定义
AI Studio的大语言模型（LLM）节点是其核心功能之一，它允许您利用大语言模型的强大能力来处理用户的各种输入（文本、文件、图片），并提供有效的智能回应。
前置条件
应用场景
LLM节点能根据您提供的提示词处理广泛的任务类型，并在工作流的不同环节发挥关键作用。
意图识别： 在客服场景中，识别并分类用户问题的意图，从而引导至不同的处理流程。
文本生成： 作为内容生成的核心，根据主题和关键词自动生成文章或报告。
内容分类： 在邮件处理中，自动将邮件分类为咨询、投诉或垃圾邮件等。
文本转换： 实现文本内容的翻译，将用户提供的文本翻译成指定语言。
代码生成： 辅助编程，根据用户需求生成业务代码或测试用例。
RAG（检索增强生成）： 在知识库问答中，结合检索到的相关知识和用户问题，提供准确的回答。
图片理解： 利用多模态模型的视觉能力，理解图像信息并进行问答。
通过选择合适的模型和编写精良的提示词，您可以在AI Studio中构建出强大、可靠的AI解决方案。
节点配置
点击开始后面的
添加LLM节点。
单击LLM节点，在节点面板添加模型。
配置步骤：
选择模型： AI Studio 支持全球主流模型，包括阿里云的通义千问、OpenAI 的 GPT 系列、Google 的 Gemini 系列等。选择模型时需考虑其推理能力、成本、响应速度和上下文窗口等因素，根据您的场景需求和任务类型进行选择。
温馨提示： 如果您是首次使用 AI Studio，在选择LLM节点模型之前，请务必先在插件模型供应商中完成模型配置。
配置模型参数： 这些参数用于控制模型的生成结果，例如温度（Temperature）、Top P、最大标记（Max Tokens）和回复格式等。为了方便，系统提供了三套预设参数：创意、平衡和精确。如果您不熟悉这些参数，建议选择默认设置。如果应用需要图片分析能力，请选择具备视觉能力的多模态模型。
填写上下文（可选）： 上下文是为 LLM 提供的背景信息，通常用于填充知识检索的输出变量。
编写提示词： LLM 节点提供了易于使用的提示词编排页面。根据您选择的是聊天模型（Chat model）还是补全模型（Completion model），提示词的编排结构会有所不同。如果选择聊天模型，您可以自定义系统提示词（SYSTEM）、用户（USER）和助手（ASSISTANT）三部分内容。
模型参数
模型的参数直接影响输出效果，不同模型的参数可能有所区别，下图为qwen-max的参数列表。
模型参数列表
主要的参数名词解释如下：
●温度（Temperature）： 通常取值范围为0到1，用于控制生成结果的随机性。 ○接近0： 结果更确定、重复性更高。 ○接近1： 结果更随机、多样性更强。 ●Top P： 控制生成结果的多样性。模型会根据概率从候选词中选择，确保累积概率不超过预设的阈值P。 ●存在惩罚（Presence Penalty）： 用于减少重复生成同一实体或信息。通过对已生成内容施加惩罚，模型会倾向于生成新的或不同的内容。参数值越高，重复内容的生成可能性越低。 ●频率惩罚（Frequency Penalty）： 对过于频繁出现的词或短语施加惩罚，降低其生成概率。参数值越高，对频繁出现的词或短语施加的惩罚越大，从而增加文本的词汇多样性。