文章目录
-
- 每日一句正能量
- [1. 为什么选择 ModelEngine？](#1. 为什么选择 ModelEngine？)
- [2. 整体架构一览](#2. 整体架构一览)
- [3. 步骤 1：知识库自动生成------从 100 份 PDF 到可检索向量](#3. 步骤 1：知识库自动生成——从 100 份 PDF 到可检索向量)
- [4. 步骤 2：提示词自动生成------LLM 写 LLM 的 Prompt](#4. 步骤 2：提示词自动生成——LLM 写 LLM 的 Prompt)
- [5. 步骤 3：可视化编排工作流------拖拽节点 = 写代码](#5. 步骤 3：可视化编排工作流——拖拽节点 = 写代码)
- [6. 步骤 4：多智能体协作------「记录员 × 摘要员 × 审核员」](#6. 步骤 4：多智能体协作——「记录员 × 摘要员 × 审核员」)
- [7. 步骤 5：MCP 服务接入------飞书妙记一键导入](#7. 步骤 5：MCP 服务接入——飞书妙记一键导入)
- [8. 效果与对比（VS Dify/Coze）](#8. 效果与对比（VS Dify/Coze）)
- [9. 踩坑与复盘](#9. 踩坑与复盘)
- [10. 开源地址 & 后续计划](#10. 开源地址 & 后续计划)
- 结语
每日一句正能量
孩子的反抗在大人眼中，也许是可笑而幼稚的，可那是我们唯一知道的方法，悲壮得义无反顾。
目录
- 为什么选择 ModelEngine？
- 整体架构一览
- 步骤 1：知识库自动生成------从 100 份 PDF 到可检索向量
- 步骤 2：提示词自动生成------LLM 写 LLM 的 Prompt
- 步骤 3：可视化编排工作流------拖拽节点 = 写代码
- 步骤 4：多智能体协作------「记录员 × 摘要员 × 审核员」
- 步骤 5：MCP 服务接入------飞书妙记一键导入
- 效果与对比（VS Dify/Coze）
- 踩坑与复盘
- 开源地址 & 后续计划
1. 为什么选择 ModelEngine？
| 维度 | ModelEngine | Dify | Coze |
|---|---|---|---|
| 可视化编排 | ✔ 节点级调试 | ✔ | ✖ 仅流程 |
| 多智能体 | ✔ 子流程复用 | ✖ | ✖ |
| MCP 插件 | ✔ 任意 OpenAPI 一键导入 | 部分 | 限定 |
| 私有部署 | ✔ 社区版免费 | 限制 | 禁止 |
| 调试体验 | ✔ 单步/断点/变量 Watch | 日志 | 日志 |
一句话：想要「私有 + 可调试 + 子流程复用」的会议纪要流水线，ModelEngine 是当前最优解。
2. 整体架构一览
- 输入端：飞书妙记 / 本地录音 → MCP 服务
- 知识库：会议纪要向量库（Chroma）
- 智能体群 ：
- 记录员：生成逐字稿
- 摘要员：3 级摘要（全文/议题/待办）
- 审核员：格式、敏感词、错别字
- 输出端：飞书多维表 + 企业微信机器人推送
全流程 0 代码，仅靠拖拽与配置完成。
3. 步骤 1：知识库自动生成------从 100 份 PDF 到可检索向量
痛点：历史会议纪要散落在飞书文档，新人找不到上下文。
做法：
- 在 ModelEngine 选择「知识库 → 批量上传」
- 自动调用「文档解析节点」→ 提取正文、去页眉页脚
- 内置「向量化节点」：选用 bge-small-zh-v1.5，512 dim，4 线程并发，100 份 PDF 处理耗时 3 分钟
- 一键生成「会议纪要知识库 ID」，后续智能体通过变量
${kb_id}注入
效果：新员工输入「Q3 预算」，Top3 相关纪要召回准确率 92%，平均响应 280 ms。
4. 步骤 2：提示词自动生成------LLM 写 LLM 的 Prompt
痛点：提示词全靠程序员手写，换模型就要重写。
做法：
- 拖拽「提示词生成器节点」
- 输入「业务场景 = 会议纪要摘要 + 待办提取 + 敏感词过滤」
- 选择「模型 = GPT-4o-mini」
- 输出：自动生成的系统提示词 + 用户提示词模板（含变量占位符）
自动生成的提示词片段：
你是一名专业的会议纪要摘要员，请严格遵循以下格式：
1. 全文摘要 ≤ 200 字
2. 议题摘要每条 ≤ 50 字
3. 待办事项格式：【负责人】+ 任务 + 截止时间
4. 过滤敏感词：{{sensitive_words}}
5. 输出 JSON 格式效果：同场景下换 Qwen2-7B，只需重新生成提示词，0 行代码改动。
5. 步骤 3：可视化编排工作流------拖拽节点 = 写代码
核心节点：
- HTTP 输入：接收飞书 WebHook
- 文档解析：MP3 → TXT
- LLM 调用：3 级摘要
- 条件分支：敏感词命中 → 人工审核
- 数据输出：飞书多维表 API
调试体验：
- 单步调试：节点右侧「小虫子」图标，可查看输入/输出/异常
- 断点：支持条件断点（如
summary_len < 100） - 变量 Watch：实时查看
${summary},${todo_list}
第一次跑通全程，耗时 18 分钟，比手写 Flask 节省 80% 时间。
6. 步骤 4：多智能体协作------「记录员 × 摘要员 × 审核员」
痛点：单智能体 Prompt 过长，相互干扰，输出不稳定。
做法：
- 使用「子流程节点」把每个智能体封装为独立流程
- 通过「消息队列节点」异步传递上下文
- 最终「合并节点」统一 JSON 格式输出
性能提升：
- 单 Prompt 长度从 800 token → 280 token
- 输出稳定性（100 次采样）从 71% → 94%
- 平均延迟从 4.2s → 2.1s（并行调用）
7. 步骤 5：MCP 服务接入------飞书妙记一键导入
MCP（Model-Connect-Protocol）是 ModelEngine 的开放插件标准，任意 OpenAPI 可 5 分钟接入。
步骤：
- 上传 OpenAPI JSON → 自动生成 MCP 描述文件
- 拖拽「MCP 节点」→ 选择「飞书妙记导入」
- 配置 App ID & Secret → 一键获取分享链接的 MP3 与逐字稿
- 输出变量
${transcript}直接接入知识库
无需写一行 HTTP 调用代码，真正的「拖拽即集成」。
8. 效果与对比（VS Dify/Coze）
| 指标 | ModelEngine | Dify | Coze |
|---|---|---|---|
| 工作流节点数 | 12 | 18（单节点） | 不支持子流程 |
| 调试断点 | ✅ | ❌ | ❌ |
| 多智能体 | 3 子流程 | 单 Prompt | 单 Prompt |
| 私有部署 | ✅ 免费 | ✅ 限制 | ❌ |
| 输出稳定性 | 94% | 78% | 71% |
| 搭建时长 | 2h | 4h | 3h（需跳转） |
结论：ModelEngine 在「调试深度 + 子流程 + 私有」维度领先，适合企业级复杂场景。
9. 踩坑与复盘
- 向量维度不一致
bge-small-512 vs bge-large-768 → 统一 embedding 模型，重建库。 - 子流程循环引用
审核员 → 摘要员 → 审核员，导致栈溢出 → 加「最大递归次数」节点。 - MCP Token 过期
飞书 2h 过期 → 加入「自动刷新」节点，每小时刷新一次。
10. 开源地址 & 后续计划
- 完整工作流 JSON：MeetMinutes-Agent
- 下一步：
- 接入「智能表单」：用户勾选「仅输出待办」即可动态改变流程
- 插件市场发布，供其他企业一键安装
结语
从「提示词自动生成」到「多智能体子流程」，ModelEngine 让我第一次感到：
原来大模型落地可以像拼乐高一样简单！
如果你也在为「知识库割裂、提示词难维护、流程难调试」而头疼，不妨打开 ModelEngine，一起用实践为大模型生态铺路。
欢迎评论区交流你的智能体创意，或许下一个开源工作流，就来自你的灵感！
转载自：https://blog.csdn.net/u014727709/article/details/154497894
欢迎 👍点赞✍评论⭐收藏，欢迎指正