模型组件分为语言模型和嵌入模型两类。
语言模型
语言模型组件能够调用指定的大语言模型（LLM）来输出文本。可接收聊天消息、文件及操作指令等作为输入，进而生成相应的文本反馈。当前已内置多个国内外模型提供商，包括 OpenAI、Anthropic、Google、Alibaba DashScope、DeepSeek、VolcEngine、Baidu Qianfan，可按需选择。如上述供应商中的模型不能满足您的需求，可以在扩展包中选择其他模型供应商。
模型输出
| 参数名称 | 显示名称 | 描述 |
|---|---|---|
| Model Response | 模型响应 | 默认输出类型，将模型生成的响应作为Message数据输出。适用于标准的LLM交互场景，即基于给定输入获取大语言模型生成的文本回复。 |
| Language Model | 语言模型 | 当需要将大语言模型连接到工作流中的其他组件（如智能体或智能函数组件）时，请将输出类型切换为此模式。在此配置下，语言模型组件将支撑其他组件完成具体操作，而非直接进行对话交互。例如，智能函数组件就是运用大语言模型，根据自然语言输入来创建函数的典型场景。 |
模型使用
在需要接入大语言模型的工作流场景中，均可使用语言模型组件。其最常见的使用场景之一，是在工作流中实现与大语言模型的对话交互。
如下示例将演示如何通过类似"基础提示"模板的方式，在聊天机器人工作流中配置语言模型组件：
- 将语言模型组件添加至您的工作流，并输入有效的模型密钥；
- 在该组件的顶部菜单中，点击控制项，启用系统消息参数；
- 向工作流中添加一个提示词模板组件；
- 在模板参数中，输入用于设定大语言模型角色的指令，例如："你是一位辅导高中生的地理专家"；
- 将提示词模板组件的输出端连接到语言模型组件的系统消息输入端；
- 向工作流中添加输入与输出组件。这两个组件是实现与大语言模型直接对话交互所必需的；
- 将输入组件连接到语言模型组件的输入端，再将语言模型组件的消息输出端连接到输出组件；
- 打开试验场，输入问题（例如："中国的首都是哪里？"）以开始与模型对话，并测试工作流运行是否正常。
- 可选步骤：建议您尝试切换不同的模型或供应商（例如将当前使用的语言模型组件替换为Anthropic的模型），随后在试验场中输入相同问题，通过对比不同模型生成回复的内容结构与表达风格，直观了解各模型处理请求的差异，进而为实际应用场景甄选最适配的模型。若需深入掌握不同模型的特性，还可查阅各模型供应商提供的技术文档。
 |
| 图：基于语言模型组件的工作流构建示例 |
嵌入模型
嵌入模型组件把文本转化为数值向量，这种表示方法能提取文本的语义信息，从而让大语言模型理解上下文。当前内置的嵌入模型提供商为OpenAI，如上述供应商中的模型不能满足您的需求，可以在扩展包中选择其他模型供应商。
模型使用
当工作流中需要进行文本向量化处理时，均可使用嵌入模型组件。
如下示例演示如何通过嵌入模型组件构建语义搜索系统：该工作流将加载文本文件，分割文本块，为每个文本块生成嵌入向量，最后将文本块与嵌入向量存储至向量数据库。通过输入输出组件，用户可借助聊天界面查询向量数据库。操作步骤如下：
- 创建新工作流，添加文件组件并选择包含文本数据的文件（如PDF文档）用于测试；
- 添加嵌入模型组件，配置有效的OpenAI API密钥（可直接输入或使用全局变量）
- 添加分割文本组件，用于将输入文本切分为适合生成嵌入向量的小型文本块；
- 引入向量数据库组件（如Chroma DB组件），配置组件连接参数以接入向量数据库，该组件将存储生成的嵌入向量以支持相似性搜索
- 按以下顺序连接组件：
a.将文件组件的"已加载文件"输出端连接至文本分割组件的"数据/数据框"输入端
b.将文本分割组件的"文本块"输出端连接至向量数据库组件的"数据注入"输入端
c.将嵌入模型组件的"嵌入向量"输出端连接至向量数据库组件的"嵌入向量"输入端
- 为实现查询功能，添加对话输入输出组件：
a.将聊天输入组件连接至向量数据库组件的"搜索查询"输入端
b.将向量数据库组件的"搜索结果"输出端连接至聊天输出组件
- 打开试验场，输入搜索查询即可获取与查询语义最相关的文本块
本地部署模型
在低代码搭建中，如果您需要接入使用本地部署的模型，需要添加扩展包中的LM Studio组件，输入模型信息（名称、URL、密钥)，并在画布中按需添加其他组件进行连接，在工作流中实现与本地部署大语言模型的对话交互。
如下示例将演示如何通过类似"基础提示"模板的方式，在聊天机器人工作流中配置LM Studio组件：
- 在侧边栏扩展包中找到LM Studio组件添加至您的工作流，并输入有效的模型信息（名称、URL、密钥)；
- 向工作流中添加一个提示词模板组件；
- 在模板参数中，输入用于设定大语言模型角色的指令，例如："你是一位辅导高中生的地理专家"；
- 将提示词模板组件的输出端连接到LM Studio组件的系统消息输入端；
- 向工作流中添加输入与输出组件。这两个组件是实现与大语言模型直接对话交互所必需的；
- 将输入组件连接到LM Studio组件的输入端，再将LM Studio组件的消息输出端连接到输出组件；
- 打开试验场，输入问题（例如："中国的首都是哪里？"）以开始与模型对话，并测试工作流运行是否正常。
 |
| 图：基于LM Studio组件的工作流构建示例 |