模型与能力协作 ​

工作流里最容易让人混淆的一点，就是：

对话模型、图片模型、视频模型、向量模型，到底分别干什么？

你可以直接这样理解：

1. 对话模型负责理解和组织 ​

对话模型的主要作用是：

• 理解输入
• 判断下一步该做什么
• 组织回复内容
• 把多个能力结果整合成最终输出

如果你的工作流里需要“理解需求”或“整理结果”，通常都离不开对话模型。

2. 图片模型负责图片生成 ​

图片模型主要负责：

• 文生图
• 图生图
• 输出图片结果

它本身不负责流程编排，只负责生成图片。

3. 视频模型负责视频生成 ​

视频模型主要负责：

• 提交视频生成任务
• 生成视频结果

但因为视频通常是异步任务，所以更适合由工作流来控制整个执行过程。

4. 向量模型负责知识库向量化 ​

向量模型主要负责：

• 把文档内容转换成向量
• 给知识库检索准备底层数据

它不是拿来直接和用户对话的，而是给知识库链路使用的。

5. 能力节点负责执行具体动作 ​

工作流里的能力节点，本质上是把这些模型能力或业务动作真正执行出来。

例如：

• 知识库检索
• HTTP 请求
• MCP 调用
• 图片生成
• 视频生成
• 通知发送

6. 工作流负责把它们串起来 ​

工作流本身最重要的作用不是“做某一件事”，而是：

• 控制输入
• 控制执行顺序
• 控制异步恢复
• 控制输出结构
• 留下执行日志

所以你可以把它理解成：

• 模型负责“做某类事”
• 能力负责“执行动作”
• 工作流负责“把这些动作有顺序地组织起来”

推荐理解方式 ​

如果你是第一次用工作流，建议直接按下面这句来记：

对话模型负责理解，专用模型负责生成，能力节点负责执行，工作流负责编排。