用模型写逻辑

模型作为逻辑里的一块

有些逻辑既写不成规则，也难写成代码：读一段备注，判断哪份文件对得上，在几个都不完美的选项里挑一个。标准模型的做法是：它仍然是一个函数，输入是对象或文字，输出是值、对象，或一份对数据的修改；只是函数体不是代码，而是一串块。每个块接收输入、给出输出，后面的块用前面的结果。

块有很多种：读写对象、计算、聚合、调用别的函数、循环、条件分支，最核心的一块是语言模型块。它由三部分组成：

关键规则：模型自己碰不到工具，只能「请求」使用，由平台在调用者的权限内执行。所以模型读不到调用者读不到的数据。但读权限只管读进提示的内容，不管模型的输出。

写数据也一样。让模型挑选并调用 Action 是一种；另一种是确定性的「应用 Action」块，参数由你填，不经模型。两种方式，数据都只在函数被一个 Action 调用时才真正改变，改动暂存，结束时一起提交。

在 AIDC 里：AI 分析步骤

工作流里的 model 步骤，是最接近模型块的东西：一次调用，读前面步骤放进提示的结果，按你声明的字段返回。「建议一张工单上哪条产线」可以这样写；模型要登记在清单的 models 里，这里用的是 deepseek-flash：

"steps": [
  { "id": "wo", "kind": "use", "title": "Work order", "use": "factory-mes/work_order",
    "with": { "work_order_no": "=input.work_order_no" } },
  { "id": "load", "kind": "use", "title": "Line load", "use": "factory-mes/line_load" },
  { "id": "suggest", "kind": "model", "title": "Suggest a line", "model": "deepseek-flash",
    "system": "You schedule e-bike assembly. Choose exactly one line from the list and say why.",
    "prompt": "Work order: {{ steps.wo.row }}\nLines and open load: {{ steps.load.rows }}",
    "output": { "line_code": "text", "reason": "text", "needs_review": "boolean" },
    "maxTokens": 600 }
]

代码里的 factory-mes/work_order 和 factory-mes/line_load 是一个假想的提供方应用在清单 exports 里导出的两个能力。步骤之间的先后是自动排出来的：suggest 引用了前两步的结果，就会等它们先跑完。

• 类型化的输出：output 声明字段和类型，可以是 text、number、boolean、text[]、json；平台把每个字段转成声明的类型，回复不是合法 JSON，这一步就失败。
• 没有工具：模型只看得到前面步骤放进 prompt 的内容。想限制它能看的属性，就在提供数据的能力里用 select 挑出来。
• 计费与上限：用量记在这个工作流应用名下，受 limits.dailyTokens 封顶；一个工作流最多 40 步。

模型只给出建议。接下来一个 use 步骤才调用 release-work-order：预演时它只返回将要写入的计划，正式运行才落库。模型自己不写数据。

智能体：会自己找资料的那一块

工作流的分析步骤是固定的一次调用；智能体是一个循环：自己决定先查什么、再查什么，用命令行（aidc semantic …）当工具，够了才回答，对应标准模型里带工具的模型块。它先读本体（Ontology）的说明书（aidc semantic describe --markdown，可以直接放进系统提示词），再按业务的说法去查。

智能体可用 Agent Key 读取本体。写入走 Action，可用已配置写权限及 Action 白名单的 Agent Key，也可用开发者凭证。先 --validate-only 检查参数和条件，再执行。会写入的应用 API 先 --preview，把计划给人看，确认后正式调用。