介绍
🏆 Innospots作为开箱即用的AI智能体工作流程平台，支持快速搭建业务流程智能体。 以业务数字化为基点，覆盖事件数据、任务流转及审批决策全链路。 通过低代码AI开发范式，实现全场景智能体流程敏捷部署，加速用户智能化进程。
Innospots能做什么？
-
他可以是一套智能体编排系统，提供可视化的智能体流程编排能力，支持多种AI模型和服务的集成调用，实现智能体之间的协同工作和任务编排，可快速构建复杂的智能体应用场景和自动化流程。
-
他可以是一套MCP服务发布系统，通过可视化流程编排、功能节点和AI工具节点的组合，实现服务端AI能力的标准化封装和对外输出。系统支持灵活的模型调用、上下文管理和协议适配，让开发者能够快速构建和发布符合MCP（Model Context Protocol）规范的AI服务。
-
他可以是一套规则引擎系统，提供可视化的规则节点编辑和规程流程编排能力，提供多样化的脚本编写功能和丰富的规则节点库，可实现基于复杂性规则组件的二次开发扩展，可将规则模块作为sdk包进行引入到其他工程中，也可以将规则引擎作为独立的服务提供统一的规则接口调用；
-
他可以是一套任务流程编排系统，提供可配置，可编排的任务执行流程，编排任务的执行顺序和执行依赖。任务可以执行接口形式的任务和脚本执行的任务，在执行记录中查看执行结果。可基于已完成任务的执行返回结果作为后续任务执行的逻辑判断依据；
-
他可以是一套轻量级的工作流系统，可编排轻量级的工作流，提供工作流中常用的并行执行，分支判断，流程任务节点，执行等待等功能。可通过服务接口，子流程的方式嵌套编排复杂的工作流程。由于Innospot不是作为兼容类似 Activiti 的传统工作流引擎设计的，因为并未适配传统工作流的完整流程，而是在设计上更加体现对流程的扩展和对 AI 能力的整合；
-
他可以是一套数据处理系统，可通过接口、消息队列接收并处理实时数据，也可以通过定时任务从数据库中加载读取数据，对读取的数据集进行处理操作，包括数据的过滤，数据清理，数据字段加工，数据合并，数据连接，数据去重，数据聚合等操作，每个数据操作都有单独的流程节点提供功能支持；
-
他可以是一套服务编排系统，可对面向接口的服务提供服务接口编排功能，在系统中提供统一的API数据源配置管理，可配置不同系统的API接口，通过流程编排对完成多个系统接口的调用编排和接口返回数据的组合化配置；
-
他可以是一套快捷指令系统，通过对接口、对消息队列的数据监听，可实时接收外部的事件数据，按接收到的数据可执行配置流程，可搭建自己的IFTTT的自动化流程指令系统，搭配推送终端，实现个性化的机器人定制；
-
他可以是一套业务策略系统，对接业务系统数据库，业务系统接口，可基于数据接口，定时任务执行配置的业务策略，为不同的业务场景提供可配置化的业务策略编排，例如：业务处理流程策略，风险监控策略，营销触发策略等；
技术特性
Innospots 从设计之初就极度重视系统的模块化设计，扩展性设计以及优秀的交互体验。这使得Innospots在使用场景、扩展能力上都具有广阔的想象空间。
- 组合式服务：
- 单体服务，系统应用可以单独服务形式部署并稳定运行，适合个人处理数据使用
- 微服务，系统应用支持微服务拆分部署，管理服务，策略服务，调度服务等
- 云原生服务，系统应用可以部署在kubernetes的容器平台
- 企业级服务，系统应用可与企业级运行中间件，安全组件进行快速集成
- 微前端：
- 增量扩展，新增模块组件以完全新增组件接入，对已有功能无侵入变更
- 技术栈无关，主框架不限制接入应用的技术栈，微应用具备完全自主权
- 独立部署，独立开发，微前端仓库独立，前后端可独立开发，部署完成后主框架自动完成同步更新
- 运行隔离，微前端之间全局变量/事件不冲突，样式隔离，相互不干扰
- 模块化底座：
- 通用基础管理平台，提供权限，用户，角色，系统等基础功能
- 可配置化国际化语言包，国际化管理
- 操作日志、登录日志，可配置化消息通知
- 可配置化工作台
- 功能扩展：
- 新增功能以应用sdk形式进行扩展
- 应用相互独立，对平台无影响
- 数据源扩展，定制扩展多种数据源接入
- 页面组件定制化扩展
基础平台
Innospots的基础管理平台名称为Libra，Libra为管理平台提供了通用管理平台的基础核心功能。 所有数字化应用，策略流程，数据报表，新增应用都可以在基础平台上扩展，无须对基础平台的代码做调整，保持基础平台的独立维护升级要求。
- 权限管理，基于RBAC的权限模型的权限管理功能，可设置角色以及角色对应的访问权限和操作权限，可基于对权限的要求控制到接口操作级的权限管控
- 系统管理，系统基本信息设置，个性化图标，系统基本信息管理，系统默认时区，默认语言，系统邮箱设置
- 菜单管理，可配置化动态菜单，所见即所得，应用的菜单接入配置
- 用户管理，系统用户配置，用户密码，用户状态管理
- 国际化管理，系统国际化语言包，词条管理，国际化格式设置，国际化货币设置，格式化配置
- 消息管理，系统消息推送，推送渠道配置，推送组设置
- 审计记录，包含登录记录明细，登录明细
- 工作台，基于用户的个人工作台，工作台组件配置
工作流程
Innospots以流程画布的形式创建、编辑策略流程，每个流程节点为流程执行动作，按编排的流程步骤进行执行。
在不同的工作流场景下，我们在 Innospots 中抽象定义了三大类工作流模型：
-
事件驱动型流程引擎：基于事件触发机制，实时响应和处理外部系统产生的各类事件数据。支持多种事件源接入（如消息队列、WebHook、API等），并能够根据事件属性动态触发相应的业务流程，实现系统间的即时联动和自动化处理。
-
任务调度型流程引擎：面向批处理场景的调度编排系统，提供灵活的任务编排和调度能力。支持定时任务、依赖任务、条件任务等多种调度模式，并具备任务重试、并行处理、资源控制等特性，适用于CICD、数据处理、报表生成等批量作业场景。
-
案件驱动型流程引擎：专注于业务案件处理流程的自动化，将复杂的业务处理过程标准化和流程化。支持案件分发、审批流转、状态管理、SLA监控等功能，并能够根据业务规则动态调整处理流程，适用于客服工单、业务审批等需要人机协作的场景。
根据具体的业务场景，我们可以使用不同的工作流模型来构建和管理流程，搭建符合业务要求流程的智能体。每个工作流模型都有其独特的优势和适用场景，开发者可以根据业务需求和系统特点选择合适的工作流模型来实现业务流程的自动化和智能化。
流程节点
流程节点是流程执行的基本单元，每个节点都有自己的执行逻辑和执行结果。每个节点都有自己的输入和输出，节点之间通过连接线进行连接。
Innospots 在用配置化，页面可视化等多种方式支持流程节点的扩展，用户可根据自己的实际业务情况实现定制化的流程节点定义，并将其集成到流程中进行使用。
为了适配不同的工作流程，流程节点对数据的处理模式有两种：
- 上下文模式：每个节点都有自己的上下文，节点之间的数据传递都是通过上下文进行传递的。每个节点都可以读取和修改上下文数据，节点之间的数据传递都是通过上下文进行传递。实现整体流程间的数据传递和共享。
- 输入输出模式：每个节点都有自己的输入和输出，节点之间的数据传递都是通过输入输出进行传递的。每个节点只处理当前节点的输入数据，并产生对应的输出。实现节点间的数据传递和隔离。
业务应用
基于低代码方式创建各类业务应用，应用页面可按业务需求进行页面布局和功能编排。系统内置了四类业务应用：
-
数据报表应用：基于数据报表应用，用户可以通过可视化的方式，快速创建各种数据报表，包括图表、表格、地图等多种形式，用户可以根据自己的需求，选择不同的报表类型，设置报表的数据源、过滤条件、排序方式等参数，生成符合需求的报表。
-
表单应用：基于表单应用，用户可以通过可视化的方式，快速创建各种表单，包括文本框、下拉框、单选框、复选框等多种类型的表单，用户可以根据自己的需求，选择不同的表单类型，设置表单的字段、校验规则等参数，生成符合需求的表单。
-
审批应用：基于审批流程的应用，用户可以通过可视化的方式，快速创建各种流程应用，包括审批流程、任务流程、工作流等多种类型的流程应用。用户可以根据自己的需求，选择不同的流程类型，设置流程的节点、条件、分支等参数，生成符合需求的流程应用。
-
对话交互应用：基于对话交互应用，用户可以通过可视化的方式，快速创建各种对话交互应用，包括聊天机器人、客服机器人等多种类型的对话交互应用。用户可以根据自己的需求，选择不同的对话交互类型，设置对话交互的场景、规则、回复等参数，生成符合需求的对话交互应用。
AI模型
Innospots 构建了强大的 AI 模型生态系统，不仅支持主流 AI 服务提供商的模型接入，还可灵活对接本地化和私有化部署的模型。通过标准化的协议接口和本地化的 stdio 通信机制，我们实现了对各大模型服务的统一封装。开发者只需掌握一套简洁的规范，即可便捷地接入和调用各类 AI 模型能力，显著降低了技术集成门槛。
AI 模型能力可直接应用于：
- AI 功能节点扩展：可将已配置的模型提供商的以流程节点的形式接入到流程中，实现对 AI 模型的调用和集成。
- 定制化 AI 功能： 对系统中深度集成的AI 功能进行扩展和定制化开发，实现个性化的 AI 功能。
- AI 功能增强：对系统中已有的功能进行增强，实现更加智能化功能加成。
典型应用场景
代码审核智能体
智能体通过将业务场景转化为结构化的执行流程，实现了从业务需求到自动化决策的无缝转换。在这个过程中，业务场景被编排为一系列精心设计的执行节点，每个节点都具备特定的功能，包括数据分析与处理、AI 模型调用，以及智能决策等核心能力。通过低代码应用的形式，这些智能体服务可以便捷地集成到各类业务系统中，为企业提供高效的智能化解决方案。
-
策略类型：事件驱动型流程
- 触发条件：代码提交或合并请求创建
- 执行时机：代码变更时自动触发
- 监控范围：指定代码仓库和分支
-
执行节点：
- 代码获取节点：拉取最新代码变更
- 静态分析节点：执行代码规范检查、复杂度分析
- 安全扫描节点：检测潜在的安全漏洞
- AI 评估节点：使用模型分析代码质量和可维护性
- 测试覆盖节点：统计单元测试覆盖率
- 报告生成节点：汇总分析结果并生成报告
-
执行说明：
- 自动监控代码仓库的变更事件
- 多维度分析代码质量指标
- 基于预设阈值进行质量评估
- 生成详细的质量分析报告
- 对严重问题自动发起告警
-
策略流程：
- 代码提交触发自动检测流程
- 并行执行多个质量检测任务
- 根据检测结果确定质量等级
- 不同等级采取不同处理策略：
-
通过：自动合并代码
-
警告：通知开发人员审查
-
阻断：拒绝代码合并并通知修复
-
MCP服务搭建
-
策略类型：事件驱动型流程
- 触发方式：文件上传或API调用
- 处理类型：批量或实时处理
- 数据来源：图片文件或PDF文档
-
执行节点：
- 数据接入节点：接收发票图片或PDF文件
- 预处理节点：图像增强、倾斜校正、噪点去除
- OCR识别节点：提取发票文字信息
- 信息分类节点：识别发票类型（增值税发票、普通发票等）
- 数据解析节点：结构化提取关键字段（发票代码、金额、税率等）
- 验真节点：调用税务系统API进行发票真伪验证
- 数据存储节点：将处理结果存入数据库
-
执行说明：
- 支持多种格式发票的自动识别和分类
- 采用深度学习模型提升识别准确率
- 实时反馈处理进度和识别结果
- 异常情况自动预警和人工介入机制
- 支持批量处理和单据处理模式
-
策略流程：
- 接收发票文件并进行格式验证
- 执行图像优化和OCR识别
- 解析提取关键信息字段
- 进行发票真伪验证：
- 验证通过：存储结果并推送业务系统
- 验证失败：标记异常并通知人工审核
- 识别异常：自动重试或转人工处理
- 生成处理报告和统计分析
电商客户运营
在电商业务场景下包含不同业务周期旅程的客户运营策略，在不同的周期旅程场景下使用不同客户运营策略，包含：新客激活策略，订单挽回策略，客户忠诚度提升策略，商品复购策略
新客激活策略
当新注册用户，注册超过x天后，仍然没有下单，则给客户推送满减优惠券
- 流程类型：任务调度型流程
- 执行节点：SQL Script节点，HttpApi节点
- 执行说明：通过HttpApi节点获取优惠券数据、短信数据，组合数据报文进行发送
- 策略流程：
- 通过用户行为记录表与用户记录表加工出用户行为指标表数据；
- HttpApi节点获取优惠券，Js节点生成短信内容；
- 通过HttpApi节点发送短信；
订单挽回策略
当用户有新增购物车商品，并在x小时内仍然没有完成下单，同时商品有优惠活动时，给用户通过短信推送活动通知消息
- 策略类型：事件驱动型流程
- 执行节点：SQL Script节点，条件节点，等待节点，HttpApi节点
- 执行说明：通过SQL节点检查订单是否完成，并根据完成状态与否决定后续动作
- 策略流程：
- 消费Kafka队列获得指定事件信息进行处理；
- 通过用户记录表与用户订单表加工出用户订单行为指标表数据；
- Js节点生成短信/邮箱内容，再通过HttpApi节点发送短信/邮箱；
- 等待一段时间，再次触发上述操作，生成二次营销短信/邮箱；
客户忠诚度提升策略
当用户首次购买下单时，发送感谢邮件
- 策略类型：：事件驱动型流程
- 执行节点：SQL Script节点，条件节点，HttpApi节点
- 执行说明：通过SQL节点统计购买次数来判断用户首购/复购
- 策略流程：
- 消费Kafka队列获得指定事件信息进行处理；
- 通过用户记录表与用户订单表加工出用户订单行为指标表数据；
- 条件节点判断首购/复购，并生成对应的感谢短信/邮件；
商品复购策略
当用户购买指定商品下单完成后，x天后是否继续下单，是否有预览行为，并为未购买用户推送复购消息信息
- 策略类型：任务调度型流程
- 执行节点：SQL Script节点，HttpApi节点
- 执行说明：通过SQL节点获取用户行为记录信息
- 策略流程：
- 通过用户行为记录表与用户记录表加工出用户行为指标表数据；
- 根据用户行为时间点通过Js节点生成短信/邮箱内容，再通过HttpApi节点发送短信/邮箱；
商品复购策略
风险订单识别与处置，保障商户业务健康运营
-
流程类型：事件驱动型流程
- 触发条件：新订单创建或订单信息更新
- 执行频率：实时触发，确保风险及时识别
-
执行节点：
- 数据收集节点：收集订单基础信息、用户历史交易、信用记录等数据
- 特征提取节点：提取关键风险指标，如交易金额异常度、用户行为模式等
- AI模型节点：调用风险评估模型，计算风险分数
- 规则验证节点：应用预设的业务规则进行二次验证
- 决策执行节点：根据风险评估结果执行相应的业务处理
-
执行说明：
- 系统接收到新订单后，自动触发风险评估流程
- 多维度数据分析，结合AI模型和规则引擎进行风险判定
- 根据风险等级自动执行不同的处理策略
- 全流程自动化执行，无需人工干预
-
策略流程：
- 低风险订单：直接放行，进入正常处理流程
- 中风险订单：触发二次验证，要求补充信息或人工审核
- 高风险订单：自动拦截，并向相关人员推送预警信息
- 所有处理结果记录存档，用于模型优化和策略调整
客户指标加工
在电商客户运营中，我们将基于用户的行为，用户的订单情况，用户的购物车信息，商品数据进行指标加工。加工的指标数据将用于用户运营，用户画像分析，客群分析，商品分析和商品推荐
- 策略类型：任务调度型流程
- 执行节点：SQL Script节点
- 执行说明：每个节点都是在相同的数据源上执行sql脚本，执行数据不在执行结果中展示
- 加工数据源表：商品产品信息表、用户购物车加购表、用户收藏记录表、用户信息表、用户订单表
- 加工数据中间表：DIM产品维度表、DWD用户购物车明细表、DWD用户收藏记录明细表、DWD用户信息明细表、DWD用户订单明细表、DWM客户中间层指标表
- 加工数据目标表：DWS产品汇总指标表、ADS客户标签指标表
- 策略流程：
- 通过商品产品信息表加工DIM产品维度表；
- 通过用户购物车加购表加工DWD用户购物车明细表；
- 通过用户收藏记录表加工DWD用户收藏记录明细表；
- 通过用户信息表加工DWD用户信息明细表；
- 通过用户订单表加工DWD用户订单明细表;
- 通过DWD用户信息明细表、DWD用户订单明细表、DWD用户购物车明细表、DWD用户收藏记录明细表加工DWM客户中间层指标表；
- 通过DWM客户中间层指标表加工DWS产品汇总指标表；
- 通过DWM客户中间层指标表、DWD用户订单明细表加工ADS客户标签指标表；
服务接口编排
通过API节点编排，调用用户信息接口，调用订单数据接口，调用购物车接口，返回组合报文结构，包含当前用户基本信息，用户订单列表和购物车列表
- 策略类型：事件驱动型流程
- 执行节点：API节点，数据合并节点
- 执行说明：通过API节点获取用户数据，订单数据，购物车数据，通过数据合并节点组合数据报文
- 策略流程：
- webhook节点配置客户id作为查询参数，配置为get方法调用
- webhook节点后同时调用三个API节点，分别返回客户数据，订单数据，购物车数据
- 使用数据合并节点对分别对数据进行合并，返回合并结果