语义查询。

使用场景：

• 知识图谱：将产品手册向量化后问答
• 多模态：同时索引文本与图片
• 实时更新：增量添加新商品

节点参数：

参数名称	含义 / 格式选项	示例
Operation	create / search / delete	search
Class	数据类别	Product
Query	向量查询对象	{vector:[...],certainty:0.8}
Properties	返回字段	["name","price"]
Credentials	Weaviate Key	weaviate-prod

配置示例：

• 场景：搜索相似商品
• 配置：

Operation: search
Class: Product
Query: {vector:[...],certainty:0.8}
Properties: ["name","price"]
Credentials: weaviate-prod

---

Qdrant

节点用途：

• 高性能开源向量数据库，支持过滤与负载均衡。

使用场景：

• 推荐系统：实时检索相似用户
• 异常检测：向量距离检测异常行为
• 过滤搜索：按标签+向量联合查询

节点参数：

参数名称	含义 / 格式选项	示例
Operation	upsert / search / delete	search
Collection	集合名	users
Vector	查询向量	[0.5,-0.1,...]
Filter	过滤条件	{"age":{"gte":18}}
Limit	返回条数	10
Credentials	Qdrant URL & Key	qdrant-prod

配置示例：

• 场景：搜索成年相似用户
• 配置：

Operation: search
Collection: users
Vector: [0.5,-0.1,...]
Filter: {"age":{"gte":18}}
Limit: 10
Credentials: qdrant-prod

---

Milvus

节点用途：

• 云原生开源向量数据库，支持十亿级向量检索。

使用场景：

• 大规模：在十亿图片中秒级找相似
• 混合查询：向量+标量混合过滤
• 动态扩展：自动扩容集群

节点参数：

参数名称	含义 / 格式选项	示例
Operation	insert / search / delete	search
Collection	集合名	images
Vector	查询向量	[0.11,0.22,...]
Top K	返回条数	20
Output Fields	返回字段	["id","url"]
Credentials	Milvus URI & Token	milvus-prod

配置示例：

• 场景：亿级图片搜索
• 配置：

Operation: search
Collection: images
Vector: [0.11,0.22,...]
Top K: 20
Output Fields: ["id","url"]
Credentials: milvus-prod

---

Chroma DB

节点用途：

• 轻量级本地向量数据库，适合原型与边缘场景。

使用场景：

• 本地 QA：在笔记本构建离线问答
• 嵌入缓存：缓存句子嵌入结果
• 快速迭代：无需云端即可测试

节点参数：

参数名称	含义 / 格式选项	示例
Operation	add / query / delete	query
Collection	集合名	faq
Query Embeddings	查询向量	[[0.1,0.2,...]]
N Results	返回条数	3
Include	返回内容：documents / distances / metadatas	documents
Credentials	Chroma 路径（本地可留空）	/data/chroma

配置示例：

• 场景：本地 FAQ 问答
• 配置：

Operation: query
Collection: faq
Query Embeddings: [[0.1,0.2,...]]
N Results: 3
Include: documents
Credentials: /data/chroma

---

Cohere

节点用途：

• 调用 Cohere 大模型进行文本生成、嵌入、摘要等。

使用场景：

• 摘要：将长工单压缩为一句话
• 嵌入：生成段落向量入库
• 分类：自动标记邮件类别

节点参数：

参数名称	含义 / 格式选项	示例
Operation	generate / embed / summarize	summarize
Model	模型名	command
Text	输入文本	客户反馈长文本...
Length	摘要长度：short / medium / long	medium
Credentials	Cohere API Key	cohere-prod

配置示例：

• 场景：工单摘要
• 配置：

Operation: summarize
Model: command
Text: 客户反馈长文本...
Length: medium
Credentials: cohere-prod

---

AI Agent (Beta)

节点用途：

• 调用 LangChain 风格智能体，可链式调用工具与大模型。

使用场景：

• 多步推理：先搜索再总结
• 工具调用：查询数据库后生成自然语言回答
• 对话状态：保持上下文连续对话

节点参数：

参数名称	含义 / 格式选项	示例
Agent Type	zero-shot / conversational	zero-shot
Tools	工具列表	["search","calculator"]
Prompt	系统提示	你是一个客服助手
Input	用户问题	如何退款？
Credentials	OpenAI Key	openai-prod

配置示例：

• 场景：客服助手
• 配置：

Agent Type: zero-shot
Tools: ["search","calculator"]
Prompt: 你是一个客服助手
Input: 如何退款？
Credentials: openai-prod

---

Stability AI

节点用途：

• 调用 Stable Diffusion 接口生成高质量图像。

使用场景：

• 海报：根据标题生成营销海报
• 头像：为用户生成个性化头像
• 纹理：创建 3D 模型纹理

节点参数：

参数名称	含义 / 格式选项	示例
Prompt	英文提示词	A futuristic city, cyberpunk style, 4k
Width / Height	图像尺寸	512 / 512
Steps	去噪步数	30
Seed	随机种子（可选）	12345
Credentials	Stability API Key	stability-prod

配置示例：

• 场景：生成赛博朋克城市
• 配置：

Prompt: A futuristic city, cyberpunk style, 4k
Width: 512
Height: 512
Steps: 30
Seed: 12345
Credentials: stability-prod

---

Microsoft Azure OpenAI

节点用途：

• 在 Azure 上调用 OpenAI 模型，满足合规与私有网络需求。

使用场景：

• 企业聊天：构建内部知识问答
• 合规：数据不出境
• 私有端点：通过 VNet 访问

节点参数：

参数名称	含义 / 格式选项	示例
Deployment Name	Azure 部署名	gpt-35-turbo
Operation	Chat / Embeddings	Chat
Prompt	用户提示	总结以下会议纪要...
Max Tokens	最大 token 数	300
Credentials	Azure OpenAI 密钥	azure-oa-prod

配置示例：

• 场景：会议纪要总结
• 配置：

Deployment Name: gpt-35-turbo
Operation: Chat
Prompt: 总结以下会议纪要...
Max Tokens: 300
Credentials: azure-oa-prod

---

LangChain

节点用途：

• 构建链式 AI 任务，支持记忆、工具、代理。

使用场景：

• 问答链：先检索向量库再回答
• SQL 链：自然语言转 SQL 查询
• 内存：保持多轮对话历史

节点参数：

参数名称	含义 / 格式选项	示例
Chain Type	RetrievalQA / SQLDatabaseChain	RetrievalQA
Retriever	向量库检索器	{{$node["Weaviate"].retriever}}
Prompt Template	提示模板	根据以下上下文回答：{context}
Input	用户问题	产品保修多久？
Credentials	OpenAI Key	openai-prod

配置示例：

• 场景：检索问答
• 配置：

Chain Type: RetrievalQA
Retriever: {{$node["Weaviate"].retriever}}
Prompt Template: 根据以下上下文回答：{context}
Input: 产品保修多久？
Credentials: openai-prod

---

Google PaLM

节点用途：

• 使用 Google PaLM 2 模型进行文本生成与聊天。

使用场景：

• 聊天机器人：在 App 中嵌入聊天
• 补全：自动补全代码注释
• 翻译：多语言实时翻译

节点参数：

参数名称	含义 / 格式选项	示例
Model	模型：text-bison / chat-bison	chat-bison
Prompt	输入文本	用三句话介绍机器学习
Temperature	采样温度	0.7
Max Tokens	最大长度	100
Credentials	GCP 服务账户	gcp-palm-prod

配置示例：

• 场景：生成简介
• 配置：

Model: chat-bison
Prompt: 用三句话介绍机器学习
Temperature: 0.7
Max Tokens: 100
Credentials: gcp-palm-prod

---

Anthropic Claude (via AWS Bedrock)

节点用途：

• 通过 AWS Bedrock 调用 Claude，享受 AWS 安全与计费。

使用场景：

• 长文档：处理超长 PDF 摘要
• 对话：构建客服机器人
• 合规：使用 IAM 细粒度权限

节点参数：

参数名称	含义 / 格式选项	示例
Model ID	Claude 模型 ID	anthropic.claude-v2
Prompt	用户提示	请总结以下合同条款...
Max Tokens	最大输出长度	500
Temperature	采样温度	0.5
Credentials	AWS Bedrock	bedrock-prod

配置示例：

• 场景：合同条款总结
• 配置：

Model ID: anthropic.claude-v2
Prompt: 请总结以下合同条款...
Max Tokens: 500
Temperature: 0.5
Credentials: bedrock-prod

---

AWS Comprehend

节点用途：

• 调用 AWS 托管 NLP 服务，完成实体、情感、主题检测。

使用场景：

• 实体识别：提取人名、地点、品牌
• 情感分析：评估社交媒体反馈
• PII 检测：扫描文档敏感信息

节点参数：

参数名称	含义 / 格式选项	示例
Operation	DetectEntities / DetectSentiment / DetectPII	DetectSentiment
Text	输入文本	我对这次服务非常满意
Language	语言代码	zh
Credentials	AWS 账户	aws-comp-prod

配置示例：

• 场景：情感检测
• 配置：

Operation: DetectSentiment
Text: 我对这次服务非常满意
Language: zh
Credentials: aws-comp-prod

---

AWS Rekognition

节点用途：

• 图像与视频分析，识别人脸、物体、文字、不当内容。

使用场景：

• 人脸比对：员工门禁刷脸
• 内容审核：自动过滤违规图片
• OCR：提取身份证信息

节点参数：

参数名称	含义 / 格式选项	示例
Operation	DetectLabels / DetectFaces / ModerateContent	DetectLabels
Image	图片二进制或 S3 对象	{{$binary.image}}
Max Labels	最大返回标签数	10
Min Confidence	置信度阈值	80
Credentials	AWS 账户	aws-rek-prod

配置示例：

• 场景：识别图片内容
• 配置：

Operation: DetectLabels
Image: {{$binary.image}}
Max Labels: 10
Min Confidence: 80
Credentials: aws-rek-prod

---

AWS Transcribe

节点用途：

• 将音频文件转录为文本，支持多种语言和说话人分离。

使用场景：

• 会议记录：自动转录 Zoom 录音
• 字幕：为视频生成 SRT 字幕
• 客服质检：分析通话内容

节点参数：

参数名称	含义 / 格式选项	示例
Language	语言代码	zh-CN
Media File	音频二进制或 S3 对象	{{$binary.recording}}
Identify Speakers	说话人分离：true / false	true
Output Format	json / srt	json
Credentials	AWS 账户	aws-trans-prod

配置示例：

• 场景：转录中文会议
• 配置：

Language: zh-CN
Media File: {{$binary.recording}}
Identify Speakers: true
Output Format: json
Credentials: aws-trans-prod

---

AWS Translate

节点用途：

• 实时文本翻译，支持 70+ 语言。

使用场景：

• 实时客服：将用户消息翻译成中文
• 文档翻译：批量翻译产品手册
• 多语言通知：生成多语种推送

节点参数：

参数名称	含义 / 格式选项	示例
Text	待翻译文本	Hello, world!
Source Language	源语言代码	auto
Target Language	目标语言代码	zh
Credentials	AWS 账户	aws-translate-prod

配置示例：

• 场景：英文转中文
• 配置：

Text: Hello, world!
Source Language: auto
Target Language: zh
Credentials: aws-translate-prod

---

AWS Polly

节点用途：

• 文本转语音，生成自然语音音频。

使用场景：

• 语音播报：订单状态语音通知
• 有声内容：将博客转为 MP3
• IVR：构建电话菜单语音

节点参数：

参数名称	含义 / 格式选项	示例
Text	待合成文本	您的订单已发货
Voice	声音 ID	Zhiyu
Output Format	mp3 / ogg_vorbis	mp3
Credentials	AWS 账户	aws-polly-prod

配置示例：

• 场景：中文女声播报
• 配置：

Text: 您的订单已发货
Voice: Zhiyu
Output Format: mp3
Credentials: aws-polly-prod

---

Google Cloud Vision

节点用途：

• 图像分析：OCR、人脸、物体、地标检测。

使用场景：

• OCR：读取发票文字
• 安全帽检测：工地合规检查
• 地标识别：旅游照片自动标记

节点参数：

参数名称	含义 / 格式选项	示例
Operation	textDetection / faceDetection / labelDetection	textDetection
Image	图片二进制或 URL	{{$binary.invoice}}
Language Hints	语言提示	zh
Credentials	GCP 服务账户	gcp-vision-prod

配置示例：

• 场景：发票 OCR
• 配置：

Operation: textDetection
Image: {{$binary.invoice}}
Language Hints: zh
Credentials: gcp-vision-prod

---

Google Cloud Speech-to-Text

节点用途：

• 实时或批量语音转文字，支持 120+ 语言。

使用场景：

• 客服电话：实时转录通话
• 语音笔记：将录音转为会议纪要
• 字幕：生成视频字幕

节点参数：

参数名称	含义 / 格式选项	示例
Audio	音频二进制或 URI	{{$binary.voice}}
Language	语言代码	en-US
Enable Automatic Punctuation	自动标点：true / false	true
Credentials	GCP 服务账户	gcp-stt-prod

配置示例：

• 场景：英文录音转文字
• 配置：

Audio: {{$binary.voice}}
Language: en-US
Enable Automatic Punctuation: true
Credentials: gcp-stt-prod

---

Google Cloud Translation

节点用途：

• 谷歌翻译 API，支持动态检测语言与批量翻译。

使用场景：

• 实时聊天：多语言客服
• 文档批量：翻译整站内容
• 语言检测：自动识别用户语言

节点参数：

参数名称	含义 / 格式选项	示例
Text	待翻译文本	Good morning
Source Language	auto / en	auto
Target Language	zh	zh
Credentials	GCP 服务账户	gcp-trans-prod

配置示例：

• 场景：自动检测并翻译
• 配置：

Text: Good morning
Source Language: auto
Target Language: zh
Credentials: gcp-trans-prod

---

Replicate

节点用途：

• 一键调用 Replicate 平台上数千个开源 AI 模型。

使用场景：

• 文生图：Stable Diffusion XL
• 图生视频：AnimateDiff
• 语音克隆：bark-voice-cloning

节点参数：

参数名称	含义 / 格式选项	示例
Model	模型版本	stability-ai/stable-diffusion-xl
Input	参数字典	{"prompt":"a cat in space"}
Timeout	最长等待秒数	300
Credentials	Replicate Token	replicate-prod

配置示例：

• 场景：生成太空猫图片
• 配置：

Model: stability-ai/stable-diffusion-xl
Input: {"prompt":"a cat in space"}
Timeout: 300
Credentials: replicate-prod

---

AssemblyAI

节点用途：

• 高精度语音转文字与音频智能分析（说话人、章节、情感）。

使用场景：

• 播客：自动生成章节与摘要
• 会议：识别发言人并生成纪要
• 合规：检测敏感词

节点参数：

参数名称	含义 / 格式选项	示例
Audio URL	音频地址或上传	https://cdn.example.com/meeting.mp3
Language Detection	自动检测语言：true / false	true
Speaker Labels	说话人标签：true / false	true
Summarization	生成摘要：true / false	true
Credentials	AssemblyAI Key	aai-prod

配置示例：

• 场景：生成会议纪要与摘要
• 配置：

Audio URL: https://cdn.example.com/meeting.mp3
Language Detection: true
Speaker Labels: true
Summarization: true
Credentials: aai-prod

---

DeepL

节点用途：

• 高质量机器翻译，支持 30+ 语言及正式/非正式语气。

使用场景：

• 市场本地化：翻译广告文案
• 语气控制：对德语客户使用正式语气
• 文档：批量翻译 PDF

节点参数：

参数名称	含义 / 格式选项	示例
Text	待翻译文本	Welcome to our store!
Source Lang	auto / EN	auto
Target Lang	DE	DE
Formality	default / more / less	more
Credentials	DeepL API Key	deepl-prod

配置示例：

• 场景：正式德语翻译
• 配置：

Text: Welcome to our store!
Source Lang: auto
Target Lang: DE
Formality: more
Credentials: deepl-prod

---

ElevenLabs

节点用途：

• 高品质语音合成，支持声音克隆与多语言。

使用场景：

• 有声书：将文章转为逼真语音
• 品牌声音：使用 CEO 克隆声音播报
• 多语言：同一声音讲 20 种语言

节点参数：

参数名称	含义 / 格式选项	示例
Text	待合成文本	欢迎来到我们的播客
Voice ID	声音 ID	pNInz6obpgDQGcFmaJgB
Model	模型：eleven_multilingual_v2	eleven_multilingual_v2
Stability	稳定性 0-1	0.5
Credentials	ElevenLabs Key	eleven-prod

配置示例：

• 场景：中文语音播报
• 配置：

Text: 欢迎来到我们的播客
Voice ID: pNInz6obpgDQGcFmaJgB
Model: eleven_multilingual_v2
Stability: 0.5
Credentials: eleven-prod

---

Azure AI Vision

节点用途：

• Azure 计算机视觉服务，包含 OCR、人脸、图像描述。

使用场景：

• 表单识别：自动提取发票字段
• 无障碍：为图片生成描述供视障人士
• 人脸比对：员工门禁签到

节点参数：

参数名称	含义 / 格式选项	示例
Operation	analyze / describe / ocr	ocr
Image	图片二进制或 URL	{{$binary.form}}
Language	识别语言	zh-Hans
Credentials	Azure AI Key	az-vision-prod

配置示例：

• 场景：发票 OCR
• 配置：

Operation: ocr
Image: {{$binary.form}}
Language: zh-Hans
Credentials: az-vision-prod

---

Azure AI Speech

节点用途：

• Azure 语音服务，提供 STT、TTS 与语音翻译。

使用场景：

• 实时字幕：会议实时转录并翻译
• 语音助手：自定义唤醒词
• 批量：将 1000 小时录音转文字

节点参数：

参数名称	含义 / 格式选项	示例
Operation	stt / tts / translate	stt
Audio	音频二进制或 URL	{{$binary.audio}}
Source Language	语言代码	zh-CN
Target Language	翻译目标（可选）	en
Credentials	Azure Speech Key	az-speech-prod

配置示例：

• 场景：中文转英文
• 配置：

Operation: translate
Audio: {{$binary.audio}}
Source Language: zh-CN
Target Language: en
Credentials: az-speech-prod

---

Clarifai

节点用途：

• Clarifai 平台通用 AI 工作流，支持自定义模型与输入输出。

使用场景：

• 自定义模型：上传并调用自有服装分类模型
• 批量预测：对 10 万张图打标签
• 工作流：串联多个模型输出

节点参数：

参数名称	含义 / 格式选项	示例
User ID	Clarifai 用户 ID	myorg
App ID	应用 ID	fashion
Model ID	模型 ID	apparel-classifier
Inputs	输入列表	[{"data":{"image":{"url":"..."}}}]
Credentials	Clarifai PAT	clarifai-prod

配置示例：

• 场景：服装分类
• 配置：

User ID: myorg
App ID: fashion
Model ID: apparel-classifier
Inputs: [{"data":{"image":{"url":"..."}}}]
Credentials: clarifai-prod

---

Hugging Face Inference Endpoints

节点用途：

• 调用 Hugging Face 专用 GPU 推理端点，低延迟高并发。

使用场景：

• 生产环境：低延迟 LLM 推理
• 微调模型：部署私有微调 BERT
• 弹性：自动扩缩容

节点参数：

参数名称	含义 / 格式选项	示例
Endpoint URL	专用端点地址	https://abc123.us-east-1.aws.endpoints.huggingface.cloud
Inputs	输入字典	{"inputs":"你好"}
Parameters	推理参数	{"max_new_tokens":50}
Credentials	Bearer Token	hf-endpoint-prod

配置示例：

• 场景：调用专用 LLM
• 配置：

Endpoint URL: https://abc123.us-east-1.aws.endpoints.huggingface.cloud
Inputs: {"inputs":"你好"}
Parameters: {"max_new_tokens":50}
Credentials: hf-endpoint-prod

---

OpenAI Embeddings

节点用途：

• 使用 OpenAI 的 text-embedding-ada-002 等模型，将文本转为高维向量。

使用场景：

• 语义搜索：将产品描述向量化后快速匹配
• 聚类：按内容相似度对客户反馈分组
• 推荐：基于用户历史生成兴趣向量

节点参数：

参数名称	含义 / 格式选项	示例
Model	模型：text-embedding-ada-002	text-embedding-ada-002
Input	文本或数组	["苹果", "香蕉"]
Credentials	OpenAI Key	openai-prod

配置示例：

• 场景：生成商品向量
• 配置：

Model: text-embedding-ada-002
Input: ["苹果", "香蕉"]
Credentials: openai-prod

---

Vertex AI PaLM2 Text

节点用途：

• Google Cloud Vertex AI 的 PaLM2 文本生成，高配额、企业级。

使用场景：

• 批量摘要：将 10 万条评论摘要
• 代码生成：根据注释生成 Python 脚本
• 问答：企业知识库问答

节点参数：

参数名称	含义 / 格式选项	示例
Prompt	输入提示	用 Python 读取 CSV
Max Tokens	最大输出	200
Temperature	采样温度	0.2
Location	Vertex 区域	us-central1
Credentials	GCP 服务账户	vertex-palm-prod

配置示例：

• 场景：生成 Python 脚本
• 配置：

Prompt: 用 Python 读取 CSV
Max Tokens: 200
Temperature: 0.2
Location: us-central1
Credentials: vertex-palm-prod

---

Amazon SageMaker Endpoint

节点用途：

• 调用已部署的 SageMaker 实时推理端点。

使用场景：

• 自家模型：调用自研销量预测模型
• A/B 测试：不同版本模型流量切分
• 批量：实时预测用户流失概率

节点参数：

参数名称	含义 / 格式选项	示例
Endpoint Name	SageMaker 端点名称	sales-predictor
Body	JSON 输入	{"features":[0.1,0.2]}
Content Type	application/json	application/json
Credentials	AWS 账户	sagemaker-prod

配置示例：

• 场景：销量预测
• 配置：

Endpoint Name: sales-predictor
Body: {"features":[0.1,0.2]}
Content Type: application/json
Credentials: sagemaker-prod

---

Azure Custom Vision

节点用途：

• 使用 Azure 自定义视觉服务进行图像分类或目标检测。

使用场景：

• 缺陷检测：识别生产线次品
• 分类：区分猫狗品种
• 移动端：导出模型到 iOS CoreML

节点参数：

参数名称	含义 / 格式选项	示例
Operation	classify / detect	classify
Project ID	自定义项目 ID	my-cv-project
Image	图片二进制	{{$binary.product}}
Prediction Key	预测密钥	cv-pred-key
Endpoint	预测端点	https://westus.api.cognitive.microsoft.com

配置示例：

• 场景：产品缺陷分类
• 配置：

Operation: classify
Project ID: my-cv-project
Image: {{$binary.product}}
Prediction Key: cv-pred-key
Endpoint: https://westus.api.cognitive.microsoft.com

---

FastAPI Model Server

节点用途：

• 调用自托管 FastAPI 推理服务，灵活对接任意框架。

使用场景：

• 私有化：在局域网 GPU 服务器部署 LLM
• 框架无关：PyTorch/TF/ONNX 均可
• 低成本：无按次计费

节点参数：

参数名称	含义 / 格式选项	示例
URL	FastAPI 端点	http://gpu.local:8000/predict
Method	POST / GET	POST
Headers	自定义头	{"Authorization":"Bearer xyz"}
Body	JSON 输入	{"text":"你好"}
Credentials	无或 API Key	fastapi-prod

配置示例：

• 场景：调用本地 LLM
• 配置：

URL: http://gpu.local:8000/predict
Method: POST
Headers: {"Authorization":"Bearer xyz"}
Body: {"text":"你好"}
Credentials: fastapi-prod

---

Roboflow Inference

节点用途：

• 调用 Roboflow 部署的自定义 YOLO / 分类模型。

使用场景：

• 物体计数：统计货架商品数量
• 车牌识别：停车场自动计费
• 实时流：RTSP 视频流推理

节点参数：

参数名称	含义 / 格式选项	示例
Model ID	项目与版本	my-dataset/3
Image	图片二进制	{{$binary.frame}}
Confidence	置信度阈值	0.5
API Key	Roboflow Key	roboflow-prod

配置示例：

• 场景：货架商品计数
• 配置：

Model ID: my-dataset/3
Image: {{$binary.frame}}
Confidence: 0.5
API Key: roboflow-prod

---

NVIDIA Triton Inference Server

节点用途：

• 通过 Triton 调用 GPU 上部署的高性能模型，支持 TensorRT / ONNX。

使用场景：

• 高并发：电商实时推荐
• 低延迟：金融毫秒级风控
• 多模型：同一端点多模型并发

节点参数：

参数名称	含义 / 格式选项	示例
Server URL	Triton 地址	http://triton:8000/v2/models/fraud
Model Name	模型名	fraud
Input Data	JSON 输入	{"input__0":[[1,2,3]]}
Credentials	无或 Token	triton-prod

配置示例：

• 场景：实时风控
• 配置：

Server URL: http://triton:8000/v2/models/fraud
Model Name: fraud
Input Data: {"input__0":[[1,2,3]]}
Credentials: triton-prod

---

Ollama

节点用途：

• 本地运行 Llama 2、Mistral 等开源大模型，无需联网。

使用场景：

• 离线：飞机上也能问答
• 隐私：医疗数据不出内网
• 低成本：无 API 费用

节点参数：

参数名称	含义 / 格式选项	示例
Model	本地模型名	llama2:7b
Prompt	输入提示	解释量子计算
Stream	流式输出：true / false	false
Host	Ollama 地址（默认本地）	http://localhost:11434
Credentials	无需密钥	—

配置示例：

• 场景：离线问答
• 配置：

Model: llama2:7b
Prompt: 解释量子计算
Stream: false
Host: http://localhost:11434

---

LM Studio

节点用途：

• 通过 LM Studio 本地 REST API 调用 GGUF/ONNX 模型。

使用场景：

• 桌面：Windows/Mac 一键运行
• 开发：调试提示词模板
• 离线：无网络环境

节点参数：

参数名称	含义 / 格式选项	示例
Endpoint	LM Studio 地址	http://localhost:1234/v1/chat/completions
Messages	对话数组	[{"role":"user","content":"Hi"}]
Max Tokens	最大长度	100
Credentials	无需密钥	—

配置示例：

• 场景：桌面聊天
• 配置：

Endpoint: http://localhost:1234/v1/chat/completions
Messages: [{"role":"user","content":"Hi"}]
Max Tokens: 100

---

Hugging Face Text Classification

节点用途：

• 调用 HF Hub 文本分类模型，支持零样本分类。

使用场景：

• 零样本：无需训练即可分类邮件
• 主题：自动标记新闻主题
• 情感：评估评论情绪

节点参数：

参数名称	含义 / 格式选项	示例
Model	模型名	facebook/bart-large-mnli
Inputs	文本	这条新闻讲的是科技
Candidate Labels	候选标签	["科技","体育","财经"]
Credentials	HF Token（可选）	hf-prod

配置示例：

• 场景：零样本主题分类
• 配置：

Model: facebook/bart-large-mnli
Inputs: 这条新闻讲的是科技
Candidate Labels: ["科技","体育","财经"]
Credentials: hf-prod