华为云用户手册

MCP服务节点配置说明 MCP服务节点是工作流中实现第三方能力调用的核心组件之一。作为功能扩展的重要载体，该节点允许通过调用MCP服务来执行特定功能任务。每个MCP服务实质上是一个工具集合，可以提供模块化服务来拓宽工作流的能力边界，完成更复杂的任务。 MCP服务类型包括预置服务和个人服务。 预置服务：平台预置了"高德地图"、"车票查询工具"、"必应搜索"等多种实用MCP服务，开通后可以一键集成调用。支持开发者在工作流或应用中添加预置MCP服务，丰富其能力。 个人服务：平台允许开发者创建自定义MCP服务，支持将MCP服务地址通过配置方式快速创建为自定义MCP服务，提供给工作流或应用调用。 MCP服务节点为可选节点，若无需配置，可跳过该步骤。 MCP服务节点配置步骤如下： 拖动左侧“MCP服务”节点至画布中，在“个人服务”或“预置服务”页签单击“”，将MCP服务添加至画布中，其中有些“预置服务”不能直接添加，需要单击“立即开通”，开通服务后即可添加至画布中。 预置服务为平台内置的MCP服务。 个人服务为用户创建的自定义MCP服务，创建MCP服务步骤详见创建MCP服务。 连接MCP服务节点和其他节点。 单击画布中已添加的“MCP服务”节点，参照表1 MCP服务节点配置说明，完成MCP服务节点的配置。 表1 MCP服务节点配置说明 配置类型 参数名称 参数说明 参数配置 工具 支持从当前MCP服务所包含的工具列表中选择一个作为工作流运行到该节点时会执行的工具。 输入参数 参数名称、类型：从插件元信息中导入，用户无需手动添加。 值：支持“引用”和“输入”两种类型。 引用：支持用户选择工作流中已包含的前置节点的输出变量值和全局配置中的记忆变量，适用于需要从前置节点输出中获取插件入参的场景。 输入：支持用户自定义取值，适用于MCP服务入参取值固定的场景。 输出参数 输出参数所有信息从MCP服务元信息中自动导入，用户无需手动配置。 图1 MCP服务节点配置示例 节点配置完成后，单击“确定”。 父主题： 工作流节点配置参考

循环节点 循环节点提供了循环执行节点的能力，可在循环体内配置需要循环的节点，用户可以通过在循环体内编排节点多次执行处理任务。 循环是一种常见的控制机制，用于重复执行一系列任务，直到满足某个条件为止。工作流提供循环节点，当需要重复执行一些操作，或循环处理一组数据时，可以使用循环节点实现。 循环节点为可选节点，若无需配置，可跳过该步骤。 循环节点配置步骤如下： 拖动左侧“循环”节点至画布中，拖动其他需要循环执行的节点到循环体画布内部并编排（循环内执行需从循环输入节点开始，输出连接到循环输出节点，暂不支持交互式节点）。 参照表1，完成循环节点的配置。 表1 循环节点配置说明 配置类型 参数名称 参数说明 循环类型配置 使用数组循环 使用数组循环类似编程语言中的 for 语法结构。遍历循环用于遍历一个已知的序列，对序列中的每个元素执行一系列相同的步骤。 使用数组循环时，需要指定 arr_loop_var 的值，此参数仅支持引用上游节点的输出，且必须为数组格式。使用数组循环模式下执行循环节点时，循环的次数取决于循环数组引用的数组长度。 使用数组循环时，循环节点会遍历数组中的每个元素，每次循环都会将当前循环到的元素赋值给内置变量。内置变量仅限循环节点内部使用。目前支持的内置变量如下： item：数组元素，即当前循环到的数组元素。 index：数组索引，index+1 为当前循环的轮次。 指定循环次数 指定循环次数模式通常用于批量、顺序处理数据的场景，需要同时设置循环次数。 循环次数默认为 5 次，支持设置为 1~1000 次。 使用参考： 回合制游戏，3局2胜可将循环次数设置为3。 网络爬虫爬取前1000个商品信息，循环次数设置为1000。 变量配置 循环数组 此参数只有在使用数组循环时支持配置，名称固定为 arr_loop_var，仅支持引用上游节点输出。 中间变量 循环节点支持设置中间变量，此变量可作用于每一次循环。中间变量通常和循环体中的设置变量节点搭配使用，在每次循环结束后为中间变量设置一个新的值，并在下次循环中使用新值。 参数名称：只允许输入字母、数字、下划线，且不能以数字开头。 类型、值：支持“引用”和“输入”两种类型。 引用：支持用户选择工作流中已包含的前置节点的输出变量值。 输入：支持用户自定义取值。 输出参数 循环节点的输出参数可设置为循环体的执行结果集合，表示当数组中所有元素运行完毕之后，将所有循环的运行结果打包输出给下游。也支持设置为中间变量的取值。 终止条件 表达式 分支由[判断参数 比较条件 比较参数]组成一个条件表达式。 判断参数：条件表达式上半部分，需要选择来自前序节点的输出参数。 比较条件：条件表达式左侧，当前支持的比较条件有：长度大于、长度大于等于、长度小于、长度小于等于、等于、不等于、包含、不包含、为空、不为空。针对不同的判断参数类型，前端将展示不同的比较条件。 比较参数：条件表达式下半部分，支持“引用”和“输入”两种类型。 引用：支持用户选择工作流中已包含的前置节点输出变量值及全局配置中的记忆变量。 输入：支持用户自定义取值。 添加条件：单击“+”，在当前条件分支中添加多个条件表达式，多个条件表达式之间通过“且”或“或”来连接。 单击“且”或“或”，可以切换该分支表达式的运算逻辑。 图1 循环节点配置示例 节点配置完成后，单击“确定”。 连接循环节点和其他节点。 父主题： 工作流节点配置参考

输入节点 输入节点提供工作流运行过程中的信息输入。 在比较复杂的工作流场景中，某些节点的执行往往需要额外的用户输入。如果前置节点中没有获取到这些信息，你可以添加一个输入节点来主动收集信息。工作流执行到输入节点时会暂时中断，直到此节点收集到必要的用户输入。 输入节点为可选节点，若无需配置，可跳过该步骤。 输入节点配置步骤如下： 拖动左侧“输入”节点至画布中，单击该节点以打开节点配置页面。 参照表1，完成变量输入节点的配置。 表1 输入节点配置说明 配置类型 参数名称 参数说明 配置示例（按场景写） 参数配置 输入参数 支持配置一个或多个输入参数，且输入参数可被后置节点引用。 参数名称：只允许输入字母、数字、下划线，且不能以数字开头。 参数类型：可选String、Integer、Number、Boolean、Object、Array、File类型。 描述：对于该输入参数的描述。 当配置一个或多个输入参数后，工作流运行到该节点时会暂时中断，直到用户填写所有输入参数，且每个输入参数均可被后置节点引用。 例如插件节点需要一个输入参数："city"，可通过在该插件节点的前置节点中配置一个输入节点用于填写"city"的具体值，再在插件节点的"city"参数处引用输入节点相应参数即可。 图1 输入节点配置示例 节点配置完成后，单击“确定”。 连接输入节点和其他节点。 父主题： 工作流节点配置参考

图文去重 适用的文件格式： tar+jsonl：所有图片保存为tar包。图片支持：jpg、jpeg、png、bmp图片类型 图片文本保存为一份jsonl文件，jsonl文件中图片名称必须要与tar包中的图片名称一致 各参数说明： 待过滤内容类型： 基于结均化图片去重图文。 判断相同文本对应不同的图片数据是否超过单文本最大图片数阈值，如果超过则随机删除多余图片， 仅保留阈值以内的图文数量。 参数配置样例： 去重样例： 图9 加工前 图10 参数配置 图11 加工后

危情图像检测算子 适用的文件格式： jpg、jpeg、png、bmp tar：所有图片保存为tar包。tar包含图片支持：jpg、jpeg、png、bmp图片类型； 各参数说明： 待打标内容类型：给危情图片内容打标签 参数配置样例： 不需要配置参数 检测样例：检测结果以image_danger对象存储在标注文件中: suggestion:对文件检测是否通过的结果，pass代表审核通过无相应的问题；review代表需要人工复核，您可以按照您的审核策略选择放通还是拦截；block代表待审文件存在问题。 confidence:模型结果检测的置信度（注意这里的置信度代表模型给出建议的置信度）。如果suggestion为pass，则为零；如果suggestion为review/block，则为0-1。 label:模型检测出的具体危情标签，如果未检测出则为空。

图文异常字符过滤 适用的文件格式： tar+jsonl：所有图片保存为tar包。图片支持：jpg、jpeg、png、bmp图片类型 图片文本保存为一份jsonl文件，jsonl文件中图片名称必须要与tar包中的图片名称一致 各参数说明： 待转换内容类型：将文本数据中携带的异常字符替换为空值，数据条目不变。 图14 不可见字符 图15 表情符 图16 网页标签符号 图17 特殊符号 图18 乱码和无意义的字符 参数配置样例： 不需要配置参数 过滤样例： 图19 加工前 图20 加工后

暴恐图像检测算子 适用的文件格式： jpg、jpeg、png、bmp tar：所有图片保存为tar包。tar包含图片支持：jpg、jpeg、png、bmp图片类型； 各参数说明： 待打标内容类型：过滤暴恐图像 参数配置样例： 不需要配置参数 检测样例：检测结果以image_terrorism对象存储在标注文件中： suggestion:对文件检测是否通过的结果，pass代表审核通过无相应的问题；review代表需要人工复核，您可以按照您的审核策略选择放通还是拦截；block代表待审文件存在问题。 confidence:模型结果检测的置信度（注意这里的置信度代表模型给出建议的置信度）。如果suggestion为pass，则为零；如果suggestion为review/block，则为0-1。 label:模型检测出的具体暴恐标签，如果未检测出则为空

色情图像检测算子 适用的文件格式： jpg、jpeg、png、bmp tar：所有图片保存为tar包。tar包含图片支持：jpg、jpeg、png、bmp图片类型； 各参数说明： 待打标内容类型：对图片的涉黄程度进行评分， 分数越高越危险。 评分范围(0. 100)， 默认评分≥50分的视频可视为涉黄视频。 参数配置样例： 不需要配置参数 检测样例： 检测结果以image_porn对象存储在标注文件中： suggestion:对文件检测是否通过的结果，pass代表审核通过无相应的问题；review代表需要人工复核，您可以按照您的审核策略选择放通还是拦截；block代表待审文件存在问题。 confidence:模型结果检测的置信度（注意这里的置信度代表模型给出建议的置信度）。如果suggestion为pass，则为零；如果suggestion为review/block，则为0-1。 label:模型检测出的具体色情标签，如果未检测出则为空。

图文文本长度过滤 适用的文件格式： tar+jsonl：所有图片保存为tar包。图片支持：jpg、jpeg、png、bmp图片类型 图片文本保存为一份jsonl文件，jsonl文件中图片名称必须要与tar包中的图片名称一致 各参数说明： 待过滤内容类型：过滤文本长度不在”文本长度范围”内的图文对。一个中文汉字或一个英文字母，文本长度统计为1。 参数配置样例： 过滤样例： 图3 加工前 图4 参数配置 图5 加工后

图文文本语言过滤 适用的文件格式： tar+jsonl：所有图片保存为tar包。图片支持：jpg、jpeg、png、bmp图片类型 图片文本保存为一份jsonl文件，jsonl文件中图片名称必须要与tar包中的图片名称一致 各参数说明： 待过滤内容类型：提取图文压缩包中的JSON文本和图片，并对图片进行结构化解析（BASE64编码），方便图文加工算子使用 参数配置样例： 去重样例： 图6 加工前 图7 参数配置 图8 加工后

异常检测数据集标注文件说明 该说明适用于表1中的异常检测标注文件格式。 要求用户将标注文件和图片存于同一文件夹。 当目录下存在对应的txt文件时，以txt文件内容作为正常或异常的标签。 示例如下所示： dataset-import-example │ IMG_20180919_114732.jpg │ IMG_20180919_114732.txt │ IMG_20180919_114745.jpg │ IMG_20180919_114745.txt 异常标签的标签文件示例，如IMG_20180919_114732.txt文件内容如下所示。 abnormal 正常标签的标签文件示例，如IMG_20180919_114745.txt文件内容如下所示。 normal

姿态估计标注json文件说明 该说明适用于表1中的姿态估计标注文件格式。 姿态估计标注基于开源coco人物关键点标注格式对数据集进行标注，需包含annotations，train，val文件夹。annotations文件夹下用train.json和val.json记录训练集和验证集标注，train和val文件夹下保存具体的图片，示例如下所示： ├─annotations │ train.json │ val.json ├─train │ IMG_20180919_114745.jpg ├─val │ IMG_20180919_114945.jpg 具体的json标注文件具体示例： { "images": [ { "license": 2, "file_name": "000000000139.jpg", "coco_url": "", "height": 426, "width": 640, "date_captured": "2013-11-21 01:34:01", "flickr_url": "", "id": 139 } ], "annotations": [ { "num_keypoints": 15, "area": 2913.1104, "iscrowd": 0, "keypoints": [ 427, 170, 1, 429, 169, 2, 0, 0, 0, 434, 168, 2, 0, 0, 0, 441, 177, 2, 446, 177, 2, 437, 200, 2, 430, 206, 2, 430, 220, 2, 420, 215, 2, 445, 226, 2, 452, 223, 2, 447, 260, 2, 454, 257, 2, 455, 290, 2, 459, 286, 2 ], "image_id": 139, "bbox": [ 412.8, 157.61, 53.05, 138.01 ], "category_id": 1, "id": 230831 }, ], "categories": [ { "supercategory": "person", "id": 1, "name": "person", "keypoints": [ "nose", "left_eye", "right_eye", "left_ear", "right_ear", "left_shoulder", "right_shoulder", "left_elbow", "right_elbow", "left_wrist", "right_wrist", "left_hip", "right_hip", "left_knee", "right_knee", "left_ankle", "right_ankle" ], "skeleton": [ [ 16, 14 ], [ 14, 12 ], [ 17, 15 ], [ 15, 13 ], [ 12, 13 ], [ 6, 12 ], [ 7, 13 ], [ 6, 7 ], [ 6, 8 ], [ 7, 9 ], [ 8, 10 ], [ 9, 11 ], [ 2, 3 ], [ 1, 2 ], [ 1, 3 ], [ 2, 4 ], [ 3, 5 ], [ 4, 6 ], [ 5, 7 ] ] } ] } 表4 COCO格式说明 字段 是否必选 说明 images 是 图片信息。 license 否 图像的许可证标识符。 file_name 是 图像的文件名。 coco_url 否 图像在COCO官方数据集中的URL。 height 是 图像的高度，以像素为单位。 width 是 图像的宽度，以像素为单位。 date_captured 否 图像捕获的日期和时间。 flickr_url 否 图像在Flickr网站上的URL。 id 是 图像的唯一标识符。 annotations 是 标注信息。 num_keypoints 是 标注的关键点数量。 area 是 边界框的面积，以像素平方为单位。 iscrowd 是 表示标注是否为复杂的群体场景（如拥挤的人群）。0表示不是拥挤场景，1表示是拥挤场景。 keypoints 是 标注的关键点坐标及其可见性，按顺序列出所有关键点，每个关键点用三个数值表示 [x, y, v]。x和y是关键点的像素坐标，v是可见性（0：不可见且不在图像中；1：不可见但在图像中；2：可见且在图像中）。 image_id 是 与该标注相关联的图像的ID，必须与images字段中的id对应。 bbox 是 目标物体的边界框，用[x, y, width, height]表示，其中，x，y是边界框左上角的坐标，width和height是边界框的宽度和高度。 category_id 是 标注类别的ID，对于人体姿态估计，通常为1（表示person）。 id 是 标注的唯一标识符。 categories 是 标注类型信息。 supercategory 是 类别的上级分类，通常为person。 id 是 类别的唯一标识符，对于人体姿态估计，通常为1。 name 是 类别的名称，通常为person。 keypoints 是 关键点的名称列表，COCO格式中通常定义了17个关键点，如nose、left_eye、right_eye、left_ear、right_ear、left_shoulder、right_shoulder、left_elbow、right_elbow、left_wrist、right_wrist、left_hip、right_hip、left_knee、right_knee、left_ankle、right_ankle。 skeleton 是 定义骨架连接的列表，用于表示关键点之间的连接关系。每个连接用一对关键点索引表示，如 [1, 2]，表示鼻子（nose）到左眼（left_eye）的连线。

图像分类数据集标注文件说明 该说明适用于表1中的图片分类标注文件格式。 图像分类数据集支持格式为ModelArts image classification 1.0。 要求用户将标注对象和标注文件存储在同一目录，并且一一对应，标注文件txt中可以放单标签，也可以放多标签。 当目录下存在对应的txt文件时，以txt文件内容作为图像的标签。 示例如下所示，import-dir-1和import-dir-2为导入子目录。 dataset-import-example ├─import-dir-1 │ 10.jpg │ 10.txt │ 11.jpg │ 11.txt │ 12.jpg │ 12.txt └─import-dir-2 1.jpg 1.txt 2.jpg 2.txt 单标签的标签文件示例，如1.txt文件内容如下所示。 猫 多标签的标签文件示例，如2.txt文件内容如下所示。 猫 狗

判断节点 判断节点是一个IF-ELSE节点，提供了多分支条件判断的能力，用于设计分支流程，实现逻辑判断功能。 判断节点中每个条件分支支持添加多个判断条件（且、或），同时支持添加多个条件分支。 当向该节点输入参数时，节点会逐个条件分支判断输入是否符合分支中预设的条件，符合则执行对应分支后的工作流流程，如果没有符合条件的分支，则执行“ELSE”对应的工作流分支。 判断节点为可选节点，若无需配置，可跳过该步骤。 判断节点配置步骤如下： 拖动左侧“判断”节点至画布中，单击该节点以打开节点配置页面。 参照表1，完成判断节点的配置。 表1 判断节点配置说明 配置类型 参数名称 参数说明 参数配置 IF IF分支由[判断参数 比较条件 比较参数]组成一个条件表达式。 判断参数：条件表达式左边部分，需要选择来自前序节点的输出参数。 比较条件：条件表达式中间部分，当前支持的比较条件有：长度大于、长度大于等于、长度小于、长度小于等于、等于、不等于、包含、不包含、为空、不为空。针对不同的判断参数类型，前端将展示不同的比较条件。 比较参数：条件表达式右边部分，支持“引用”和“输入”两种类型。 引用：支持用户选择工作流中已包含的前置节点输出变量值。 输入：支持用户自定义取值。 添加条件：单击“+”，在当前条件分支中添加多个条件表达式，多个条件表达式之间通过“且”或“或”来连接。 单击“且”或“或”，可以切换该分支表达式的运算逻辑。 ELSE 用于控制预设条件分支都不满足的场景，如果逐个分支判断都不符合条件，则默认走该分支执行后续工作流流程。 添加分支 可以添加新的条件分支ELSE IF，新分支的配置方式与IF分支相同。 图1 判断节点配置示例 节点配置完成后，单击“确定”。 连接判断节点和其他节点。 示例： 以常见的String、Integer和Boolean类型条件判断为例，在开始节点中定义三种类型的参数，模拟判断节点的输入参数，实现对于不同类型参数在不同条件下的逻辑判断。 节点配置如下： 开始节点：定义三种类型参数，分别为String类型的string_key、Integer类型的int_key、Boolean类型的bool_key 判断节点：在IF条件分支中增加三个判断条件，条件表达式的判断参数分别引用开始节点上述的三种类型参数。对于不同类型的参数，前端展示的比较条件有所区别。 比如String类型为字符串相关的长度、包含和为空条件判断，示例中配置为判断string_key是否包含“abc”。 Integer类型为数值相关的大小等于条件判断，示例中配置为判断int_key是否大于6。 Boolean类型为true false条件判断，示例中配置为判断bool_key是否为true。 单击试运行，输入string_key：abcd、int_key：7、bool_key：true查看效果 父主题： 工作流节点配置参考

Agent节点配置说明 Agent节点提供了使用大模型的能力以及大模型工具调用的能力，可在节点中配置已部署的模型，用户可以通过编写Prompt、绑定插件让模型处理相应任务。 Agent节点为可选节点，若无需配置，可跳过该步骤。 Agent节点配置步骤如下： 拖动左侧“Agent”节点至画布中，单击该节点以打开节点配置页面。 参照表1，完成变量输入节点的配置。 表1 Agent节点配置说明 配置类型 参数名称 参数说明 模型配置 模型选择 选择执行此节点的模型，支持设置模型在此节点中的生成多样性等参数配置，使模型效果更符合你的预期。 核采样 模型在输出时会从概率最高的词汇开始选择，直到这些词汇的总概率累积达到核采样值，核采样值可以限制模型选择这些高概率的词汇，从而控制输出内容的多样性。建议不要与温度同时调整。 温度 用于控制生成结果的随机性。调高温度，会使得模型的输出更具多样性和创新性；降低温度，会使输出内容更加遵循指令要求，但同时也会减少模型输出的多样性。 参数配置 输入参数 参数名称：只允许输入字母、数字、下划线，且不能以数字开头。 类型、值：支持“引用”和“输入”两种类型。 引用：支持用户选择工作流中已包含的前置节点的输出变量值和全局配置中的记忆变量。 输入：支持用户自定义取值。 插件 可绑定手动创建的插件或预制插件，当模型识别到需要调用工具来完成任务时，会根据用户的输入提取参数完成插件调用，并总结插件执行结果。 系统提示词 配置输入给大模型的系统提示词，用于指导模型更好的完成任务。配置提示词时，支持使用{{variable}}格式引用当前节点输入参数中已定义好的参数。最终替换后的内容会传递给模型。 输出参数 输出参数为Agent节点最后一轮的输出。 终止条件 最大迭代轮次 该参数用于设置与模型的最大交互次数，超过最大回复轮数还没有提取到参数则跳出Agent节点。 插件执行成功 该参数开启后可绑定插件，当执行该插件成功后跳出Agent节点。 识别到用户有退出意图 该参数开启后识别到用户输入有退出意向时，跳出Agent节点。 图1 Agent节点配置示例 节点配置完成后，单击“确定”。 连接Agent节点和其他节点。 父主题： 工作流节点配置参考

数据工程常见报错与解决方案 数据工程常见报错及解决方案请详见表1。 表1 数据工程常见报错与解决方案 功能模块 常见报错 解决方案 数据获取 File format mismatch, require [{0}]. 请检查创建数据集时使用的数据，与平台要求的文件内容格式是否一致。 Verification failed. Please check the content format is consistent with the template requirements. 请检查创建数据集时使用的数据，与平台要求的文件内容格式是否一致。 content type [%s] not support, only [%s] support. 数据集中的内容不支持，请保证上传的数据格式与平台要求的一致。 get obs bucket folders error. 请检查OBS服务是否正常，是否可以访问OBS桶数据。 数据加工 dataset is not online. 数据加工使用的数据集未上线，请先执行上线操作。 invalid obs path. 请检查数据集对应的OBS路径是否有效，是否可正常访问。 数据标注 annotate data not exist. 请检查标注数据集是否存在，是否被删除。 obs url invalid. 请检查数据集对应的OBS路径是否有效，是否可正常访问。 data management query dataset data invalid. 请检查标注数据集是否存在，是否被删除。 dataset obs file empty. 检查数据集文件是否还存在于原先的OBS桶中。 download obs file failed. 请检查网络是否正常，是否可以访问OBS桶中的数据。 数据评估 annotate type is invalid. 请检查上传的数据中，使用的数据标注类型、数据标注要求与平台要求的是否一致。 annotate data not exist. 待评测数据不存在，请检查数据是否导入成功，OBS桶是否为空。 obs url invalid. 请检查数据集对应的OBS路径是否有效，是否可正常访问。 standard item not exist. 请检查评估标准是否存在，是否被删除。 the corresponding data has been marked as deleted. 请检查评估数据是否被删除。 the current data not exist. 请检查评估数据是否存在，是否被删除。 dataset file type does not match standard file type. 请检查上传的数据集文件类型与平台要求的标准文件类型是否一致。 data management query dataset data invalid. 请检查数据集中是否有异常格式的数据。 dataset obs file empty. 检查数据集文件是否还存在于原先的OBS桶中。 数据发布 Dataset [%s] is not found. 请检查数据集是否存在。 Dataset [%s] status is invalid. 请检查数据集状态是否正常。 父主题： 使用数据工程构建数据集

构建医学NLP大模型数据集流程 在ModelArts Studio大模型开发平台中，使用数据工程构建盘古NLP大模型数据集流程见表3。 表3 盘古医学NLP大模型数据集构建流程 流程 子流程 说明 操作指导 导入数据至盘古平台 创建导入任务 将存储在OBS服务中的数据导入至平台统一管理，用于后续加工或发布操作。 导入数据至盘古平台 加工文本类数据集 加工文本类数据集 通过专用的加工算子对数据进行预处理，确保数据符合模型训练的标准和业务需求。不同类型的数据集使用专门设计的算子，例如去除噪声、冗余信息等，提升数据质量。 加工文本类数据集 合成文本类数据集 利用预置或自定义的数据指令对原始数据进行处理，并根据设定的轮数生成新数据。该过程能够在一定程度上扩展数据集，增强训练模型的多样性和泛化能力。 合成文本类数据集 标注文本类数据集 为无标签数据集添加准确的标签，确保模型训练所需的高质量数据。平台支持人工标注和AI预标注两种方式，用户可根据需求选择合适的标注方式。数据标注的质量直接影响模型的训练效果和精度。 标注文本类数据集 配比文本类数据集 数据配比是将多个数据集按特定比例组合的过程。通过合理的配比，确保数据集的多样性、平衡性和代表性，避免因数据分布不均而引发的问题。 配比文本类数据集 发布文本类数据集 评估文本类数据集 平台预置了多种数据类型的基础评估标准，包括NLP、视频和图片数据，用户可根据需求选择预置标准或自定义评估标准，从而精确优化数据质量，确保数据满足高标准，提升模型性能。 评估文本类数据集 发布文本类数据集 发布流程是将单个数据集发布为特定格式的“发布数据集”，用于后续模型训练等操作。 平台支持发布的数据集格式为标准格式、盘古格式。 标准格式：平台默认的格式。 盘古格式：训练盘古大模型时，需要发布为该格式。当前仅文本类、图片类数据集支持发布为盘古格式。 发布文本类数据集

训练医学NLP大模型所需数据量 使用数据工程构建盘古NLP大模型数据集进行模型训练时，所需数据量见表2。 表2 构建医学NLP大模型所需数据量 模型规格 训练类型 推荐数据量 最小数据量（数据条数） 单场景推荐训练数据量 单条数据Token长度限制 N1 微调 - 1000条/每场景 ≥ 1万条/每场景 32K N2 微调 - 1000条/每场景 ≥ 1万条/每场景 32K N4 微调 - 1000条/每场景 ≥ 1万条/每场景 4K版本：4096 32K版本：32768 预训练 4GB(等价10亿Tokens) - - 4K版本：4096 32K版本：32768 DPO强化学习 5万 ~ 15万条 1000条 -

医学NLP大模型支持接入的数据集类型 盘古NLP大模型仅支持接入文本类数据集，数据集文件内容包括：预训练文本、单轮问答、多轮问答、带人设单轮问答、带人设多轮问答等，不同训练方式所需要使用的数据见表1，该数据集格式要求请参见文本类数据集格式要求。 表1 训练医学NLP大模型数据集类型要求 基模型 训练场景 数据集类型 数据集内容 文件格式 NLP 预训练 文本 预训练文本 jsonl 微调 文本 单轮问答 jsonl、csv 文本 多轮问答 jsonl 文本 单轮问答（人设） jsonl、csv 文本 多轮问答（人设） jsonl 强化学习（DPO） 文本 偏好优化DPO jsonl

气象类数据集格式要求 ModelArts Studio大模型开发平台支持导入气象类数据集，该数据集当前包括海洋气象数据。 海洋气象数据通常来源于气象再分析。气象再分析是通过现代气象模型和数据同化技术，重新处理历史观测数据，生成高质量的气象记录。这些数据既可以覆盖全球范围，也可以针对特定区域，旨在提供完整、一致且高精度的气象数据。 再分析数据为二进制格式，具体格式要求详见表1。 表1 气象类数据集格式要求 文件内容 文件格式 文件样例 气象-天气数据 nc、cdf、netcdf、gr、gr1、grb、grib、grb1、grib1、gr2、grb2、grib2 从OBS导入：单个文件大小不超过50GB，文件数量不限制。 天气数据通常包含全球或区域性的气象变量，如温度（T）、气压（P）、风速（U、V）等。在文件中，这些变量可能按时间、地理范围和气压层次进行组织。示例如下： {"geo_range": {"lat": ["-90.0", "90.0"], "lon": ["0.0", "360.0"]}, "time_range": ["1640995200000", "1641164400000"], "total_size": 7376211808, "surface_features": ["P", "T", "U", "V"], "upper_air_layers": ["1000hPa", "100hPa", "150hPa", "175hPa", "200hPa", "250hPa", "300hPa", "400hPa", "500hPa", "50hPa", "600hPa", "700hPa", "850hPa", "925hPa"], "upper_air_features": ["Q", "T", "U", "V", "Z"]} geo_range：定义了数据覆盖的地理范围，纬度（lat）从-90.0到90.0，经度（lon）从0.0到360.0。 time_range：数据的时间范围，时间戳格式为毫秒数。 total_size：数据文件的总大小，单位为字节。 surface_features：地表特征变量列表，例如气压（P）、温度（T）、风速（U、V）。 upper_air_layers：高空气压层列表，例如1000hPa、100hPa等。 upper_air_features：高空特征变量列表，例如湿度（Q）、温度（T）、风速（U、V）、高度（Z）。 气象-海洋数据 nc、cdf、netcdf、gr、gr1、grb、grib、grb1、grib1、gr2、grb2、grib2 从OBS导入：单个文件大小不超过50GB，文件数量不限制。 海洋数据通常包含全球或区域性的海洋变量，如温度（T）、气压（P）、风速（U、V）等，具体格式示例如下 {"geo_range": {"lat": ["-90.0", "90.0"], "lon": ["0.0", "360.0"]}, "time_range": ["1640995200000", "1641164400000"], "total_size": 7376211808, "surface_features": ["SSH", "T", "P", "U", "V"], "under_sea_layers": ["0m", "6m", "10m", "20m", "30m", "50m", "70m", "100m", "125m", "150m", "200m", "250m", "300m", "400m", "500m"], "under_sea_features": [ "T", "U", "V", "S"]} geo_range：定义了数据覆盖的地理范围，纬度（lat）从-90.0到90.0，经度（lon）从0.0到360.0。 time_range：数据的时间范围，时间戳格式为毫秒数。 total_size：数据文件的总大小，单位为字节。 surface_features：海表特征变量列表，例如海表高度（SSH）、温度（T）、风速（U、V）。 under_sea_layers：深海层列表，例如500m、400mPa等。 under_sea_features：深海特征变量列表，例如海盐（S）、温度（T）、海流速率（U、V）。 气象-生态数据 nc、cdf、netcdf、gr、gr1、grb、grib、grb1、grib1、gr2、grb2、grib2 从OBS导入：单个文件大小不超过50GB，文件数量不限制。 生态数据通常包含总叶绿素浓度（Tca）、叶绿素浓度（Chl）、硅藻浓度（Dia）等生态变量。示例如下： {"geo_range": {"lat": ["-90.0", "90.0"], "lon": ["0.0", "360.0"]}, "time_range": ["1640995200000", "1641164400000"], "total_size": 7376211808, "surface_features": ["Tca","Chl","Dia","Coc","Cya","Irn","Nit","MLD"]} geo_range：定义了数据覆盖的地理范围，纬度（lat）从-90.0到90.0，经度（lon）从0.0到360.0。 time_range：数据的时间范围，时间戳格式为毫秒数。 total_size：数据文件的总大小，单位为字节。 surface_features：生态特征列表，例如总叶绿素浓度（Tca）、叶绿素浓度（Chl）、硅藻浓度（Dia）。 气象-海浪数据 nc、cdf、netcdf、gr、gr1、grb、grib、grb1、grib1、gr2、grb2、grib2 从OBS导入：单个文件大小不超过50GB，文件数量不限制。 海浪数据通常包有效波高（SWH）。示例如下： {"geo_range": {"lat": ["-90.0", "90.0"], "lon": ["0.0", "360.0"]}, "time_range": ["1640995200000", "1641164400000"], "total_size": 7376211808, "surface_features": ["SWH"]} geo_range：定义了数据覆盖的地理范围，纬度（lat）从-90.0到90.0，经度（lon）从0.0到360.0。 time_range：数据的时间范围，时间戳格式为毫秒数。 total_size：数据文件的总大小，单位为字节。 surface_features：海浪特征：有效波高（SWH）。 父主题： 数据集格式要求

设置plog日志 登录承载租户账户后，在左侧菜单页选择平台配置模块，并切换至运维配置页签。 点击添加按钮，在添加弹窗中将模块设置为训练，名称(config_key)设置为plog_level。 设置项目ID，其默认状态下是defalut，此默认状态表示为所有的项目设置plog日志级别，该字段支持填写项目id为其单独设置plog日志级别。 设置资源池，该项选择全局，表示为所有资源池设置plog日志级别；选择单个后，需要输入资源池ID，用于对资源池单独设置plog日志级别。 上述设置完成后，设置plog日志级别，详细说明参考获取训练日志。 完成设置后，查看plog日志并基于日志内容排查训练问题参考 表3 设置plog日志 参数类别 参数名称 说明 高级设置 plog日志 开启后plog日志功能，会记录模型训练过程中的执行过程、状态、错误等信息，盘古技术支持人员可通过plog日志定位模型训练问题。训练任务开始后可以在承载租户的OBS桶中查看。plog日志分级如下： DEBUG：记录模型训练过程中代码的执行流、变量状态、参数的变化等。 INFO：记录模型训练过程中的运行信息，通常包括一些重要的状态变化、执行的关键步骤、模型训练进度等。 WARNING：记录模型训练过程中的告警信息，可用于识别潜在的问题或异常情况。 ERROR：记录模型训练过程中的执行错误信息。

步骤3：为Agent添加技能（可选） 如果模型能力可以基本覆盖应用的功能，则只需要为应用编写提示词即可。但是如果你为应用设计的功能无法仅通过模型能力完成，则需要为应用添加技能，拓展它的能力边界。例如模型的训练数据是互联网上的公开数据，模型通常不具备垂直领域的专业知识，如果应用涉及专业领域知识的智能问答场景，你需要为其添加专属的知识库，解决模型专业领域知识不足的问题，更多详情请参考为Agent应用提升技能章节。 作为医疗问诊助手机器人，模型能力基本可以实现我们预期的效果。但如果你希望为医疗问诊助手添加更多技能，例如遇到模型无法回答的问题时，通过搜索引擎查找答案，那么可以为智能体添加一个web搜索插件。 在编排页面的技能区域，单击插件功能对应的 + 图标。 在添加插件页面，搜索 WebSearch，选中插件后单击“确定”即可完成添加。 图5 添加插件 修改提示词中的人设与回复逻辑，指示应用使用 WebSearch 插件来回答自己不确定的问题。否则，应用可能不会按照预期调用该工具。 图6 修改提示词

步骤4：设置开场白、推荐问题、追问 添加开场白。 您可以为应用添加一个开场白，该开场白将气泡内作为应用开场白展示给用户。你也可以使用开场白菜单右侧的“智能添加”按钮自动用生成开场白。 图7 添加开场白 添加推荐问题。 您可以为应用添加一些预置的推荐问题。可以为该医疗问诊助手添加一些推荐问题，例如“我想增加肌肉量，怎么办？”“最近有点咳嗽”，“我肚子疼”等。 你也可以单击推荐问题菜单右侧的“智能添加”按钮自动产生一些推荐问题。 图8 添加推荐问题 设置追问。 在每轮回复后，默认根据对话内容提供提问建议，您可以使用开关按钮启动或关闭追问功能。同时您也可以自定义追问生成规则。例如： 图9 设置追问

步骤2：编写提示词 配置应用的第一步就是编写提示词，也就是应用的人设与回复逻辑。应用的提示词定义了应用的基本人设，此人设会持续影响应用在所有会话中的回复效果。建议在人设与回复逻辑中指定模型的角色、任务描述、约束条件、执行步骤和输出格式等。 在应用配置页面的提示词面板中输入提示词。例如医疗问诊助手的提示词可以设置为： 你是一名私人数字健康管理师。你能够和医生一样进行问诊，询问患者的病情，并给出建议和治疗方案。 \n\n\n 要求：\n 1. 专注于疾病、症状、检查、药物等相关询问，\n 2. 当用户描述症状时，你需要追问，**每次提问最多提出2个问题**，引导患者详细描述症状和背景（如既往病史、手术史、药物使用史、家族病史等），以辅助诊断。\n 3. 当患者信息足够或你已全面理解患者的主要问题及症状发展后，直接总结病情，建议必要的检查、治疗方案和就诊科室。\n 4. 确保回答准确、简洁，直接相关患者当前健康状况或问题，避免偏题。\n 5. **不重复历史对话中的问题**。如患者未回答某问题，不再追问。\n 6. **不重复患者描述的症状**。确保对话内容新颖且相关。\n 7. 你返回的内容不应该超过100字，注意每句话应该换行。\n 8. **严禁回答医学知识以外的问题，如闲聊、娱乐等**。\n 请严格遵守以上规则，仅提供**必要的、简洁的**回答。 图3 编写提示词 您可以使用平台的智能优化提示词功能对上述的提示词进行优化。 图4 智能优化提示词 优化后的结果如下： ## 人设 - 角色：私人数字健康管理师 - 专业技能：疾病诊断、症状分析、检查建议、药物治疗建议 ## 任务描述 - 目标：通过问诊，了解患者的病情，提供必要的建议和治疗方案。 - 积极影响：帮助用户更好地理解自己的健康状况，提供针对性的医疗建议。 ## 约束条件 - 专注于疾病、症状、检查、药物等相，了解患者的病情，提供必要的建议和治疗方案。 - 每次提问最多提出2个问题。 - 不重复历史对话中的问题。 - 不重复患者描述的症状。 - 回答不超过100字，每句话换行。 - 严禁回答医学知识以外的问题。 ## 执行步骤 1. 询问患者的主要症状。 2. 根据患者描述，追问相关背景信息（既往病史、手术史、药物使用史、家族病史等）。 3. 总结病情，建议必要的检查、治疗方案和就，了解患者的病情，提供必要的建议和治疗方案。 ## 输出格式 - 风格：准确、简洁、直接相关患者当前健康状况或问题。 - 字数：不超过100字。 - 格式：每句话换行。

使用MCP服务 在Agent开发平台中，开发者可以在开发智能体应用、工作流应用时，添加预置和自定义创建的MCP服务。 在智能体应用开发时配置MCP服务： 步骤一：进入Agent开发平台后，在导航栏选择“工作台”。 步骤二：在右侧导航栏中选择“应用”，单击创建“创建应用”，进入创建应用开发页面。 步骤三：在应用开发页面，技能配置，MCP服务模块，单击添加，进入MCP服务选择页面。 步骤四：从官方服务、个人服务中选中所需要的MCP服务。 步骤五：单击确定，完成MCP服务添加。 步骤六：在右侧调试模块，对话框输入问题，如大模型MCP服务，对话界面展示可展示调用详情。 在工作流应用中开发时配置MCP服务： 步骤一：进入Agent开发平台后，在导航栏选择“工作台”。 步骤二：在右侧导航栏中选择“工作流”，单击“创建工作流”，进入工作流开发页面。 步骤三：在工作流开发页面，在左侧导航栏选中MCP节点，拖拽至工作流编排画布。 步骤四：在MCP选择弹窗中，从预置服务、个人服务中选中所需要的MCP服务。 步骤五：单击“添加”，完成MCP服务添加。

创建自定义MCP服务 如果您已有可用的工具和API资源，则可以使用MCP服务器来配置您的MCP扩展。完成MCP服务器构建后，只需要在Agent开发平台配置对应的工具即可创建自己的MCP服务。 登录ModelArts Studio大模型开发平台，在“我的空间”模块，单击进入所需空间。 图3 我的空间 在左侧导航栏中选择“Agent开发”，跳转至Agent开发平台。 在右侧导航栏中选择“MCP服务”，单击“创建MCP服务”，进入创建MCP页面。 在“创建MCP服务”页面，参考表1配置“MCP服务名称”、“英文名称”、“MCP服务地址”、“描述”以及“权限校验”选项后，单击“测试并下一步”。 表1 MCP服务信息配置说明 参数名称 参数说明 MCP服务名称 MCP服务中文名。 英文名称 MCP服务英文名，需确保同一个租户下唯一。 MCP服务地址 MCP服务SSE地址。 服务URL地址只支持HTTP和HTTPS。 系统会校验URL地址是否为标准的URL格式。 URL对应的IP默认不应为内网，否则会导致注册失败。 说明： 支持网站公开的MCP服务，也支持用户自行创建的MCP服务。 描述 MCP服务描述。 仅我可见 是否仅创建者可见。 权限校验 选择调用MCP服务时是否需要通过认证才可以调用。 无需鉴权：MCP服务可以公开访问，不需要任何形式的身份验证或授权。 API Key：在调用MCP服务时提供唯一的API Key进行鉴权。 需填写密钥位置，即密钥信息是设置在Header中还是设置在Query中。并设置API Key的密钥鉴权参数名和密钥值。 说明： 若服务地址中包含有认证信息，建议使用平台的权限校验（API Key）功能。 图4 创建MCP服务 图5 权限校验示例 图6 连通性测试成功示例 测试完成，单击确认完成MCP服务创建。

预置应用分类 通用场景 适用于跨行业的通用AI能力，如智能问答、文档总结等。 医疗场景 数字病历生成-诊疗建议：根据患者医学记录（对话、病情描述等）生成初步诊断建议。 数字病历生成-主诉病史：自动提取患者主诉、现病史、既往史等信息。 数字病历生成-查体：基于医学记录（对话、检查单等）生成查体报告。 金融场景 智能坐席助手-工单总结：自动总结电话/客服对话，避免用户重复描述问题。 金融坐席助手-前情摘要总结：优化坐席转接流程，快速生成对话摘要。 金融坐席助手-活动推荐话术：基于银行业务活动，智能生成营销话术。 政务场景 政务公文摘要：快速生成公文核心摘要，提高办公效率。 公文标签生成：自动提取公文关键标签，便于分类检索。 外部应用（第三方AI能力） 盘古大脑知识问答助手：提供意图识别、纠错改写、知识增强问答等智能对话能力。 知网·AI学术研究助手：结合大模型与知网资源，支持科研检索、研读、创作全流程。 知网·AI智能写作：辅助撰写调研报告、技术方案、工作总结等文档。 知网·政知通智能辅政系统：提供公文生成、政策比对、决策辅助等功能。 知网·律境法律大模型：支持法律问答、智慧办案、合规审查等法律AI应用。

创建盘古子用户 创建盘古子用户步骤如下： 使用主账号登录 IAM 服务控制台。 左侧导航窗格中，选择“用户”页签，单击右上方的“创建用户”。 图6 创建用户 配置用户基本信息，单击“下一步”。 配置用户信息时，需要勾选“编程访问”，如果未勾选此项，会导致IAM用户无法使用盘古服务API、SDK。 图7 配置用户基本信息 将用户添加至创建用户组步骤中创建的用户组，单击“创建用户”，完成IAM用户的创建。 图8 加入用户组

添加盘古子用户至工作空间 在添加盘古子用户至工作空间前，请先完成创建盘古子用户。 登录ModelArts Studio大模型开发平台。 进入需要添加子用户的空间，在空间内单击左侧导航栏“空间管理”，并进入“成员管理”页签。 如图9，以添加子用户为“模型开发工程师”角色为例。在搜索框中搜索子用户名称，在“请选择角色”选项栏中设置用户角色，设置完成后单击右侧“添加”，将该用户添加至本空间。 图9 添加成员为“模型开发工程师”角色

修改盘古子用户权限 当需要修改空间内某个子用户权限时可以按如下步骤操作： 登录ModelArts Studio大模型开发平台。 进入需要修改子用户权限的空间，在空间内单击左侧导航栏“空间管理”，在“角色管理”页签，可以查看各角色名称及其权限的描述。 图10 角色管理 单击进入“成员管理”页签。 如图，以授权子用户“模型开发工程师”权限为例。单击用户列表操作栏的“编辑”，勾选需要赋予用户的角色，单击“确认”。 图11 授权子用户“模型开发工程师”权限