NocoBase 新增 DeepSeek V4 Flash：把推理续调与联网搜索接入无代码工作流

NocoBase 本周更新的重点，是新增 DeepSeek V4 Flash，并支持推理续调与联网搜索。对于使用 NocoBase 搭建 AI 应用的团队来说，这意味着工作流不必停留在“一次提问、一次返回”的简单模式，也可以围绕复杂问题继续追问，并在需要最新信息时引入网络搜索。

这次更新同时提醒我们：AI 平台的版本选择很重要。NocoBase 目前提供 main、next 和 develop 三个分支，不同分支对应稳定性、体验新功能和参与开发验证的不同目标。

DeepSeek V4 Flash 带来了什么变化

从一次生成转向推理续调

传统的 AI 工作流通常是：用户输入问题，模型生成答案，流程结束。推理续调则更适合多轮任务，例如：

• 先分析一份需求，再根据用户反馈修改方案；
• 先生成 SQL，再继续检查字段、权限和性能风险；
• 先输出客服回复草稿，再要求模型补充依据或改写语气；
• 先判断异常原因，再继续追问日志和上下文。

在 NocoBase 这类无代码平台中，推理续调的价值不只是“多问几句”，而是可以把人工确认点放进工作流：模型给出阶段性结果，用户确认后，流程再继续执行下一步。

联网搜索适合处理时效性信息

模型自身的知识并不一定覆盖最新的产品文档、政策、价格和行业动态。联网搜索可以让工作流在生成结果前补充外部信息，例如：

1. 根据用户问题提取搜索关键词；
2. 获取搜索结果或网页摘要；
3. 将检索内容与用户问题一起交给 DeepSeek V4 Flash；
4. 要求模型区分已知信息、搜索证据和推测结论。

不过，联网搜索不等于自动获得可靠答案。生产环境仍应保留来源、抓取时间和人工审核机制，避免把过期页面或低质量内容直接写入业务数据库。

如何选择 NocoBase 的更新分支

NocoBase 当前的三个分支可以按下面的方式理解：

不要因为新模型或新功能很有吸引力，就直接把生产环境切换到实验分支。更稳妥的方式是先复制一套测试环境，验证以下内容：

• 现有插件是否能够正常加载；
• AI 工作流的输入输出字段是否发生变化；
• 联网搜索失败时，流程是否有降级路径；
• 推理续调是否增加了调用次数和成本；
• 敏感数据是否可能被发送到外部模型或搜索服务。

如果只是希望稳定使用，优先选择 main。如果要试用即将发布的能力，可以让 next 运行在独立测试环境中。develop 则不应被当作生产版本使用。

一个可改造的 AI 工作流示例

下面的示例采用“OpenAI 兼容接口”的假设，具体地址、模型名和鉴权方式需要根据 NocoBase 中实际配置的 AI 服务调整。它演示了一个适合接入无代码工作流的请求：让模型基于用户问题和联网搜索摘要生成带证据的回答，并保留后续续调所需的上下文。

运行前设置环境变量：

export AI_BASE_URL="https://your-ai-gateway.example.com/v1"
export AI_API_KEY="replace-with-your-api-key"

发送第一次请求：

curl "$AI_BASE_URL/chat/completions" \
  -H "Authorization: Bearer $AI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      {
        "role": "system",
        "content": "你是企业知识助手。请区分用户问题、联网搜索证据和你的推断；无法确认时明确说明。"
      },
      {
        "role": "user",
        "content": "用户问题：本周有哪些与 NocoBase AI 工作流相关的更新？\n\n联网搜索摘要：\n- 来源 A：新增 DeepSeek V4 Flash，支持推理续调与联网搜索。\n- 来源 B：请替换为实际搜索结果。"
      }
    ],
    "temperature": 0.2
  }'

在 NocoBase 工作流中，可以将这个过程拆成几个节点：

触发器：用户提交问题
  -> 文本处理：提取搜索关键词
  -> 联网搜索：获取标题、摘要、来源和时间
  -> AI 节点：调用 DeepSeek V4 Flash
  -> 人工确认：确认答案或提出修改意见
  -> 推理续调：将原问题、模型回答和修改意见一起发送
  -> 数据操作：保存最终答案与证据

续调时不要只传一句“请修改”。建议保留结构化上下文，例如：

{
  "original_question": "本周有哪些与 NocoBase AI 工作流相关的更新？",
  "previous_answer": "模型第一次生成的答案",
  "user_feedback": "补充版本分支的选择建议，并标注哪些内容来自搜索结果",
  "sources": [
    {
      "title": "搜索结果标题",
      "url": "https://example.com/article",
      "fetched_at": "2025-01-01T00:00:00Z"
    }
  ]
}

这里的 URL 仅用于说明字段结构，实际项目应写入真实搜索来源。保留上下文可以让模型知道需要修改哪一部分，也便于后续审计和复现。

上线前需要关注的边界

成本与延迟

推理续调通常意味着更多模型调用；联网搜索还会增加检索耗时。可以在工作流中设置最大续调次数，例如最多两轮，并在超时后返回上一版结果或转人工处理。

数据安全

如果用户问题包含客户资料、内部文档或个人信息，不应直接把全部原文发送给外部模型和搜索服务。可以先做字段脱敏、权限过滤和内容截断，再提交给 AI 节点。

证据与责任

联网搜索结果应与最终答案分开保存。建议至少记录搜索关键词、来源标题、来源地址、抓取时间和模型最终输出。这样当答案出现争议时，团队能够判断问题来自搜索结果、提示词还是模型推理。

版本回滚

升级前备份 NocoBase 配置、插件和业务数据，并在测试分支验证现有流程。新模型接入后，最好准备一组固定测试问题，对比升级前后的准确性、耗时和输出格式，再决定是否推广到生产环境。

采用建议

这次更新适合从低风险、可人工审核的场景开始试用，例如内部知识问答、产品更新摘要和客服草稿生成。可以采用下面的落地顺序：

1. 在 main 环境保持现有生产流程不变；
2. 创建独立测试环境，验证 DeepSeek V4 Flash 和联网搜索；
3. 先接入一条允许人工确认的工作流；
4. 为搜索失败、模型超时和答案不确定性设置降级分支；
5. 记录调用次数、响应时间、证据来源和人工修改比例；
6. 评估稳定性与成本后，再扩大自动化范围。

真正值得关注的不是“新增了一个模型”本身，而是 NocoBase 能否把模型调用、搜索证据、人工确认和后续动作串成一条可管理的业务流程。对生产团队而言，稳定分支、可回滚配置和可审计结果，依然比提前尝鲜更重要。