Platform For AI:Getting started: Create a workflow application

2,1 Adicione e conecte nós

1. Abaixo da tela de edição, clique no ícone de adicionar nó e selecione Serp Search.

2. Exclua a conexão entre o Start Node e o LLM Node.

3. 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 buscar na web e transmite os resultados para o próximo nó.

  • SerpApi Connection: Selecione uma conexão pré-configurada. Caso não haja 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 tem uma conta, registre-se para obter uma.

    

  • Search query: Selecione a variável question do nó inicial.

    

• LLM: Este nó recebe a pergunta original e os resultados da busca. Ele utiliza um prompt bem estruturado para gerar respostas mais precisas e atualizadas.

  • Model Configuration: Selecione um service de modelo, como qwen3-max do Alibaba Cloud Model Studio.

    Nota

    Uma Connection armazena e gerencia com segurança as credenciais necessárias para acessar services externos, como APIs de LLM. Se você ainda não configurou uma conexão, crie uma. Para mais informações, consulte Connection configuration.

  • 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 busca.

    Importante

    O modelo de prompt deve usar 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 trace

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

1. No canto superior direito da tela de fluxo do aplicativo, clique em Run para abrir o painel de depuração.

2. 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.

3. Depois que a resposta for gerada, clique em View Traces abaixo da resposta para visualizar os detalhes do trace ou a visualização de topologia. Na página de detalhes do trace, analise todo o processo de execução do workflow:

   • Verifique entradas e saídas dos nós: Expanda cada nó para ver 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 de prompt.

   • Analise o desempenho: Visualize a duração da execução de cada nó para identificar gargalos de performance.

   • 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. Esse recurso permite quantificar a performance executando testes em lote e calculando métricas de avaliação.

1. Prepare um conjunto de dados de avaliação. Prepare um conjunto de dados no formato .jsonl e upload it to OSS. O arquivo deve conter um objeto JSON por linha. Cada objeto precisa incluir uma pergunta típica e sua verdade fundamental correspondente. Arquivo de exemplo: langstudio_eval_demo.jsonl.

2. 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 verdade fundamental reference do conjunto de dados de avaliação.

        • response: Selecione o campo de saída do workflow.

   4. Clique em Confirm para enviar a tarefa de avaliação.

   5. Visualize os resultados da avaliação. Após enviar a tarefa de avaliação, o sistema redireciona você para a página Overview da tarefa. Mude para a aba Metrics para ver as pontuações de métricas como Answer Consistency e avaliar quantitativamente o desempenho do aplicativo.

   Etapa 5: Implante como um service online

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

   Implante o service

   1. No canto superior direito da tela de fluxo do aplicativo, clique em Deploy.

   2. Na página de implantação, configure parâmetros como nome do service, grupo de recursos e configuração de rede (VPC, vSwitch) e, em seguida, clique em Confirm.

      Importante

      O service do Model Studio e o service de busca na web no workflow exigem acesso à rede pública. No entanto, os services do 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 service. Isso geralmente requer a associação de um nat Gateway. Caso contrário, a chamada do service falhará. Para mais informações, consulte Access public or internal resources from EAS.

   3. Na página de fluxo de implantação exibida, clique em Submit deployment.

   4. No canto superior direito, clique em Go to EAS para acessar a página de detalhes do service EAS. Aguarde até que o status do service mude para Running. Esse processo pode levar de 5 a 10 minutos.

   Invoque o service

   Os services de aplicativos do LangStudio podem ser invocados no modo básico ou completo. Abaixo está um exemplo de invocação do service no modo básico. Para mais informações, consulte Deploy an application flow - Invoke the service.

   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 service na aba Online Debugging da página de detalhes do service EAS.

   

   Invoque usando curl

   Na aba Overview da página de detalhes do service 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 service:

   • Na aba Monitoring da página de detalhes do service 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 trace de chamadas para avaliar o desempenho do aplicativo.

   Limpe os recursos

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

   1. Service online do PAI-EAS: No PAI-EAS console, pare e exclua o service de aplicativo implantado.

   2. 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 Node types and configurations.

   • Conheça recursos mais avançados do LangStudio, como knowledge base management.