yupi智能体-AI模型接入

使用AI模型的途径
1 使用云服务场提供的接口进行调用
优点：方便，不用本地部署，直接利用云服务商现成的大模型，按需付费，维护成本第
缺点：受限于云服务商能够提供的模型，不能进行自由的切换，此外企业内部私有数据以及敏感数据大部分情况下不能上云
2 本地自部署
优点：可控性高，灵活性高，可自主选择模型以及设计对应的工作流，无网络延迟以及数据安全问题
缺点：部署成本以及维护成本高
接入模型的途径
ai应用平台直接接入：一般ai平台都会提供api key 通过下载相关依赖以及调用api key可以直接调用对应的服务，国内的比如智普glm，阿里云百炼，以及deepseek等都提供对应的接口api 平台按量收费
ai软件接入，利用公司提供的ai软件比如codex和claude code 以及course等编译器直接接入大模型，通过软件平台调用大模型进行思考以及执行任务
程序接入：通过自己编程开发实现对应的接口以及功能，进行大模型以及相应工具的调用也能实现上述功能
后端ai智能体开发：
项目初始化：加载对应的开发框架以及依赖组件，实现后端项目的初始化，一般常用的比如spring boot（注意这里jdk必须要选17以上的，因为spring ai这类与ai开发整合的spring框架只支持17版本即以上的）
然后还要添加一些依赖，比如spring web, mysql, pgVector, redis等等相关依赖也可以加入一些常用的组件库如HuTool组件库和Knife4j接口文档
程序调用大模型可以使用以下四种方式
1 sdk接入：
使用官方提供的软件开发工具包进行集成
优点：对于支持模型的对应功能完整，封装完善并且文档齐全，有类型和ide提示
缺点：绑定对应的生态模型时表现能力才会很好，并且需要引入额外的依赖包，灵活度稍差
场景：如果是需要企业级应用或者长期项目，采用这种方式成本最低
2 API/ http调用
优点：可以跨平台，轻量灵活，不需要额外的依赖
缺点：需要自己封装相关的请求发送以及接受，制定好相应的处理策略
场景：脚本工具，跨语言集成，轻量级应用
3 私有化部署
优点：数据完全本地，隐私性强，没有网络依赖，可以深度定制化
缺点：硬件成本高，运维复杂，更新迭代慢，技术门槛高
场景：金融，医疗，政务等敏感应用场景
4 智能体平台/低代码
优点：快速搭建，低代码，开发门槛低，内置工作流和工具链
缺点：灵活性受限，平台锁定风险，成本随规模上升
场景：业务验证，非技术团队，快速原型
上述四种方式如何进行选择
约束条件：数据敏感与否，预算是否有限，技术选型难度，交付周期
评估自身/团队条件：有专业的算法/后端团队： sdk/私有化，业务人员为主：智能体平台
是否考虑长期演进： 深度定制？ 快速上线？