LangStudio是集成开发环境，用于构建、调试和优化由大语言模型、Python节点及工具组成的应用流。
快速开始
参见创建工作流应用。
创建方式说明
从模板新建：提供多场景模板，可快速搭建AI应用。
按类型新建：
标准型：适用于通用应用开发。结合大语言模型和自定义Python代码，构建定制化应用流。
对话型：用于对话型应用开发。在标准型基础上，提供对话历史、输入输出管理和对话框测试界面。
从OSS导入：选择待导入的应用流ZIP文件或OSS路径，该路径必须直接包含应用流的flow.dag.yaml及其他Code文件。
可通过LangStudio应用流列表操作列的导出功能将应用流导出，分享给他人导入使用。
将Dify的DSL文件转换LangStudio应用流格式后，可通过该方式导入。详情请参见Dify到LangStudio迁移实践指南。
配置环境变量
在LangStudio中添加应用流运行所需的环境变量。应用流执行前系统自动加载这些变量，供Python节点、工具调用或自定义逻辑使用。
适用场景
敏感信息管理：存储API密钥、认证令牌等，避免硬编码到代码中。
配置参数化：灵活设置模型地址、超时时间等运行参数。
配置与使用
在应用流编辑页面，单击右上角设置，添加环境变量。环境变量不会写入代码，便于安全管理。
在Python节点中，通过标准Python的
os.environ访问已配置的环境变量：import os # 示例：获取 API 密钥 api_key = os.environ["OPENAI_API_KEY"]
配置语音交互
在应用流编辑页面，单击右上角设置，在全局配置页签配置语音交互。
语音转文字
语音转文字功能可将用户的语音输入转换为文本，并作为开始节点中标识为“对话输入”字段的输入内容。
配置参数 | 说明 |
模型设置 | 选择已配置的模型服务连接和 ASR 模型。目前支持 Paraformer 系列模型。 |
识别语言 | 设置语音识别的语言。当前仅 paraformer-v2 模型支持指定识别语言。 |
文字转语音
文字转语音功能将工作流的对话输出自动合成为语音。
配置参数 | 说明 |
模型设置 | 选择已配置的模型服务连接和 TTS 模型。目前支持 CosyVoice 系列模型。 |
音色设置 | 选择合成语音的音色。支持多种预置音色。 |
自动播放 | 开启后，对话时合成的语音会自动播放。 |
部署调用
部署至PAI-EAS后，通过API调用实现语音交互。通用API调用方式请参见应用流部署。本节说明语音交互的差异部分。
语音输入
在请求体中添加system.audio_input字段，传入音频文件URL（文件数据结构参见文件类型输入输出）。系统自动将音频转为文本并填入对话输入字段。
{
"question": "",
"system": {
"audio_input": {
"source_uri": "oss://your-bucket.oss-cn-hangzhou.aliyuncs.com/audio/input.wav"
}
}
}语音输出
如需获取TTS合成的音频数据，使用完整模式（<Endpoint>/run端点）调用。简单模式不返回音频数据。
字段 | 说明 |
audio_data | Base64编码的音频数据片段，客户端解码后拼接播放 |
tts_metadata | 音频元数据，包含格式（pcm）、采样率（22050Hz）、声道数（1）、位深（16bit） |
流式响应
TTS音频通过SSE事件流中的TTSOutput事件返回：
{
"event": "TTSOutput",
"audio_data": "<base64编码的音频数据>",
"tts_metadata": {
"format": "pcm",
"sample_rate": 22050,
"channels": 1,
"bit_depth": 16
}
}非流式响应
TTS音频作为output.tts_audio字段包含在JSON响应中：
{
"output": {
"answer": "xxx",
"tts_audio": {
"audio_data": "<base64编码的完整音频数据>",
"tts_metadata": {
"format": "pcm",
"sample_rate": 22050,
"channels": 1,
"bit_depth": 16
}
}
}
}预置组件说明
详情请参见工作流节点参考。
下一步
完成应用流开发和调试后，可对应用流进行评测。满足业务需求后，可部署至模型在线服务PAI-EAS供生产使用。