大模型配置
概述
大模型配置用于管理 ChatBI 在问数、洞察等场景中调用的大模型服务。管理员可以根据业务需求与成本考量,选择系统内置的大模型服务,或接入自有第三方模型服务,并针对不同主题灵活配置各类任务使用的模型。
大模型配置支持两个层级:
| 配置层级 | 配置入口 | 作用范围 |
|---|---|---|
| 域级别 | 智能体管理 > 管理中心 > 大模型配置 | 为整个域配置模型服务策略,维护可使用的模型服务池。 |
| 主题级别 | 智能体详情配置 > 基础信息 > 大模型配置 | 为单个主题配置具体场景使用的模型,优先级高于域级别默认策略。 |
前提条件
-
配置域级别大模型策略需要具备数据集智能体(ChatBI)的「编辑」权限。

-
配置主题级别大模型需要具备对应主题的「所有者」权限。

-
添加第三方模型前,需已获取对应模型服务的接口地址与访问密钥(API Key)。
域级别大模型配置
平台管理员可在管理中心的「大模型配置」页面维护当前域可用的模型服务,并设置模型配置策略。
配置入口
登录 Data Agent 管理后台,进入「智能体管理 > 管理中心 > 大模型配置」页面。

添加模型
支持添加观远内置模型与第三方模型。
添加观远大模型
若已购买观远大模型服务,可在此区域完成观远大模型接入配置。
- 在「内置模型服务列表」中点击「添加模型」。

- 在弹出的「添加观远大模型」对话框中填写配置项,参数说明如下:

- 模型名称(必填):点击下拉框选择需要添加的大模型,支持搜索功能。下拉列表中的模型均为观远已配置好可直接连接的模型。

- 模型别名(必填):输入此模型的显示名称,用于区分不同模型。
- 温度(Temperature):控制模型输出的随机性,取值范围 0~1,默认 0.0。
- 低温度:趋于 0 时,模型倾向于选择概率最高的输出,输出逻辑稳定、确定性强。
- 高温度:趋于 1 时,模型倾向于按照概率分布随机选择输出,输出更具多样化和创造性。
- 自定义参数:模型调用参数,JSON 格式。默认关闭,开启后可按需填写。
- 模型名称(必填):点击下拉框选择需要添加的大模型,支持搜索功能。下拉列表中的模型均为观远已配置好可直接连接的模型。
- 点击「测试连接」,系统校验模型服务可用性。测试通过后页面显示「完成模型测评」,此时才可点击「确定」完成配置。

添加第三方模型
如果需要使用自有的第三方大模型服务,可在「第三方模型服务列表」中点击「添加模型」进行接入。
-
在「第三方模型服务列表」中点击「添加模型」。

-
在弹出的「添加模型」对话框中填写配置项,参数说明如下:

配置项 是否必填 说明 模型别名 是 模型的显示名称,用于区分不同模型。 模型名称 是 第三方模型的标准名称或调用标识。 接口地址 是 模型服务的调用地址。 密钥 是 第三方模型服务的访问密钥(API Key)。 温度(Temperature) 是 控制模型输出的随机性,取值范围 0~1,默认 0.0。 自定义参数 否 模型调用参数,JSON 格式。默认关闭,开启后可按需填写。 -
点击「测试连接」,系统校验模型服务可用性。测试通过后页面显示「完成模型测评」,此时才可点击「确定」完成配置。
配置模型
在「模型配置」区域,为三类任务分别选择模型服务,各模型类型的适用场景说明如下:
| 模型类型 | 适用场景 | 核心作用 | 典型任务 |
|---|---|---|---|
| 语义处理模型 | L1 问数分析 | 理清模糊需求,提取问题里的核心业务信息。 | 日常闲聊、自然语言业务价值抽取、猜你想问推荐问题 |
| 数据处理模型 | L1/L2 问数分析 | 把业务需求转化成数据系统能识别的指令。 | SQL 生成、知识召回检索、数据集检索 |
| 推理分析模型 | L2 洞察分析 | 承接深度分析工作,梳理整体数据特征,生成完整分析报告。 | 深度分析思考、报告大纲推理、洞察内容剖析 |

主题级别大模型配置
域级别配置提供统一的默认模型策略,适合大多数主题直接使用。当不同主题在以下方面存在差异时,可使用主题级别配置单独指定模型服务。例如:
- 高频问数主题:配置性价比更高的模型,降低调用成本。
- 关键分析主题:配置能力更强的模型,提升输出质量。
- 涉及敏感数据的主题:单独指定私有化部署或指定服务商的模型。
配置入口
登录 Data Agent 管理后台,进入「智能体详情配置 > 基础信息 > 大模型配置」页面,为当前主题指定具体的模型服务。

配置主题模型
「自定义模型服务」默认关闭,开启后即可为当前主题配置模型服务,各模型类型说明可参考 配置模型。

说明
- 若主题级别未开启自定义模型服务,或某类模型未单独指定,则默认使用域级别的模型策略。
- 此处可选的模型均为域级别大模型配置中已添加完成的大模型。
- 切换模型后,建议通过前台实际问答或洞察分析进行效果验证。