Dynamiq

一句话介绍

Dynamiq是一款面向开发者和企业团队的AI智能体开发与运营平台，可通过可视化画布或开源Python框架构建工作流、RAG应用和多智能体系统，并将其部署为可调用的应用。

工具简介

Dynamiq由Dynamiq Technologies开发，产品覆盖原型设计、测试、部署、监控、评估、知识库和模型微调。它适合希望把生成式AI实验推进到生产环境的技术团队。

Dynamiq包含两个需要区分的部分：商业平台提供可视化构建器、托管运行和企业管理能力；dynamiq Python包则是Apache 2.0许可的开源编排框架。

产品组成

主要功能

可视化智能体与工作流构建

用户可以在画布上连接输入、Agent、工具和输出节点，并配置节点间的数据映射。工作流保存后会形成版本，便于测试、发布和回滚。

• 通过低代码画布组合智能体、模型、工具、知识库和业务逻辑。
• 支持顺序、并行、条件分支和多智能体编排。
• 可从空白画布、模板或提示词生成的初始工作流开始。
• 测试面板能够直接运行画布，并查看节点输入、输出和错误。
• 版本与发布机制可以把测试中的工作流固定为可部署版本。

Agent节点与工具调用

Agent节点可以配置角色、模型、工具、记忆、沙箱、子智能体和结构化输出。智能体会在设定的循环范围内规划并调用工具，直到完成任务或触发停止条件。

工具范围包括网页搜索、代码沙箱、数据库查询、外部服务、MCP服务器和其他智能体。上线前应为高风险工具设置权限、超时、循环次数与人工确认。

知识库与RAG

Dynamiq知识库把文件转换、分块、嵌入和向量存储组成完整的摄取流程。用户可以使用默认配置，也可以选择分块方式、嵌入提供商和向量数据库。

• 默认多文件转换器可按文件类型处理PDF、PPTX、DOCX、图片和文本。
• 可调整分块参数、嵌入模型和向量存储位置。
• 知识库建成后可执行搜索测试，再连接到Agent节点。
• Python框架支持Pinecone、Qdrant、Weaviate、Chroma、Milvus、pgvector和Elasticsearch等存储。
• 企业资料入库前应确认访问权限、保留周期和第三方模型数据边界。

部署与应用接口

保存的工作流可以部署为App，每个应用获得独立调用端点。平台支持同步返回、流式输出、WebSocket双向交互和异步回调。

部署会固定到指定工作流版本，应用页面提供历史、追踪、会话、集成、触发器和测试等入口。新版本异常时可以根据部署历史回退。

可观测性与运行追踪

平台记录工作流的执行树、Agent循环、工具调用、模型请求、延迟和令牌用量。开发者可以从失败节点定位提示词、模型、连接或数据映射问题。

评估与质量控制

Dynamiq支持用数据集、工作流版本和评估指标创建评估运行。指标可以使用预设指标、LLM评审提示词或自定义Python代码。

• 预设指标包括忠实度、上下文精确率、上下文召回率和事实正确性等。
• 评估数据集可以映射问题、上下文、标准答案和工作流输出。
• 同一数据集可比较多个工作流或版本，帮助判断改动是否有效。
• 评估结果仍受评审模型和数据集质量影响，不能代替人工验收。

Guardrails与结构化输出

平台提供输出校验、风险控制和结构化结果约束，可要求模型遵循JSON、YAML等格式。Guardrails能降低不合规输出进入业务系统的概率，但不能保证模型永远正确。

模型微调

企业平台支持使用私有数据微调开源大模型，并在专用基础设施或企业VPC中部署。训练数据、模型权属、算力费用和支持范围应以企业合同为准。

团队协作与治理

平台按组织、项目和工作流管理资源，并提供共享连接、访问控制和公司级Guardrails。访问密钥可限制到单个项目，也可以设置为组织范围。

Python开源框架

dynamiq是平台执行体系背后的开源Python编排框架，可从PyPI安装。开发者可以在代码中组合模型、Agent、工具、检索器、嵌入器和工作流，并在自己的Python环境运行。

支持的模型与数据组件

官方SDK文档列出OpenAI、Anthropic、Gemini、Bedrock、Mistral、Groq、Ollama、Azure AI和Together AI等模型提供商，并表示还有更多连接。具体模型名称与可用地区仍由相应提供商决定。

会话记忆可使用内存、SQLite、PostgreSQL、Qdrant、Pinecone、Weaviate和DynamoDB等后端。接入第三方模型与数据库时，用户还需承担对应账户、费用和服务条款。

工作原理

1. 确定智能体需要完成的任务、输入字段、输出结构和可调用工具。
2. 在可视化平台或Python代码中创建工作流，并配置模型连接和密钥。
3. 如需私有资料，创建知识库并完成文件转换、分块、嵌入和索引。
4. 把Input、Agent、工具、知识库与Output节点连接，并映射节点间字段。
5. 使用样例输入测试工作流，检查每个节点、工具调用和运行追踪。
6. 通过评估数据集和指标比较结果，修正提示词、检索与路由逻辑。
7. 保存并发布工作流版本，再部署为具有独立端点的应用。
8. 创建访问密钥，在业务系统中调用应用，并持续监测成本、延迟和错误。

使用教程

在可视化平台创建第一个智能体

1. 注册并进入组织与项目，先创建所需模型提供商的连接。
2. 打开Workflows并新建工作流，可关闭模板库从空白画布开始。
3. 添加Input节点，声明用户问题等输入字段。
4. 添加Agent节点，配置角色、模型、工具、循环次数和输出要求。
5. 把Input连接到Agent，并把输入字段映射到Agent任务。
6. 添加Output节点，把Agent结果映射为最终输出。
7. 在测试面板运行样例，查看追踪并修复连接或字段错误。
8. 保存工作流并创建发布版本，为后续部署做好准备。

创建并连接RAG知识库

1. 进入项目的Knowledge Bases页面并创建知识库。
2. 填写名称，按需要展开高级设置选择文件转换器、分块器和嵌入提供商。
3. 选择平台托管或企业指定的向量存储，并确认连接凭证。
4. 上传经过权限确认的PDF、PPTX、DOCX、图片或文本资料。
5. 等待摄取工作流完成，再用代表性问题检查检索结果。
6. 把知识库检索能力连接到Agent，明确相似度、返回数量和引用方式。
7. 用无答案、冲突资料和权限边界案例测试，避免知识库被误用。

部署并调用智能体应用

1. 打开已保存的工作流，选择新建部署或更新已有应用。
2. 填写应用名称和说明，选择运行环境并固定正确的工作流版本。
3. 等待部署状态成功，在集成页面确认输入结构和应用地址。
4. 进入组织设置创建访问密钥，并限制到对应项目。
5. 密钥只会完整显示一次，应立即保存到服务端密钥管理系统。
6. 先在应用测试页发送请求，再从后端以JSON输入调用。
7. 需要实时文字时启用Agent流式输出，并在客户端处理事件流。
8. 上线后检查追踪、令牌、成本、延迟和错误，并建立密钥撤销流程。

安装开源Python框架

1. 准备兼容的Python环境，并为项目创建独立虚拟环境。
2. 通过Python包管理器安装dynamiq，并按所需模型或存储安装可选依赖。
3. 把模型和数据库密钥放入环境变量，不要直接写入源码。
4. 创建模型节点，配置连接、模型、提示词和生成参数。
5. 将节点加入工作流，设置依赖关系和输入映射。
6. 使用小规模测试数据运行并检查RunnableResult的状态、输入和输出。
7. 加入重试、缓存、回调、检查点和日志脱敏后再用于生产。
8. 如需平台追踪或托管部署，再配置平台回调、CLI或AI Gateway。

API、密钥与集成

Dynamiq的REST API覆盖已部署应用、运行、会话、知识库、评估、指标、数据集、追踪和AI Gateway。自托管部署可以使用自己的主机名，但路径和请求结构保持一致。

• 应用调用支持同步结果和服务端事件流。
• WebSocket适合双向交互和需要人工反馈的任务。
• 异步模式可在长任务完成后把结果发送到回调地址。
• 应用输入必须与工作流Input节点的字段结构一致。
• 所有外部输入都应进行类型、长度和内容校验。
• 密钥泄露后应立即撤销，不能只修改客户端配置。

部署方式

企业VPC安装涉及云市场订阅、Kubernetes集群、数据库、对象存储、密钥管理和容器部署。它不是点击一次即可完成的桌面安装，需要DevOps或平台工程能力。

价格与套餐

截至2026年8月22日，官网提供“免费开始”入口，但未公开常规云平台的固定套餐单价和具体免费额度。企业VPC在AWS Marketplace另有年度合同价格，其他企业服务需联系销售。

价格注意事项

• 企业VPC公开合同价来自当前AWS Marketplace产品页，最终合同和资格以购买页面为准。
• 企业合同之外可能还需要支付云服务器、数据库、对象存储、模型推理和向量数据库费用。
• 开源框架免费不代表所连接的模型、搜索、沙箱和数据库服务免费。
• 官网的免费开始入口没有公开承诺具体额度，不应写成永久免费方案。
• 企业套餐、支持等级、SSO和合规协议可能根据合同定制。

适合哪些用户

• AI应用开发者：用Python或可视化画布构建Agent、RAG和多步骤工作流。
• 产品团队：快速测试智能体原型，并部署为可被前端或后端调用的应用。
• 平台工程团队：统一管理模型连接、密钥、追踪、评估和应用版本。
• 数据与机器学习团队：构建知识库、比较模型效果并微调开源模型。
• 受监管企业：在VPC或自有基础设施中部署，并配合访问控制和合规协议。
• 开源开发者：扩展Apache 2.0框架的节点、工具、存储和编排能力。

典型使用场景

• 构建连接企业知识库的内部问答助手，并通过权限控制限制资料范围。
• 创建能够搜索、调用工具和生成结构化结果的研究智能体。
• 让多个智能体分别负责检索、分析和撰写，再由管理智能体汇总。
• 把客服分类、信息提取和工单处理组合为自动化工作流。
• 使用评估数据集对比提示词、模型、检索参数和工作流版本。
• 将已测试的工作流部署为API，嵌入网站、后台系统或移动应用。
• 在企业VPC中运行涉及医疗、金融或内部机密资料的生成式AI应用。

产品优势

• 同时提供可视化平台和Python框架，低代码与代码团队可以共享执行体系。
• 覆盖构建、知识库、部署、追踪、评估和治理，不必为每个阶段单独选工具。
• 开源框架采用Apache 2.0许可，可在自有Python环境运行和扩展。
• 支持多家模型提供商和多种向量数据库，降低对单一技术栈的依赖。
• 应用部署具有版本固定、追踪、流式输出和异步回调等生产能力。
• VPC与自托管选项适合需要数据驻留和定制安全控制的企业。
• 访问密钥可按项目限制并设置有效期，有利于团队权限治理。

使用限制与注意事项

• 平台能力较多，组织、项目、连接、工作流、应用和凭证之间存在学习成本。
• 常规云端套餐和免费额度没有在公开页面完整列出，采用前需要在账户内确认。
• 开源框架需要Python、模型接口、存储和部署经验，不是面向普通用户的成品聊天工具。
• 企业VPC部署涉及Kubernetes、云网络、数据库和密钥管理，需要专业运维团队。
• 模型输出、工具结果和RAG检索都可能出错，高风险流程必须加入人工审核。
• 第三方模型、搜索、代码沙箱和向量数据库会产生额外费用与数据处理链路。
• Agent循环和并行工具调用可能快速增加令牌、延迟和成本，应设置预算与停止条件。
• 结构化输出与Guardrails只能降低风险，不能证明内容真实或合规。
• 平台服务条款禁止对专有平台进行逆向工程，不能把框架许可证扩展到商业平台。

隐私、安全与合规

隐私政策说明，Dynamiq会处理账户、账单、通信、设备和使用信息，也可能在用户授权后处理Google Workspace文档内容、元数据和权限。连接企业资料前应核对所用部署方式和子处理商。

• 个人数据按提供服务、合同、法律义务或合法利益等基础处理，并在不再需要时删除或匿名化。
• Google Workspace数据仅在授权范围内用于用户请求的搜索、检索、摘要和问答等功能。
• 官方声明不使用Google Workspace原始数据、派生数据、嵌入、提示词或输出训练通用基础模型。
• 断开Google Workspace连接后，缓存数据会按保留规则删除或去标识，但法律义务等情况可能例外。
• 服务可能使用托管、分析和AI等第三方子处理商，企业采购前应审查当前名单和数据处理协议。
• 处理受HIPAA约束的健康信息需要另行签署商业伙伴协议，不能仅凭官网说明直接投入使用。
• 自托管或VPC能够加强数据控制，但模型提供商、外部工具和运维配置仍可能形成数据出口。

支持平台

API、SDK与开源情况

Dynamiq提供REST API和官方Python框架。API用于调用已部署应用、管理运行与知识库等平台资源，Python框架则可以独立运行，也可以连接平台进行追踪、网关路由和托管部署。

基本信息

推荐指数

推荐指数为4.3分，满分5分。Dynamiq把可视化构建、开源编排框架、RAG、部署、追踪和评估连成完整链路，适合需要从原型走向生产的AI开发团队。

主要不足是公开云端价格与免费额度不完整，平台概念和企业部署也有一定学习与运维门槛。普通用户若只想直接聊天或生成内容，没有必要选择这类开发平台。

常见问题

Dynamiq是什么工具？

它是用于构建、部署和运营AI智能体与LLM应用的平台，同时提供开源Python编排框架。它不是面向普通用户的单一聊天机器人。

Dynamiq免费吗？

开源Python框架可以免费使用，官网云平台也提供免费开始入口，但公开页面未明确列出常规免费额度和固定套餐价格。模型、数据库和云资源可能另外收费。

Dynamiq开源吗？

需要分开判断：dynamiq Python框架采用Apache 2.0许可证并公开源码，Dynamiq商业平台则是专有软件。不能因为框架开源就把整个平台标记为开源。

是否提供API？

提供。REST API覆盖已部署应用、运行、会话、知识库、评估、数据集、追踪和AI Gateway，自托管环境也可使用同样的路径结构。

是否提供官方SDK？

提供Python框架，可通过包管理器安装。它既能独立运行工作流，也能连接商业平台获得追踪、网关和托管部署能力。

支持哪些大模型？

官方框架列出OpenAI、Anthropic、Gemini、Bedrock、Mistral、Groq、Ollama、Azure AI和Together AI等提供商。实际模型与地区可用性由相应服务决定。

可以搭建企业知识库吗？

可以。平台能够完成文件转换、分块、嵌入、向量存储和检索，并将知识库连接到Agent；自定义框架也支持多种向量数据库。

支持私有化部署吗？

支持企业VPC和自托管部署，官方文档包含AWS环境的Kubernetes安装路线。实际落地需要云基础设施、数据库、存储和密钥管理能力。

生成结果可以直接用于高风险业务吗？

不建议未经复核直接使用。Agent、模型、工具和检索结果都可能出错，医疗、金融、法律和自动执行场景应加入评估、权限限制和人工审批。

用户数据会被用于训练吗？

官方明确说明Google Workspace数据不会用于训练或改进通用基础模型，但这一承诺针对该类数据。其他数据的处理应结合隐私政策、部署方式、子处理商和企业合同逐项确认。

企业VPC价格是多少？

截至2026年8月22日，AWS Marketplace展示的Enterprise VPC年度合同价格为100,000美元，云基础设施和外部模型等成本可能另计。最终以购买页面和合同为准。

Dynamiq适合普通用户吗？

它主要面向开发者、产品团队和企业AI平台团队。只需要日常聊天、写作或图片生成的用户，使用成品AI应用会更直接。

总结

Dynamiq的价值在于把Agent开发、RAG、部署、追踪和评估统一起来，并允许团队在可视化平台与开源Python代码之间选择。对需要生产级智能体和私有部署的组织，它具有较完整的工程能力。

选择前应重点确认云端套餐、第三方模型成本、部署责任和数据处理协议。采用开源框架时，也要自行补齐鉴权、监控、预算控制、评估和运维体系。