用于工作流自动化的 LLM API

工作流自动化在生产应用中的实际场景

应付账款工作流读取发票、匹配采购订单，让模型分类差异，再进入审批队列或创建异常工单。工作流状态保存在应用数据库，而不是聊天历史中。

模型只处理有歧义的分类。解析、算术、重复检测、写入、重试和截止时间保持确定性；每个外部写操作都带幂等键。

工作流自动化工作流怎样运行

• 持久化状态和不可变输入引用。
• 运行确定性解析与匹配。
• 只在有歧义的决策节点调用模型。
• 根据政策和置信规则验证决策。
• 幂等写入下一状态，或路由到审查。

通过 LLMFly AI 调用 gpt-5.6-terra

请求应从服务端发送。请将示例内容和占位工具 Schema 替换为应用中的真实数据与工具。

curl https://app.llmfly.ai/v1/chat/completions \
  -H "Authorization: Bearer $LLMFLY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "messages": [
      {"role": "system", "content": "Classify the invoice discrepancy using the supplied policy. Return MATCH, REVIEW, or REJECT with the exact policy rule. Do not perform any external action."},
      {"role": "user", "content": "Classify this invoice and purchase-order discrepancy."}
    ],
    "response_format": {"type": "json_object"}
  }'

为什么主模型选择 gpt-5.6-terra

Terra 处理有边界的判断节点，同时具备政策和异常分类所需的推理能力。

通过验证的窄分类可使用 gpt-5.4-mini。新型异常应升级到 Sol 或人工，而不是扩大模型权限。

工作流自动化的验收条件

上线前必须处理的失败情况

• 把聊天历史作为状态存储
• 重试非幂等写操作
• 授予不必要权限
• 没有最终失败路径

返回结果与运行记录

结构化分类、政策规则 ID、解释，以及适用时的审查原因。

每次生产运行都应记录模型 ID、Request ID、Token 用量、重试、验证结果和最终处理状态。