Skip to main content
应用调用

调用工作流应用

本文档主要介绍如何通过 DashScope SDK 或 HTTP API,快速、高效地将阿里云百炼 工作流应用 集成到业务系统中。

如需使用 Responses API 调用,请参阅 Responses API
本文档仅适用于华北2(北京)地域。
百炼工作流不支持使用文生图大模型。

前提条件

开始前,请确保您已完成以下操作:
  1. 获取 API Key配置API Key到环境变量
  2. 已创建工作流应用,并在应用管理页面的应用卡片上获取 APP_ID。
  3. 若通过DashScope SDK调用,需要安装DashScope SDK

快速开始

  • Python
  • Java
  • HTTP
请求示例
import os
from http import HTTPStatus
from dashscope import Application
response = Application.call(
    # 若没有配置环境变量,可用百炼API Key将下行替换为:api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    app_id='APP_ID',# 替换为实际的应用 ID
    prompt='你是谁?')

if response.status_code != HTTPStatus.OK:
    print(f'request_id={response.request_id}')
    print(f'code={response.status_code}')
    print(f'message={response.message}')
    print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
else:
    print(response.output.text)
响应示例
我是阿里云开发的一款超大规模语言模型,我叫千问。我被设计用来帮助用户生成各种类型的文本,如文章、故事、诗歌、故事等,并能根据不同的场景和需求进行调整和优化。此外,我还能够回答各种问题,提供信息和解释,辅助学习和研究。如果您有任何需要,欢迎随时向我提问!

多轮对话

相比于单轮对话,多轮对话可以让大模型参考历史对话信息,更符合日常交流的场景。
使用session_id系统会自动从云端加载存储的对话历史,并结合prompt指令生成上下文。实现简单,无需维护。
session_id 有效期为 1 小时,最多支持 50 轮对话。
自行管理messages(推荐)自行维护一个 messages 数组,手动记录和传递每一轮的对话历史及新指令。无需传递prompt。控制上下文,更灵活。
注意:若请求中同时包含 session_id 和 messages,系统将优先使用 messages
大模型节点配置提示词变量historyList发布应用后,发起 API 调用。
  • 云端存储
  • 自行管理
  • Python
  • Java
  • HTTP
请求示例
import os
from http import HTTPStatus
from dashscope import Application
def call_with_session():
    response = Application.call(
        # 若没有配置环境变量,可用百炼API Key将下行替换为:api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        app_id='APP_ID',  # 替换为实际的应用 ID
        prompt='你是谁?')

    if response.status_code != HTTPStatus.OK:
        print(f'request_id={response.request_id}')
        print(f'code={response.status_code}')
        print(f'message={response.message}')
        print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
        return response

    responseNext = Application.call(
                # 若没有配置环境变量,可用百炼API Key将下行替换为:api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
                api_key=os.getenv("DASHSCOPE_API_KEY"),
                app_id='APP_ID',  # 替换为实际的应用 ID
                prompt='你有什么技能?',
                session_id=response.output.session_id)  # 上一轮response的session_id

    if responseNext.status_code != HTTPStatus.OK:
        print(f'request_id={responseNext.request_id}')
        print(f'code={responseNext.status_code}')
        print(f'message={responseNext.message}')
        print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
    else:
        print('%s\n session_id=%s\n' % (responseNext.output.text, responseNext.output.session_id))
        # print('%s\n' % (response.usage))

if __name__ == '__main__':
    call_with_session()
响应示例
我具备多种技能,可以协助你完成各种任务。以下是一些主要的技能:

1. **信息查询**:提供天气、新闻、历史事实、科学知识等各种信息。
2. **语言处理**:翻译文本、纠正语法错误、生成文章和故事。
3. **技术问题解答**:解答编程、软件使用、技术故障排除等问题。
4. **学习辅导**:帮助解答数学、物理、化学等学科的问题。
5. **生活建议**:提供健康、饮食、旅行、购物等方面的建议。
6. **娱乐互动**:讲笑话、玩文字游戏、进行简单的聊天互动。
7. **日程管理**:提醒重要日期、安排日程、设置提醒。
8. **数据分析**:解释数据图表、提供数据分析建议。
9. **情感支持**:倾听你的感受、提供安慰和支持。

如果你有具体的需求或问题,可以直接告诉我,我会尽力帮助你!
 session_id=98ceb3ca0c4e4b05a20a00f913050b42

流式输出

大模型接收输入后,逐步生成中间结果并实时输出,这种方式称为流式输出,可让您在模型生成过程中即时查看内容,减少等待时间。 根据调用方式的不同,设置相应参数即可启用流式输出:
  • Python SDK方式:设置stream参数为True
  • Java SDK方式:使用streamCall方法。
  • HTTP方式:在Header中指定X-DashScope-SSEenable
流式输出的内容默认是非增量式(即每次返回的内容都包含之前生成的内容),如需增量输出,请设置相应参数:
  • Python SDK方式:设置 incremental_output参数为True
  • Java SDK方式:使用 incrementalOutput 方法并设置为 true
  • HTTP方式:在 parameters 中使用 incremental_output参数并设置为true

流式输出模式

工作流应用通过flow_stream_mode参数控制流式输出模式,参数值如下:
message_format_plus(推荐)消息增强模式。在workflow_message字段流式返回所有节点的执行过程和结果,覆盖全部节点类型。与message_format返回相同数据结构。
Python SDK 版本至少为1.24.0,Java SDK 版本至少为2.22.18。
message_format(推荐)消息模式。在message字段结构化的流式返回指定节点的执行结果。必要条件:需在控制台为目标节点开启流式输出开关。
full_thoughts(默认,不推荐)完整思考模式。在thoughts字段流式返回所有节点的执行详情,适用于调试。必要条件:需设置has_thoughts参数为true不推荐新业务使用,建议改用message_formatmessage_format_plus
  • message_format_plus模式
  • message_format模式
  • full_thoughts模式
消息增强模式。覆盖所有节点类型,通过workflow_message字段流式返回各节点的执行状态和结果。与message_format模式返回相同的数据结构,但支持全部节点类型的流式推送。
客户端处理规则:
  • 所有节点的message.content均为增量输出,需追加拼接。部分节点(如开始节点、变量替换等)仅推送一次数据包。
  • node_is_completed=true时,标记该节点执行完毕。
  • HTTP
  • Python
  • Java
请求示例
curl --location 'https://dashscope.aliyuncs.com/api/v1/apps/YOUR_APP_ID/completion' \
--header 'X-DashScope-SSE: enable' \
--header 'Content-Type: application/json' \
--header 'Authorization: Bearer YOUR_DASHSCOPE_API_KEY' \
--data '{
    "input": {
        "prompt": "你好"
    },
    "parameters": {
        "flow_stream_mode": "message_format_plus"
    }
}'
响应示例以下为多条 SSE 事件的响应示例,展示工作流从开始到结束的完整推送过程:
id:1
event:result
:HTTP_STATUS/200
data:{"output":{"session_id":"3d46d9a4ae...","workflow_message":{"node_status":"success","node_type":"Start","node_msg_seq_id":1,"node_name":"开始","message":{"content":"{\"user\":{}}","role":"assistant"},"node_is_completed":true,"node_id":"Start_iEca"},"finish_reason":"null"},"usage":{},"request_id":"0e241c2b-..."}

id:2
event:result
:HTTP_STATUS/200
data:{"output":{"session_id":"3d46d9a4ae...","workflow_message":{"node_status":"executing","node_type":"LLM","node_msg_seq_id":1,"node_name":"大模型1","message":{"content":"{\"result\":\"你好\",\"reasoningContent\":\"\"}","role":"assistant"},"node_is_completed":false,"node_id":"LLM_NPem"},"finish_reason":"null"},"usage":{},"request_id":"0e241c2b-..."}

id:3
event:result
:HTTP_STATUS/200
data:{"output":{"session_id":"3d46d9a4ae...","workflow_message":{"node_status":"executing","node_type":"LLM","node_msg_seq_id":2,"node_name":"大模型1","message":{"content":"{\"result\":\"呀!有什么\",\"reasoningContent\":\"\"}","role":"assistant"},"node_is_completed":false,"node_id":"LLM_NPem"},"finish_reason":"null"},"usage":{},"request_id":"0e241c2b-..."}

id:4
event:result
:HTTP_STATUS/200
data:{"output":{"session_id":"3d46d9a4ae...","workflow_message":{"node_status":"success","node_type":"LLM","node_msg_seq_id":10,"node_name":"大模型1","message":{"content":"","role":"assistant"},"node_is_completed":true,"node_id":"LLM_NPem"},"finish_reason":"null"},"usage":{"models":[{"input_tokens":15,"output_tokens":50,"model_id":"qwen-plus-latest"}]},"request_id":"0e241c2b-..."}

id:5
event:result
:HTTP_STATUS/200
data:{"output":{"session_id":"3d46d9a4ae...","workflow_message":{"node_status":"success","node_type":"End","node_msg_seq_id":2,"node_name":"结束","message":{"content":"","role":"assistant"},"node_is_completed":true,"node_id":"End_pmAh"},"finish_reason":"null"},"usage":{"models":[{"input_tokens":15,"output_tokens":50,"model_id":"qwen-plus-latest"}]},"request_id":"0e241c2b-..."}

id:6
event:result
:HTTP_STATUS/200
data:{"output":{"session_id":"3d46d9a4ae...","finish_reason":"stop","text":"你好呀!有什么可以帮您的吗?"},"usage":{"models":[{"input_tokens":15,"output_tokens":50,"model_id":"qwen-plus-latest"}]},"request_id":"0e241c2b-..."}

深度思考

当工作流应用使用了深度思考模型时,模型会在生成最终回复前进行一步或多步的推理,以提升处理复杂问题(如逻辑推理、代码生成、数学计算等)的准确性。
工作流应用可包含多个大模型节点,思考模式需要在各大模型节点中分别设置,不支持通过 API 的enable_thinking参数动态控制。

获取思考过程

  • 在 API 调用时,将 has_thoughts 设置为 true。
  • 或在控制台应用内的流程输出节点或结束节点引用指定大模型节点的 reasoningContent 变量。
模型返回的数据将包含: 思考内容:在reasoningContent字段中返回。 回复内容:在result字段中返回。 由于深度思考会增加响应时间,建议使用流式输出方式以获得更好的体验。示例如下:
  • Python
  • Java
  • curl
请求示例
import json
from http import HTTPStatus
import os
from dashscope import Application

try:
    response = Application.call(
        # 若没有配置环境变量,可用百炼API Key将下行替换为:api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
        api_key=os.getenv('DASHSCOPE_API_KEY'),
        app_id='APP_ID',# 替换为实际的应用 ID
        prompt='你是谁?',
        stream=True,  # 是否流式输出,True:流式输出;False(默认值): 非流式输出
        incremental_output=True,  # 是否增量输出,True:增量输出;False(默认值): 非增量输出
        has_thoughts=True,  # 是否返回思考过程,True:返回;False(默认值): 不返回
    )

except Exception as e:
    print(f"API请求异常: {str(e)}")
    exit(1)

# 定义完整思考过程
reasoning_content = []
# 定义完整回复
answer_content = []
# 判断是否结束思考过程并开始回复
is_answering = False

def print_section(title):
    """打印带装饰的分段标题"""
    print(f"\n{'=' * 20} {title} {'=' * 20}\n", flush=True)

print_section("思考过程")

for chunk in response:
    if chunk.status_code != HTTPStatus.OK:
        print(f'request_id={chunk.request_id}')
        print(f'code={chunk.status_code}')
        print(f'message={chunk.message}')
        print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
        continue

    # 跳过空数据块
    if not chunk.output or not chunk.output.thoughts:
        continue

    # 解析 JSON 数据
    for thought in chunk.output.thoughts:
        try:
            response_json = json.loads(thought.response)
            node_result = response_json.get('nodeResult', {})

            if isinstance(node_result, str):
                node_result = json.loads(node_result)

            extracted_reasoning_content = node_result.get('reasoningContent', '')
            extracted_result = node_result.get('result', '')
            node_name = response_json.get('nodeName', '')

            # 处理思考过程
            if extracted_reasoning_content and not is_answering:
                reasoning_content.append(extracted_reasoning_content)
                print(extracted_reasoning_content, end="", flush=True)

            # 处理回答内容
            if extracted_result and node_name != "结束":
                answer_content.append(extracted_result)
                if not is_answering:
                    print_section("完整回复")
                    is_answering = True
                print(extracted_result, end="", flush=True)

        except json.JSONDecodeError as e:
            print(f"JSON解析错误: {str(e)}")

# 最终结果整合
final_reasoning = "".join(reasoning_content)
final_answer = "".join(answer_content)

# 如果您需要打印完整思考过程与完整回复,请将以下代码解除注释后运行
# print_section("完整思考过程")
# print(final_reasoning)
# print_section("完整回复")
# print(final_answer)
响应示例
==================== 思考过程 ====================

您好!我是由中国的深度求索(DeepSeek)公司开发的智能助手DeepSeek-R1。如您有任何问题,我会尽我所能为您提供帮助。
==================== 完整回复 ====================

您好!我是由中国的深度求索(DeepSeek)公司开发的智能助手DeepSeek-R1。如您有任何问题,我会尽我所能为您提供帮助。

参数传递

若需让同一个工作流适配不同业务场景,可在 API 调用时,通过biz_params传递自定义参数。 需在开始节点添加自定义参数(如城市名city),并在提示词中引用变量cityquery,最后发布应用。
  • Python
  • Java
  • HTTP
请求示例
import os
from http import HTTPStatus
from dashscope import Application
# 工作流和智能体编排应用自定义参数传递
biz_params = {"city": "杭州"}
response = Application.call(
    # 若没有配置环境变量,可用百炼API Key将下行替换为:api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    app_id='APP_ID',  # 替换为实际的应用 ID
    prompt='查询这个城市的行政区域划分',
    biz_params=biz_params  # 传递业务参数
)

if response.status_code != HTTPStatus.OK:
    print(f'request_id={response.request_id}')
    print(f'code={response.status_code}')
    print(f'message={response.message}')
    print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
else:
    print(f'{response.output.text}')  # 处理只输出文本text
响应示例
杭州市,作为浙江省的省会城市,其行政区域划分包括10个市辖区:上城区、拱墅区、西湖区、滨江区、萧山区、余杭区、临平区、钱塘区、富阳区、临安区。每个区都有其独特的特色和发展重点。

- 上城区:位于杭州市中心地带,是杭州的政治、经济、文化中心之一。
- 拱墅区:以运河文化为特色,拥有众多历史文化遗产。
- 西湖区:著名的西湖风景区就位于此区,是旅游观光的重要目的地。
- 滨江区:高新技术产业聚集地,阿里巴巴等知名企业坐落于此。
- 萧山区:东南部的一个行政区,经济发展迅速,特别是制造业方面。
- 余杭区:近年来发展快速,尤其是互联网经济领域,阿里巴巴总部也设在这里(注:阿里巴巴总部实际位于滨江区)。
- 临平区:新成立的行政区,旨在促进该地区经济社会全面发展。
- 钱塘区:同样是一个较新的行政区划调整结果,强调创新发展和生态保护相结合。
- 富阳区:位于杭州西南方向,以其丰富的自然景观和悠久的历史文化著称。
- 临安区:地处杭州西部,以生态优美闻名,并且有着深厚的文化底蕴。

请注意,随着时间推移,具体的城市规划可能会有所变化,请参考最新的官方信息。

文件问答

在应用内上传文件,大模型可对文件内容进行问答。也可配置文件解析节点,使工作流能够接收并解析各类文件(如 文档、图片、视频、音频),提取内容用于后续的分析、总结或问答。
  1. 构建支持文件问答的工作流
    1. 配置开始节点:在开始节点中,添加一个自定义参数,用于接收文件 URL。例如:将其命名为 file_url,类型选择 File(多文件可选择Array[File])。
      image
    2. (可选)添加解析节点:添加一个合适的文件解析节点,并将file_url作为该节点的输入变量。
      image
    3. 配置大模型节点:
      • 引用解析输出变量:如果配置了解析节点,可将其文本输出变量(如 markdownContentASRInfo等)添加到后续节点(如大模型节点)中,以便对文件内容进行处理。
      • 引用自定义变量:大模型节点提示词中引用开始节点的自定义变量并填写提示词。
    4. 发布应用:检查节点配置,测试无误后,发布工作流应用。
    注意:传入的文件 URL 必须是公网可直接访问的。
    相关文档工作流应用节点说明
  2. 调用应用 您可以通过两种方式向应用提供文件进行解析:
    1. 通过控制台测试 在应用详情页的测试窗,进入入参变量配置,为 file_url 参数上传本地文件粘贴文件 URL,进行快速测试。
      image
    2. 通过 API 调用 在 API 请求中,通过 biz_params 字段传递文件 URL。biz_params 中的键名必须与您在开始节点中设置的参数名(本例中为 file_url)完全一致。
      • Python
      • Java
      • HTTP
      请求示例
      """
      阿里云百炼 Application SDK 调用示例(流式输出)
      """
      import os
      from http import HTTPStatus
      from dashscope import Application
      
      # 若没有配置环境变量,可替换为:api_key="sk-xxx"
      # 但不建议在生产环境中硬编码 API Key
      responses = Application.call(
          api_key=os.getenv("DASHSCOPE_API_KEY"),
          app_id='APP_ID',  # 替换为实际的应用 ID
          prompt='一句话总结文件内容',
          stream=True,           # 流式输出
          incremental_output=True,  # 增量输出
          biz_params={
              # 单文件格式(控制台参数类型: File)
              # 参数名必须与控制台定义的参数名保持一致
              'file_url': {
                  "url": "https://dashscope.oss-cn-beijing.aliyuncs.com/audios/welcome.mp3",  # 必填
                  # "name": "welcome.mp3",  # 控制台引用了则必填
                  # "type": "audio",        # 控制台引用了则必填,可选值:image/document/audio/video/custom
                  # "source": "localFile",  # 控制台引用了则必填
                  # "mimeType": "audio"     # 控制台引用了则必填,可选值:image/png 等
              }
              # 多文件格式(控制台参数类型: Array<File>)
              # 'file_url': [
              #     {"url": "https://www.berkshirehathaway.com/letters/2024ltr.pdf", "name": "文件1.pdf"},
              #     {"url": "https://www.berkshirehathaway.com/letters/2024ltr.pdf", "name": "文件2.pdf"}
              # ]
          }
      )
      
      # 处理流式响应
      for response in responses:
          if response.status_code != HTTPStatus.OK:
              print(f'request_id={response.request_id}')
              print(f'code={response.status_code}')
              print(f'message={response.message}')
              print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
          else:
              if response.output.text:
                  print(response.output.text, end='')
      
      print()  # 换行
      
      响应示例
      该文件内容仅为一句欢迎语:“欢迎你使用阿里云。”
      

私网调用

为提高数据传输的安全性和效率,您可通过私网调用阿里云百炼平台的应用。
  1. 创建终端节点:在阿里云控制台为您的VPC创建一个私网终端节点。
  2. 替换域名:将API请求URL中的公网域名dashscope.aliyuncs.com替换为您获取到的私网终端节点服务域名。例如: https://ep-2zei6917b47eed******.dashscope.cn-beijing.privatelink.aliyuncs.com/api/v1/
  3. 发起请求:示例代码如下。
    • Python
    • Java
    • HTTP
    import os
    from http import HTTPStatus
    from dashscope import Application
    # 配置私网终端节点
    os.environ['DASHSCOPE_HTTP_BASE_URL'] = 'https://ep-2zei6917b47eed******.dashscope.cn-beijing.privatelink.aliyuncs.com/api/v1/'
    response = Application.call(
        # 若没有配置环境变量,可用阿里云百炼API Key将下行替换为:api_key="sk-xxx"。但不建议在生产环境中直接将API Key硬编码到代码中,以减少API Key泄露风险。
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        app_id='APP_ID',# 替换为实际的应用 ID
        prompt='你是谁?')
    
    if response.status_code != HTTPStatus.OK:
        print(f'request_id={response.request_id}')
        print(f'code={response.status_code}')
        print(f'message={response.message}')
        print(f'请参考文档:https://help.aliyun.com/zh/model-studio/developer-reference/error-code')
    else:
        print(response.output.text)
    

API 参考

应用调用的完整参数列表,请参考工作流与旧版智能体应用 API应用 DashScope API 参考

错误码

如果调用失败并返回报错信息,请参阅错误码进行解决。

计费说明

工作流应用的计费基于其内部实际执行的计费节点(如大模型、知识库等)的调用量。
  • 计费单元:每个计费节点都有其独立的计费单位(例如,大模型节点按 Token 计费)。
  • 总费用:一次工作流 API 调用的总费用,是该次执行路径上所有计费节点产生的费用之和

相关文档

了解应用构建和使用

如果你想了解工作流应用的更多配置信息,如节点说明、工作流的导入导出等,请参见工作流应用

了解Prompt 辅助工具

关于应用内 Prompt 辅助工具的使用请参阅Prompt工程

了解文本转语音的方法

如需将模型回复的文本信息转成语音,请参见实时语音合成-CosyVoice /Sambert

了解进阶用法

如果您想使用 Responses API 调用应用,请参见Responses API

常见问题

1.为什么我的工作流在控制台测试正常,但通过API调用时报错或结果不符合预期?

通常由版本或参数不一致导致。请主要检查以下几点:
  • 确认应用已发布:API 调用的是您最后一次发布的工作流版本。任何在控制台保存但未发布的修改,都不会在 API 调用中生效。请确保您的修改已点击“发布”。
  • 检查自定义参数 (biz_params):API 请求中 biz_params键名数据类型必须与工作流开始节点中定义的参数完全一致。例如,如果在开始节点定义了名为 city 的字符串参数,API 调用时就必须传递 {"city": "some_value"}
  • 检查输入内容:确认 API 调用的 promptmessages 内容与您在控制台测试时输入的内容和格式保持一致,特别是当提示词中有特定格式要求时。
  1. 检查导入语句中的类名和包名是否正确。
  2. 添加依赖库:如果使用Maven或Gradle进行项目管理,确保DashScope Java SDK依赖库已经添加到pom.xmlbuild.gradle文件中,且为最新版本。您可以访问Maven获取DashScope Java SDK的最新版本号。
<!-- https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java -->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>dashscope-sdk-java</artifactId>
    <version>在此处填写最新版本号,例如2.16.4</version>
</dependency>
// https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java
implementation group: 'com.alibaba', name: 'dashscope-sdk-java', version: '在此处填写最新版本号,例如2.16.4'
  1. 升级SDK:旧版本的DashScope Java SDK可能不包含您尝试使用的功能或类。如果您已经添加过依赖库DashScope Java SDK,请确认您所使用的DashScope Java SDK是否为最新版。如果当前版本较低,请将其升级至最新版本。在pom.xmlbuild.gradle文件中修改DashScope Java SDK的版本为最新版本。
<!-- https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java -->
<dependency>
    <groupId>com.alibaba</groupId>
    <artifactId>dashscope-sdk-java</artifactId>
    <version>请将此处的版本号修改为最新版本</version>
</dependency>
// https://mvnrepository.com/artifact/com.alibaba/dashscope-sdk-java
implementation group: 'com.alibaba', name: 'dashscope-sdk-java', version: '请将此处的版本号修改为最新版本'
  1. 重新加载项目使更改生效。
  2. 重新运行代码示例。
Managed Agents
数据连接
Skill
应用评测
应用广场
权限管理