Getting started: Create a workflow application - Platform For AI: Central de Documentação do Alibaba Cloud

Este tópico descreve como usar o LangStudio no PAI console para criar rapidamente um aplicativo de chat inteligente com recursos de pesquisa na web. Este tutorial orienta você em todo o processo de desenvolvimento, desde a criação do aplicativo e a construção do workflow até a avaliação de desempenho, a implantação como serviço online e o monitoramento da operação.

Etapa 1: Crie um aplicativo e um runtime

Primeiro, crie um aplicativo e prepare um ambiente de runtime para desenvolvimento e depuração.

Faça login no PAI console. No topo da página, selecione uma região de destino, como China (Hangzhou).
No painel de navegação à esquerda, escolha Model Application > Application Development (LangStudio) e acesse o workspace desejado.
Na aba Applications, clique em Create Application e selecione Workflow na lista suspensa.
Na página Create Application, configure os seguintes parâmetros:
- Creation Method: Selecione Create by Type e escolha Chat Type.
- Name: Insira um nome para o aplicativo. Por exemplo, WebSearchChatbot.
- Select Runtime: O runtime é o ambiente de computação necessário para executar e depurar o workflow. Esta é uma etapa obrigatória para depuração.
  - Runtime existente: Selecione um na lista suspensa.
  - Nenhum runtime disponível: Clique em New Runtime para criar um com as configurações padrão. O runtime serve apenas para desenvolvimento e depuração, sendo independente do serviço final implantado.
- Working Path: Este caminho refere-se a um bucket do OSS que armazena configurações de workflow, logs e arquivos temporários gerados durante a depuração. Ao selecionar um runtime, o sistema carrega automaticamente o diretório de trabalho correspondente.
- Description (Opcional): Insira uma descrição sobre a finalidade do aplicativo.
Clique em Confirm. O sistema redireciona você automaticamente para a tela de edição do workflow.

Etapa 2: Construa o workflow

Ao acessar a tela de edição, você verá um workflow padrão composto por um Start Node, um LLM Node e um End Node. Para adicionar recursos de pesquisa na web ao aplicativo, adicione um nó de pesquisa.

Um workflow consiste em uma série de nós conectados. Cada nó executa uma tarefa específica.

2,1 Adicione e conecte nós

Abaixo da tela de edição, clique no ícone de adicionar nó e selecione Serp Search.
Exclua a conexão entre o Start Node e o LLM Node.
Conecte os nós na seguinte ordem: Start Node -> Serp Search -> LLM Node.

2,2 Configure os nós

Start Node: Ponto de entrada do workflow. Este nó não exige configuração especial e fornece, por padrão, dois parâmetros de entrada: histórico de chat (chat_history) e a pergunta atual (question).
Serp Search: Recebe a pergunta do usuário como palavra-chave, chama a SerpAPI para pesquisar na web e transmite os resultados para o próximo nó.
- SerpApi Connection: Selecione uma conexão pré-configurada. Caso não exista nenhuma conexão configurada, selecione New Connection. Em seguida, defina Custom Key como api_key, defina Custom Value com a chave de API obtida em SerpAPI e selecione Private para armazenamento seguro.
  
  A SerpAPI oferece uma cota gratuita. Se você ainda não possui uma conta, registre-se para obter acesso.
- Search query: Selecione a variável question no nó inicial.
LLM: Este nó recebe a pergunta original e os resultados da pesquisa. Ele utiliza um prompt bem estruturado para gerar respostas mais precisas e atualizadas.
- Model Configuration: Selecione um serviço de modelo, como qwen3-max do Alibaba Cloud Model Studio.
  
  Nota
  Uma Connection armazena e gerencia com segurança as credenciais necessárias para acessar serviços externos, como APIs de LLM. Se você ainda não configurou uma conexão, crie uma nova. Para mais informações, consulte Configuração de conexão.
- Input Variable: Clique em Add Variable, defina o nome da variável como search_result e o valor da variável como a variável de saída output do nó SerpAPI-Web Search.
- System Prompt: Modifique o modelo de prompt user para incluir a saída do nó de pesquisa.
  
  Importante
  O modelo de prompt deve utilizar as variáveis de entrada definidas no nó LLM.
```
## The following are search results related to the user's question:
{% for item in search_result %}
### Title:
{{ item.title }}
### Content:
{{ item.summary }}
### Link:
{{ item.link }}
{% endfor %}

## The user's question is: {{ query }}
```

Etapa 3: Depure e visualize o rastreamento

Após construir o workflow, utilize o recurso de depuração para verificar se ele executa conforme o esperado. Também é possível usar o Tracing Analysis para examinar o processo de execução.

No canto superior direito da tela de fluxo do aplicativo, clique em Run para abrir o painel de depuração.
No painel de depuração, insira uma pergunta e envie-a. Por exemplo: Quais foram os principais avanços da IA em janeiro de 2026? Responda em menos de 100 palavras.
Depois que a resposta for gerada, clique em View Traces abaixo da resposta para visualizar os detalhes do rastreamento ou a visualização topológica. Na página de detalhes do rastreamento, analise o processo completo de execução do workflow:
- Verifique entradas e saídas dos nós: Expanda cada nó para visualizar seu conteúdo específico de entrada e saída.
  
  Dica de depuração : Expanda os detalhes do LLM node para ver o rendered prompt . Trata-se do conteúdo completo da solicitação enviada ao LLM após a substituição das variáveis. Verificar esse conteúdo é a maneira mais eficaz de solucionar problemas relacionados a prompts.
- Analise o desempenho: Visualize a duração da execução de cada nó para identificar gargalos de desempenho.
- Solucione erros: Verifique se houve falhas ou exceções durante a execução do workflow.

Etapa 4: Avalie o desempenho

Para avaliar objetivamente o desempenho do aplicativo, utilize o recurso de avaliação. Essa funcionalidade permite quantificar o desempenho executando testes em lote e calculando métricas de avaliação.

Prepare um conjunto de dados de avaliação. Prepare um conjunto de dados no formato .jsonl e faça upload dele para o OSS. O arquivo deve conter um objeto JSON por linha. Cada objeto precisa incluir uma pergunta típica e sua resposta de referência correspondente. Arquivo de exemplo: langstudio_eval_demo.jsonl.
Crie uma tarefa de avaliação.
1. No canto superior direito da tela de fluxo do aplicativo, clique em Evaluation.
2. Na página Create Evaluation Task, configure os seguintes parâmetros principais:
  - Evaluation Dataset: Selecione o caminho do OSS onde está localizado o arquivo .jsonl enviado.
  - Workflow Input Mapping: Mapeia a entrada do workflow (question) para o campo query no conjunto de dados de avaliação.
  - Evaluation Configuration: Selecione uma métrica de avaliação, como Answer Consistency.
  - Evaluation Template Input Mapping:
    - reference: Selecione o campo de resposta de referência reference no conjunto de dados de avaliação.
    - response: Selecione o campo de saída do workflow.
3. Clique em Confirm para enviar a tarefa de avaliação.
Visualize os resultados da avaliação. Após enviar a tarefa de avaliação, você será redirecionado para a página Overview da tarefa. Alterne para a aba Metrics para visualizar as pontuações de métricas como Answer Consistency e avaliar quantitativamente o desempenho do aplicativo.

Etapa 5: Implante como serviço online

Após o desenvolvimento e a avaliação, implante o workflow como um serviço online padrão do PAI-EAS para integração via API.

Implante o serviço

No canto superior direito da tela de fluxo do aplicativo, clique em Deploy.
Na página de implantação, configure parâmetros como nome do serviço, grupo de recursos e configuração de rede (VPC, vSwitch) e, em seguida, clique em Confirm.

Importante
O serviço Model Studio e o serviço de pesquisa na web no workflow exigem acesso à rede pública. No entanto, os serviços EAS não possuem acesso à rede pública por padrão. Portanto, durante a implantação, você deve configurar uma VPC e um vSwitch com acesso à rede pública para o serviço. Isso geralmente requer a associação de um NAT Gateway. Caso contrário, a chamada do serviço falhará. Para mais informações, consulte Acessar recursos públicos ou internos a partir do EAS.
Na página de fluxo de implantação exibida, clique em Submit deployment.
No canto superior direito, clique em Go to EAS para acessar a página de detalhes do serviço EAS. Aguarde até que o status do serviço mude para Running. Esse processo pode levar de 5 a 10 minutos.

Invoque o serviço

Os serviços de aplicativos do LangStudio podem ser invocados no modo básico ou completo. Abaixo segue um exemplo de invocação do serviço no modo básico. Para mais informações, consulte Implantar um fluxo de aplicativo - Invocar o serviço.

Descrição do corpo da solicitação: Um objeto JSON cuja key deve corresponder ao parâmetro de entrada definido no Start node do fluxo do aplicativo. Neste exemplo, a chave é question.

Depuração online

Primeiramente, teste a chamada do serviço na aba Online Debugging da página de detalhes do serviço EAS.

Invoque usando curl

Na aba Overview da página de detalhes do serviço EAS, clique em View Endpoint Information na seção Basic Information para obter o endpoint e o token de autenticação.

# Replace <EAS_ENDPOINT> and <EAS_TOKEN> with your service endpoint and authentication token
curl -X POST '<EAS_ENDPOINT>' \
-H 'Authorization: <EAS_TOKEN>' \
-H 'Content-Type: application/json' \
-d '{
  "question":"Get 3 important AI news items from January 2026"
}'

Etapa 6: Monitore e observe

Após implantar o serviço:

Na aba Monitoring da página de detalhes do serviço EAS, visualize métricas essenciais como número de solicitações, taxa de sucesso, taxa de erro e latência de resposta P95/P99.
Na aba Logs do EAS, encontre logs de erro para localizar nós problemáticos.
Na aba Tracing Analysis do EAS, visualize o rastreamento de chamadas para avaliar o desempenho do aplicativo.

Limpeza de recursos

Para evitar cobranças desnecessárias, limpe prontamente todos os recursos criados após concluir o experimento.

Serviço online PAI-EAS: No PAI-EAS console, pare e exclua o serviço de aplicativo implantado.
Runtime do LangStudio: Na aba Runtime do LangStudio, pare e exclua a instância de runtime.

Ao excluir um aplicativo, os arquivos armazenados em seu bucket não são removidos automaticamente. Gerencie esses arquivos manualmente para evitar taxas de armazenamento desnecessárias.

Próximas etapas

Explore os seguintes tópicos:

Adicione mais nós ao workflow, como análise de documentos e ramificações condicionais, para suportar lógicas de negócios mais complexas. Para mais informações, consulte Tipos e configurações de nós.
Conheça recursos mais avançados do LangStudio, como gerenciamento de base de conhecimento.