docs: 添加大模型文档，工作流大模型节点文档。

zhangjinyang

2025-05-13 c4dca000c1752342b19553e01fdfa8df011bba60

docs: 添加大模型文档，工作流大模型节点文档。

 docs/.vitepress/config.mts

@@ -199,6 +199,7 @@
                {text: '什么是工作流', link: '/workflow/what_is_workflow'},
                {text: '快速开始', link: '/workflow/quick_start'},
                {text: '节点配置', collapsed: false, items: [
                        {text: '大模型', link: '/workflow/nodes/llm'},
                        {text: '搜索引擎', link: '/workflow/nodes/search-engine'},
                        {text: '内容模板', link: '/workflow/nodes/template-node'},
                        {text: '文件内容提取', link: '/workflow/nodes/doc-content'},
@@ -207,6 +208,13 @@
            ]
        },
        {
            text: '大模型',
            collapsed: false,
            items: [
                {text: '大模型管理', link: '/llm/llmList'},
            ]
        },
        {
            text: '模型管理',
            collapsed: false,
            items: [

 docs/zh/product/llm/llmList.md

New file
@@ -0,0 +1,22 @@
# 大模型列表

## 添加大模型

我们添加一个模型作为示例。

比如，我们要添加一个`火山引擎`的 deepseek v3 模型，那么参数如下：

![llmConfig.png](resource/llmConfig.png)

因为品牌里并没有火山引擎，所以我们使用了兼容 `openai` 的接口。

但是因为各家厂商的 `chatPath` 不一样，所以需要配置一下。

如果品牌列表支持的厂商，那么只需配置该厂商所需的参数即可。

比如星火大模型，除了 `apiKey`，还需要配置  `appId` 和 `apiSecret`，那么这些额外的参数也是要以 `property` 的形式来配置：
```
appId=xxx
apiSecret=xxx
```
> 需要注意的是，只有 `openai` 方式才支持配置chatPath，其他厂商 `path` 都是固定的。

 docs/zh/product/llm/resource/llmConfig.png

 docs/zh/product/workflow/nodes/llm.md

New file
@@ -0,0 +1,103 @@
# 大模型

![llmNode.png](../resource/llmNode.png)

## 模型列表

模型列表的数据来自大模型管理页面，具体请参考[大模型管理](../../../product/llm/llmList.md)

![llmList.png](../resource/llmList.png)

## 采样参数

### Temperature
> 作用：调整模型对概率分布中低概率词的敏感度，控制生成的随机性。
- 低温度（如 0.1~0.5）：

模型更倾向于选择概率最高的词，输出更确定、保守，适合需要严谨性的任务（如问答、代码生成）。

概率分布会变得更“尖锐”，高概率词被进一步放大。

- 高温度（如 0.7~1.2）：

模型会更多考虑低概率词，输出更随机、有创意，适合开放生成（如诗歌、故事）。

概率分布更“平滑”，低概率词有机会被选中。
### Top P
> 作用：动态地从累积概率超过 P 的最小词集合中采样，避免固定 K 的缺陷。

- P 值小（如 0.3~0.7）：词集合窄，生成更保守。

- P 值大（如 0.8~0.95）：词集合宽，生成更多样。

- 优势：自适应上下文。

    - 若概率分布集中（如某词概率 0.9），可能仅选 1 个词。

    - 若概率分布平坦（如 10 个词各 0.05），可能选更多词。
### Top K
> 作用：限制模型每一步只从概率最高的 K 个词中采样，排除低概率词。

- K 值小（如 10~50）：生成更保守，避免生僻词，但可能重复。

- K 值大（如 100~500）：多样性更高，但可能包含不合理词。

### 三者的关系与典型用法
**通常联合使用：**
  - 先通过 Top-K 或 Top-P 缩小候选词范围，再用 Temperature 调整概率分布。
  - 例如：Top-P=0.9, Temperature=0.7 是常见组合。

**区别：**
  - Temperature 直接调整概率分布形状。
  - Top-K/Top-P 是采样策略，限制候选词范围。

**推荐配置：**
  - 确定性任务：低 Temperature + 低 Top-P（如 T=0.3,P=0.5）。
  - 创造性任务：高 Temperature + 高 Top-P（如 T=1.0,P=0.9）。
## 系统提示词
> 作用：定义模型的身份、行为准则和回复风格，是对话的“幕后指令”。
> 在节点中可使用 <span v-pre>{{propertyName}}</span> 语法引用变量数据。

**特点：**

- 隐藏性：用户通常看不到（如API中的system角色或后台配置）。

- 全局性：影响整个对话的基调，而非单次回复。

- 功能性：用于约束模型输出（如安全性、专业性、语气等）。

**常见用途：**
- 设定角色：
```
"你是一位严谨的医学专家，用专业术语回答健康问题，避免非科学建议。"
```
- 安全限制：
```
"拒绝回答涉及暴力、隐私或违法内容。"
```
- 输出格式：
```
"所有回答用Markdown格式，包含标题和列表。"
```
## 用户提示词

> 作用：提供具体的输入问题或指令，是模型生成回复的直接依据。
> 在节点中可使用 <span v-pre>{{propertyName}}</span> 语法引用变量数据。

**特点：**

- 可见性：用户主动输入的内容（如聊天框中的提问）。

- 局部性：仅影响当前轮次的回复。

- 灵活性：可随时改变话题或风格。

**常见类型：**
- 直接提问：
```
"Java如何实现快速排序？"
 ```
- 复杂指令：
```
"用莎士比亚的风格写一首关于咖啡的诗。"
```

 docs/zh/product/workflow/resource/llmList.png

 docs/zh/product/workflow/resource/llmNode.png