步骤一：配置优化对象与模型

在创建模型优化任务时，首先需要明确对哪个Agent进行优化，并为其选择一个合适的被训模型。

选择优化对象

• 单智能体

  支持对单智能体中的模型进行优化。单智能体可包含Prompt、知识库、插件、MCP等能力。优化时，平台会保留智能体已有的运行环境与编排配置，仅替换其中的被训模型，使模型在真实Agent环境中学习回复生成、工具选择、参数填写以及多步工具调用结果整合等能力。优化完成后，可使用新模型替换单智能体中的原模型。

  

  优化时，平台会保留智能体已有的运行环境与编排配置（包括Prompt、知识库、插件、MCP等），仅替换其中的被训模型。优化完成后，原有配置不受影响。

  选择单智能体时，需满足以下条件：

  • 智能体中不能包含子工作流。
  • 智能体中配置的插件总数不能超过5个，MCP总数不能超过5个。

• 工作流

  支持对工作流大模型节点/意图识别节点中的模型进行优化。优化时，平台会将工作流中被选节点的模型替换为被训模型，其他节点保持不变。训练过程中，系统会自动从开始节点运行整个工作流，模型在真实的工作流环境中学习。优化后，会使用新模型替换节点中的旧模型。

  选择工作流时，需满足以下条件：

  • 开始节点到被优化的大模型节点之间的路径上，不能存在需要用户交互的节点（如问答节点这种需要暂停等待用户输入的节点）。强化学习训练需要模型在无人工干预的情况下反复试错，用户交互节点会暂停等待输入，导致训练循环无法自动完成。
  • 如果工作流中存在循环结构（即节点之间形成回路），被优化的大模型节点不能位于循环路径中。循环结构会导致训练过程中模型节点被反复执行，产生不可控的无限循环，消耗大量算力且无法收敛到有效结果。

创建优化任务时，平台会对所选的优化对象进行校验。如果优化对象不满足以上条件，任务将无法创建。请在创建前确认您的智能体或工作流满足以上要求。

选择被训模型

确定优化对象后，需要选训练使用的模型。从什么是模型优化、模型优化的原理中可以了解，优化的核心是“用小模型平替大模型”。因此，系统为您预置了两款极具潜力的小尺寸模型作为强化学习的起点。

• 8B规格模型（推荐常规与复杂场景）

  模型拥有80亿参数，具备较强的逻辑推理、指令理解和基础常识。建议在工具调用、复杂的数学/工程计算、需要输出思维链推导，以及开放式文本生成场景下使用。

• 1.7B规格模型（推荐急速响应场景）

  模型参数量小，推理速度极快，资源消耗成本极低，但在复杂逻辑推理上能力有限。专为意图分类、状态判定、极简的信息抽取等场景设计。如果您的节点只需要输出一个特定的数字ID或分类标签，且对响应延迟（首字时间）有极其苛刻的要求，推荐使用该模型。

接下来请参考：步骤二：配置优化方法和奖惩机制。