随着大模型技术的迅猛发展,各行业正迎来 AI 应用创新的黄金时代。大模型作为核心引擎，正在重塑传统应用的开发模式和应用架构。无论是个体还是企业开发者，要想抓住大模型带来的机遇，关键在于如何快速将大模型的强大能力转化为实际可用的端到端应用，实现从概念到实践的突破。

除了需要优秀可靠的大模型服务以外，构建一个端到端的大模型应用，需要整合多个关键组件和服务：可靠的数据库服务用于存储和管理应用数据，强大的运维工具以确保应用的稳定性和可扩展性，灵活的 API 管理系统用于服务集成，全面的监控和日志系统用于实时跟踪应用性能和用户行为等。此外，还需要考虑安全认证、负载均衡、容器化部署等关键技术。要高效地将这些元素组合成一个完整的应用生态，开发者不仅需要高效的大模型智能体开发工具，更需要一个能够快速整合这些组件和服务的集成平台。这样的平台能够构建一个真正全面且高效的端到端大模型应用开发环境，使开发者能够将注意力集中在核心业务逻辑和智能体设计上，而将复杂的技术细节交给平台处理，从而显著加速从创意到成品的转化过程。

在这种复杂的应用开发环境中，云原生平台/架构的优势就凸显出来了。以阿里云为例，其生态系统提供了一系列关键的云服务和组件，如 RDS（关系型数据库服务）用于高效的数据存储和管理，SLS（日志服务）用于实时日志采集和分析，OSS（对象存储服务）用于海量数据存储，以及函数计算服务用于无服务器计算等。这些核心服务为大模型应用提供了强大的基础设施支持。

而在这个丰富的云生态之上，阿里云百炼作为专业的模型和智能体开发平台，为开发者提供了便捷的大模型应用核心能力开发环境。同时，多端低代码开发平台魔笔（后文简称魔笔）作为一个云原生低代码开发平台，也可以在其中扮演重要的角色，它能够有效地整合这些云服务资源和大模型能力，使开发者可以快速构建完整的应用生态。

云原生低代码平台为大模型应用开发提供了全面的解决方案，重点体现在以下几个方面：

• UI开发：平台提供丰富的UI组件、应用模板和可视化设计器，使开发者能够通过低代码方式快速生成智能体应用的前端界面。这不仅大大减少了UI开发时间，还确保了界面的专业性和一致性。

• 账号权限：平台内置了灵活的身份认证和授权机制，支持开发者为智能体应用配置自有的账号和用户权限体系。同时，它还支持与钉钉、企业微信等第三方身份源的无缝对接，实现统一登录，大大简化了用户管理和访问控制。

• 系统集成：平台具备完善的集成能力，能够无缝对接各类云服务产品（如大模型智能体应用、RDS、SLS、OSS 等）和企业自有的业务系统。这种强大的集成能力确保了智能体应用能够与企业现有IT生态系统实现深度互联互通，最大化利用已有资源和数据。

• 多端发布：平台支持多种灵活的应用发布模式。开发者可以将智能体应用独立发布为 Web / H5 应用，也可以将其以页面方式嵌入到已有的 Web 站点、H5 页面、移动 App 或小程序中。这种多端发布能力确保了应用能够覆盖各种用户场景和设备类型，提高了应用的可访问性和用户覆盖面。

通过这些核心功能，云原生低代码平台极大地简化了大模型应用的开发流程。开发者可以将主要精力集中在智能体的核心逻辑和业务价值上，而将繁琐的技术细节交给平台处理。这不仅加速了从 AI 概念到实际产品的转化过程，还确保了最终应用的质量、安全性和可扩展性。对于企业和个人开发者而言，这意味着更快的创新速度、更低的开发成本，以及更高的投资回报率，使他们能够在竞争激烈的 AI 应用市场中占据先机。

接下来，让我们通过一个实际案例，深入探讨如何利用百炼和魔笔等云原生产品的协同优势，快速构建一个功能完整、性能强大的端到端大模型应用，展现云原生低代码平台在构建端到端应用并放大 AI 等云服务能力方面的卓越表现。我们将以一个经典的 RAG（检索增强生成）知识问答系统为例，详细介绍从智能体设计到最终应用部署的全流程。这个案例不仅展示了百炼在智能体开发中的强大能力，还将呈现魔笔如何快速构建和集成完整的应用生态，实现从概念到成品的高效转化。通过这个实例，我们将为您呈现一套基于云原生低代码平台的大模型应用开发最佳实践，帮助您更好地理解如何在实际项目中充分利用这些工具，加速 AI 创新的落地。

本章节介绍如何通过多端低代码平台魔笔来链接和集成阿里云生态系统中的核心服务——大模型服务平台百炼、云数据库 RDS，快速构建一个生产级别的企业 RAG（检索增强生成）知识问答应用。我们设计的应用具备以下关键功能：

• 智能聊天 UI 界面

• 基于 RAG 智能体 & 长期记忆体的用户友好型聊天界面
• 会话持久化存储，确保对话连贯性。
• 智能文档关联与溯源展示。

• 用户反馈机制（赞踩功能），持续优化系统表现。

• 数据分析控制台 UI

• 深度会话分析，包括对话轮次统计
• 用户反馈数据可视化（赞踩统计）

• 关键性能指标趋势图表。

最后，我们将测试完成的应用将一键发布为独立可访问的 Web PC / H5 应用。

本文所涉及的应用及功能架构如下图表所示：

智能体开发

RAG 应用的核心是模型服务，首先第一步在百炼构建测试和发布 RAG 智能体应用。我们在百炼平台分别完成创建知识库、文件导入和以及对应的 RAG 应用创建，并进行测试。关于百炼平台 RAG 应用构建的详细步骤，可参考百炼官方的最佳实践文档[1]。其中，在本文的案例中有几个关键的配置步骤需要注意：

• 知识库：在选择知识库的文件数据过程中，可以根据实际的业务场景进行知识库文件的整理和上传，或者可以使用我们在本文中整理的一些测试数据以供完成 RAG 应用的测试和使用。

• 溯源信息：在配置 RAG 智能体知识库关联的过程中，需要在「检索配置」中选择展示回答来源，从而在端应用中获取和展示 RAG 智能体返回的溯源信息。

在配置完成后我们将测试好的智能体应用发布。至此，我们完成了 RAG 智能体应用的开发，下一步我们将在多端低代码平台魔笔中集成该智能体应用，并围绕其构建生产级别的端到端应用。

集成智能体

本节我们通过多端低代码平台魔笔集成在百炼平台上已经构建好的智能体。集成资源[2]功能是魔笔平台对外部数据库、API、和 AI 等业务资源的统一管理能力。我们将上一节中发布的智能体应用引入应用。首先，我们在魔笔的控制台[3]中创建一个类型为「百炼智能体应用」的集成资源：

在 「API-KEY」的表单项中，我们填入百炼平台的 API-KEY ，我们可以在百炼应用[4]的发布渠道界面中获取到该 API-KEY：

保存之后，我们在魔笔控制台创建一个新的应用，来引用我们刚刚创建的集成资源。首先新建「空白」应用：

集成操作[5]是魔笔平台中使用集成资源的操作单元，我们可以通过集成操作来使用先前创建的智能体应用资源。接下来，我们在页面中创建一个集成操作并绑定我们上一步中创建的集成资源。在集成操作的面板中，我们输入百炼应用的 appId 及测试用的提示词即可在魔笔平台中完成 mock 测试，其中百炼应用的 appId 可以在百炼应用列表[6]中获取：

至此，我们完成了百炼 RAG 智能体应用在魔笔应用中的集成引用，下一步我们将基于集成操作和魔笔平台预制的系统组件来设计和搭建一个聊天前端 UI 界面。

ChatUI定制

魔笔平台提供的可视化搭建设计器，可以轻轻松松快速构建简洁的前端 UI。我们将页面类型切换为移动端模式，并在设计器中直接拖入一个聊天组件：

接下来，我们稍微调整一下聊天组件的大小，以让其充满整个屏幕：我们将组件弹性尺寸宽度和高度均调整至自定义CSS，并分别赋予100vw和100vh

然后，我们将上一步中创建的集成操作与组件进行关联，分别需要完成以下两个步骤：

• 在集成操作的「提示词」一栏中引用聊天组件的最新输入内容，假设我们页面中的聊天组件的名称为 chat1，如若想当前用户的最新输入，我们可以使用组件内部的属性 currentMessage.content。

  我们将 chat1.currentMessage.content填入「提示词」（关于各类组件所开放的属性和API，可以参考魔笔相关文档[7]）。

• 在聊天组件的「AI 集成操作」选项中选择对应的集成操作名称并完成绑定。

完成关联后，我们此时可以直接在聊天组件的输入框中输入内容来进行效果测试：

接下来，我们可以进行一些视觉效果的优化，我们参考魔笔官方文档中「如何给RAG应用添加文档链接引用」[8]的教程为刚刚的应用添加文档溯源效果。完成搭建后，我们测试一下文档溯源和优化显示的效果，可以看到我们的聊天界面已经可以正确显示引用角标和引用来源了。

至此一个简洁、美观的 RAG 应用聊天界面就搭建完毕了。除了基本的功能以外，魔笔的聊天组件还提供了诸如欢迎语、快捷回复、提问自动补全等功能，可根据实际业务需求来进行搭建。在下一节中我们将通过云数据库 RDS 来实现会话数据的持久化库表建设并借助魔笔集成能力将其挂载到应用之中。

RDS初始化和集成

企业级 RAG 应用中，聊天会话数据数据的持久化存储和分析是必不可少的一环。因此我们借助阿里云 RDS 完成后台数据建模，并借助魔笔强大的资源集成能力，将数据库“挂载”到我们搭建的应用上。首先我们需要开通阿里云 RDS 服务，并创建一个公网可访问的数据库，具体流程可参考RDS 官方文档[9]。并记录云数据库的 host、端口号以及具有权限的账号密码。

在数据库中，我们建立如下两张表，分别用于存储用户会话的数据和用户赞踩行为记录。其中 conversation 表我们用于记录用户会话的数据，字段描述如下：

behavior 表我们用于记录用户点赞点踩行为的数据，字段描述如下：

conversation 和 behavior 实体之间的关系如下：

参考的 SQL DDL 如下：

CREATE TABLE conversation (    id VARCHAR(255) PRIMARY KEY,    parentId VARCHAR(255),    createAt BIGINT,    updateAt BIGINT,    userId VARCHAR(255),    role VARCHAR(50),    content TEXT);
CREATE TABLE behavior (    id INT AUTO_INCREMENT PRIMARY KEY,    conversation_id VARCHAR(255),    user_id VARCHAR(255),    behavior INT,    FOREIGN KEY (conversation_id) REFERENCES conversation(id));

接着，我们在魔笔的控制台[10]中创建一个类型为「MySQL」的集成资源，并在配置表单中填写我们先前创建的 RDS 数据库的连接信息，注意这里的 Host 字段我们需要填写 RDS 中数据库实例的外网连接端口。关于 RDS 中如何查看端口、Host 及账号访问信息，可分别参考 RDS 官方文档中对应的数据库连接教程[11]与账号创建教程[12]。此处也可以选择「从当前云账号录入」的选项，来绑定当前云账号下的 RDS 资源。

‼️如果您使用的是 RDS 数据库实例，请务必在 Host 中填写外网地址，如何获取外网地址请参考申请或释放外网地址[13]。

接下来，我们在页面中创建一个集成操作并绑定我们上一步中创建的集成资源。在集成操作的面板中，我们输入用于测试用的 SQL 语句即可在魔笔平台中测试数据库访问结果。

至此，我们完成了云数据库 RDS 在魔笔应用中的集成引用，下一步我们将基于该数据库类型的集成操作对先前搭建的聊天界面进行更新，引入持久化会话存储和赞踩反馈功能。

聊天记录及赞踩逻辑扩展

本节我们继续优化聊天界面，为其增加会话存储逻辑和赞踩功能反馈。首先，我们针对上一节创建的数据库表，创建两个针对会话的集成操作，分别代表「拉取历史会话列表」和「插入会话」（即存储会话）功能，参考的 SQL 语句如下：

在这里，我们在拉取会话列表时可以根据业务限定拉取历史会话窗口大小，本文以拉取最近 10 条数据为例：

SELECT * FROM conversation ORDER BY createAt LIMIT 10;

同时，我们将「拉取历史会话列表」集成操作的触发行为更改为「自动运行」。设置为自动运行的数据库集成操作，初次加载和集成操作内部的依赖引用项变更时会自动触发数据库访问的调用。

在「插入会话」的集成操作中，我们在集成操作的 SQL 面板中引用页面组件数据[14]来完成最新会话数据的插入逻辑，并在 SQL 语句中以{{ param1 }}模板表达式[15]形式使用它们，其中用户 ID 我们可以通过魔笔 API [16]中的mobi.currentUser.id获取，而聊天组件中最新的发送或回答内容，我们使用chat1.context[chat1.context.length - 1] 来获取，context 代表一个聊天组件中的所有会话内容，每项数据都包含 id、parentId、createAt、updateAt、role 和 centent 数据:

INSERT INTO conversation   (id, parentId, createAt, updateAt, userId, role, content)VALUES (   {{chat1.context[chat1.context.length - 1].id}},    {{chat1.context[chat1.context.length - 1].parentId || ''}},    {{chat1.context[chat1.context.length - 1].createAt}},    {{chat1.context[chat1.context.length - 1].updateAt}},    {{mobi.currentUser.id}},    {{chat1.context[chat1.context.length - 1].role}},    {{chat1.context[chat1.context.length - 1].content}}  )

因此在这里，我们分别将 behavior 库表所依赖的行为字段和会话 ID 定义为可选参数，并在 SQL 语句中以{{ param1 }}模板的形式使用它们：

INSERT INTO behavior (user_id,conversation_id, behavior)VALUES ({{mobi.currentUser.id}}, {{conversation_id}}, {{behavior}})

然后，我们将上一步中创建的集成操作与组件进行关联，来完成持久化数据的写入：

首先需要分别在聊天会话发送完成和回答完成阶段，触发「插入会话」的集成操作，将一轮对话会话数据落库。主要搭建思路如下，我们需要分别在「发送内容」和「回答完成」两个事件阶段来完成集成操作的触发，因此我们可以采取组件提供的事件响应机制[19]来完成这两个事件处理器[20]的绑定：

接下来，我们为应用添加历史数据加载的能力，在聊天组件的数据源部分绑定「拉取历史会话」的集成操作数据，主要搭建思路如下，我们需要给聊天组件绑定初始化数据，在这里我们直接在组件的「信息」属性中使用集成操作的 APIaction2.data来获取集成操作的结果数据（「信息」属性即代表聊天组件的初始化聊天信息）：

最后，我们自定义聊天组件的操作栏，分别触发点赞和点踩的集成操作，操作拦是聊天组件中每一个会话用于相应用户操作行为的区域，可以在这里添加诸如「复制文本」、「重复提问」或「自定义逻辑」等响应行为。我们在聊天组件的「操作栏」中分别添加用于点赞和点踩的操作项，在配置适合的图标和文案后，我们将操作类型选为自定义并添加事件处理器。在事件处理器中，我们执行先前创建的赞踩逻辑的集成操作，具体配置可参考下图搭建逻辑：

{  conversation_id: currentItem.id,  behavior: 1, // 1 代表点赞}

{  conversation_id: currentItem.id,  behavior: 0 // 0 代表点踩}

至此，我们完成了会话数据的持久化逻辑，再次重新进入页面时将可以看到历史的聊天数据。

数据分析后台搭建

除了面向 C 端的聊天界面，魔笔基于 Antd 内置了丰富的企业中后台场景精美组件，我们根据上一步中构建的集成操作，为其构建一个简洁美观的后台分析页面。针对面向 PC 端中后台的页面，可参考如下的导航布局 + 内容的形式：

首先我们完成整体页面 UI 布局的搭建，在魔笔平台中，我们可以轻松地借助布局搭建[21]能力来完成简介的上下或左右布局页面的初始设计。本例中，我们使用的是上下布局的设计。因此，我们新建一个页面，并添加一个布局。

接着我们可以删除本例中不需要的左侧布局，然后我们退出布局编辑态后在页面中引用这个布局，在目标页面周边的空白区域点击后，我们可以在右侧的属性设置器中找到「页面布局」下拉选项：

接下来，我们进行内容区域的搭建，可参考如下较为简单、紧凑中后台页面设计范式：

然后，我们在页面的内容区域的相应位置直接拖入用于概览统计的「统计」组件、用于可视化报表的「折线图』组件，以及承载数据明细的「表格」组件，并适当拖拽调节宽高、位置、显示文案等样式：

接下来，我们来获取后台页面的数据内容，和上一节类似，我们针对数据库创建四个集成操作，分别代表「统计对话轮次」、「统计用户数」、「按日聚类对话信息」以及「落库对话数据 & 其赞踩状态」。本文将可供参考的 SQL 在下表中列举，具体搭建行为不再赘述：

然后，我们分别为页面的四个组件绑定这些集成操作的数据、修改显示文案，在 Table 组件中我们可以触发「数据列」旁的刷新按钮自动根据数据生成表格视图：

发布应用和试用链接

• 全渠道发布

• 权限管控

• 终端用户接入与身份源