在工作流里用大模型，过程看得见
iModel 基于 KNIME 开源内核二次开发，增强部分自主研发、源码可审查。它不替你决定用哪个大模型，而是提供一套把模型调用嵌进分析流程的方式，让 GenAI 的每一步和其他数据处理步骤一样可查、可复算、可交接。
一组可以拖进工作流的节点：连接大模型服务、构造提示词、做向量化与检索（RAG）、把模型输出接回后续的数据处理。它们和清洗、关联、建模的节点在同一张画布上，可以混着用。
两条接入路线，先确认你在哪一条
这是选型时最先要问清的问题。内网能不能出公网，直接决定可选的模型范围与部署方式。
数据不出内网
金融、政务、军工等场景的常见约束：分析平台与模型都必须部署在内网，不允许任何外部 API 调用。
- iModel 完全离线部署，支持麒麟 V10 / V11、统信 UOS 的 x86-64 环境
- 接入本地私有化部署的开源模型
- 向量库与知识库数据全部留在本地
- 模型调用记录随工作流一起留痕
允许调用外部模型服务
互联网、零售、制造等场景更常见：可以调用云端模型 API，关注点在成本、效果与敏感数据的处理方式。
- 接入 OpenAI、Azure OpenAI、Hugging Face 等主流服务
- 支持 OpenAI 兼容接口的国产模型可按标准端点接入
- 同一工作流里可对不同环节使用不同模型
- 敏感字段可在调用前先做处理再发出
让大模型变成流程里的一个环节
GenAI 单独用价值有限，接进已有的数据流程才形成生产力。
模型接入
连接云端模型服务或本地部署的开源模型，同一工作流里可以为不同环节选用不同模型，换模型不用重写流程。
知识库与 RAG
把企业内部文档向量化存储，结合检索为模型补充上下文，让回答基于你自己的资料而不是模型的记忆。
数据处理边界可控
哪些字段会被发给模型、发之前做什么处理，都作为工作流里的显式步骤，而不是埋在代码里的隐性行为。
接什么模型，用什么组件
模型的选择权在你手上，平台负责把它接进流程。
可接入的模型服务
GenAI 能力组件
哪些活适合交给 GenAI
共同点是：输入是非结构化文本，输出需要接回结构化流程继续处理。
自己写代码调 API，和在工作流里调
两种都能跑通。差别在流程能不能交出去、出问题能不能查。
| 对比维度 | 自己写代码调用 API | 在 iModel 工作流里调用 |
|---|---|---|
| 谁能改 | 只有写代码的人 | 看得懂流程的人都能改 |
| 调用过程 | 藏在代码里，需要读代码才知道 | 作为节点显式呈现，可逐步查看 |
| 换模型 | 改代码、改依赖、重测 | 换连接节点的配置 |
| 与分析衔接 | 需另行拼接数据处理逻辑 | 与清洗、建模节点同流程编排 |
| 知识库检索 | 自行搭建向量库与检索逻辑 | 用现成的向量存储与检索节点 |
| 国产化部署 | 取决于自研栈的适配情况 | 麒麟、统信 x86-64 环境已验证 |
关于 iModel 生成式 AI
内网环境连不上外网，还能用生成式 AI 吗？
可以，但模型要自己在内网部署。iModel 支持完全离线安装并连接内网中的模型服务，向量库与知识库数据也留在本地。这条路线的前提是你有可用的私有化模型，具体方案可以联系我们一起评估。
iModel 和 KNIME 是什么关系？
iModel 基于 KNIME 开源内核二次开发，增强部分自主研发，源码可审查。差别主要在中文界面、国产操作系统适配、离线部署与本地化的技术支持。已有 KNIME 工作流的团队可以参考 迁移方案。
不会编程能构建 LLM 应用吗？
能搭出流程，但效果好不好取决于你对业务和数据的理解。拖拽节点就能连起模型调用与检索，真正花时间的是把提示词和数据准备调对。
发给模型的数据怎么控制？
哪些字段进入模型调用、发送前做什么处理，都是工作流里的显式节点，可以在流程上直接看到和调整，而不是藏在代码里。具体的脱敏与访问控制要求，建议在演示时结合你的合规清单逐条对。
能构建 RAG 知识库吗？
可以。用向量存储与检索节点把内部文档向量化，检索结果作为上下文传给模型，整个链路都在工作流里。
