
在数字化转型的浪潮中,企业对于数据隐私和成本控制的需求日益增长。Visual Paradigm VPasCode 工具推出的Custom AI Endpoint Support(自定义 AI 端点支持)功能,正是为了解决企业用户在将 AI 引入工作流时的核心顾虑。本教程将深入解析如何配置自定义大语言模型(LLM),帮助您构建一个既安全又符合成本效益的 AI 辅助建模环境。
什么是自定义 AI 端点?
通常,SaaS 平台会内置默认的 AI 模型供所有用户使用。然而,对于处理敏感企业数据(如核心业务逻辑、架构设计细节)的组织来说,将数据直接发送到公共云端模型可能存在合规风险。
自定义 AI 端点(Custom AI Endpoints)允许 VPasCode 用户绕过系统默认的公共模型,转而通过您自己的组织 API 凭证,将 AI 请求路由到您偏好的服务。这不仅意味着您可以选择更便宜或更私有化的模型(如 DeepSeek, Qwen, Mistral 等),还确保了您的数据完全掌握在您自己的控制之下。
系统架构与配置流程详解
配置自定义 LLM 的过程涉及三个关键要素:Provider(提供商)、API Endpoint(API 端点)以及API Key(API 密钥)。以下我们将通过 VPasCode 的 LLM Configuration 界面,逐步拆解其背后的技术逻辑。
1. 选择提供商 (Provider)
在配置界面的 Connection(连接)部分,第一步是选择 Provider。这不仅仅是一个下拉菜单,它定义了系统如何与外部 AI 服务进行通信的协议标准。
- Anthropic, OpenAI, Google, Mistral 等:这些主流提供商通常遵循特定的 API 规范。选择它们后,系统会自动预填充预期的请求格式。
- DeepSeek, Qwen, Groq:这些新兴或高性能模型支持 VPasCode 的自定义路由功能,允许企业利用高性价比的推理能力。
2. 定义 API 端点 (API Endpoint)
API 端点是 AI 模型接收请求的具体网络地址。在 VPasCode 中,您可以直接输入完整的 URL,例如 https://api.anthropic.com。
从技术架构角度看,这一步至关重要。如果您使用的是企业内部部署的模型(On-Premise)或通过代理服务器(Proxy)访问的模型,您必须在此处填入正确的内部网络地址。VPasCode 会将本地的建模上下文(如 UML 图、BPMN 流程)发送到这个地址,并等待响应。
3. 安全凭证管理 (API Key)
API key是身份验证的核心。VPasCode 将此密钥存储在本地或加密的凭证管理中,用于在发送请求时通过 Authorization 头部进行身份标识。
安全提示:在配置过程中,您无需担心密钥的泄露,因为该配置仅在您授权的特定组织(Organization)内生效。系统要求您输入密钥的前缀(如 sk-...)作为格式校验的一部分,确保您输入的是有效的凭证。
4. 模型标识 (Model ID)
最后一步是输入 Model id。这是您希望使用的具体模型名称(例如 claude-3-opus 或 qwen-turbo)。这个 ID 告诉 AI 服务提供商在您的账户下运行哪一个具体的实例。
注意:当您修改这些设置时,界面会显示 Unsaved changes。您必须点击 Save changes 才能应用新的路由规则。一旦保存,该配置将覆盖系统默认设置,适用于您工作区内的所有 AI 功能。
许可证与合规性说明
配置自定义 LLM 不仅仅是技术设置,还涉及软件许可管理。如界面中的提示所示,配置自定义 LLM 需要组织内的每个用户都拥有有效的维护许可证(Maintenance License)。
这意味着:
- 如果您使用自定义端点,AI 功能的调用成本(API 费用)将由您承担。
- VPasCode 的许可证规则将不再限制 AI 功能的调用次数,而是由您的 API 提供商的配额决定。
- 如果自定义 LLM 被禁用,每个应用将遵循其默认的许可证规则。
总结
通过启用 Custom AI Endpoint Support,Visual Paradigm VPasCode 成功地将企业级数据治理与强大的 AI 辅助建模能力结合在了一起。它不仅支持了 OpenAI、Anthropic、Google、DeepSeek、Mistral、Qwen 和 Groq 等主流服务商,更为企业构建私有的、可控的 AI 基础设施提供了灵活的技术路径。
