阿里云智能决策平台对接使用完全指南：从架构解析到API集成实战

apphuang2026年07月12日 12:00:204

一、阿里云智能决策平台概述

阿里云智能决策平台并非单一产品，而是一个覆盖数据采集、数据治理、AI建模、风险决策、智能分析到大模型应用的全链路决策智能体系。该平台整合了DataWorks、Quick BI、PAI、决策引擎、百炼大模型等多个核心产品，为企业提供从数据到决策的一站式解决方案。

在实际业务场景中，企业面临的数据来源多样、决策链条复杂、实时性要求高等挑战日益突出。阿里云智能决策平台通过将数据开发、智能分析、机器学习、风险控制和生成式AI等能力有机整合，帮助企业构建\"数据采集—数据治理—智能分析—辅助决策—自动执行\"的完整闭环。无论是零售行业的营销策略优化、金融领域的风控决策、制造行业的供应链预测，还是互联网业务的用户增长分析，该平台都能提供针对性的技术支撑。

决策引擎平台基于阿里自研风控实时计算引擎，历经多年电商、媒体、交易等场景实战，是一站式实时规则策略计算平台。决策引擎在原阿里自用风控引擎基础上，提供个性化业务场景事件管理、可视化编排复杂决策、丰富的特征变量与场景识别服务等功能。相较于需要开发背景及算法背景才能使用的传统风控引擎，阿里云决策引擎无需开发背景甚至无需算法建模背景，就可以将大数据与人工智能算法应用到业务智能决策中。

优化求解器产品是求解优化问题的专业设计软件，技术来自达摩院决策智能实验室的MindOpt Solver，可广泛应用于云计算、电力能源、工业制造、交通物流、零售、金融等领域。Quick BI则是一款全场景消费式的BI产品，服务于有数据化转型和提升智能决策和分析能力诉求的企业。DataWorks作为一站式大数据开发治理平台，提供数据集成、数据开发、数据治理、数据分析和数据服务等全链路数据开发能力。

需要先登录阿里云控制台，点击：阿里云控制台

二、平台核心架构与组件解析

阿里云智能决策平台的架构可划分为五个核心层次：

2.1 数据接入层

数据接入层支持OSS、MaxCompute、RDS等多种数据源对接，通过可视化界面配置数据字段映射。平台还内置了隐私保护引擎，可自动识别身份证、银行卡等敏感信息，确保符合GDPR等合规要求。这一层的核心价值在于打破数据孤岛，将分散在不同业务系统中的数据统一汇聚到决策平台中，为后续的分析和决策提供高质量的数据基础。

2.2 数据开发与治理层

数据开发与治理层以DataWorks为核心，提供数据集成、数据开发、数据治理、数据分析和数据服务等全链路能力。DataWorks深度集成MaxCompute、EMR、Hologres、Flink等主流计算引擎，支持跨引擎协同开发。这一层承担着数据清洗、转换、加工和质量管控的职责，是连接原始数据与智能应用的桥梁。

2.3 AI模型层

AI模型层以PAI人工智能平台为核心，提供模型训练、部署与推理服务。PAI EAS（模型在线服务）支持将训练好的模型快速部署为在线服务，通过API对外提供推理能力。这一层使得企业可以将机器学习算法应用于实际的业务决策场景中，实现从数据到智能的跃迁。

2.4 决策与风控层

决策与风控层包含决策引擎（风险决策平台）和优化求解器（运筹优化引擎）。决策引擎用于复杂风控策略设计与编排，满足实时风险识别与检测的规则计算需求。优化求解器则提供数学规划求解能力。这一层是智能决策平台的\"大脑\"，负责将数据洞察转化为实际的决策行动。

2.5 智能分析与应用层

智能分析与应用层包含Quick BI（智能数据分析与可视化）、百炼大模型平台（大模型应用开发）以及各类智能体应用。百炼智能体支持通过API调用，也支持一键发布到第三方平台。这一层将数据、模型和决策能力以可视化和可交互的方式呈现给业务用户，实现决策能力的普惠化。

三、DataWorks数据开发治理平台对接

3.1 环境准备：工作空间创建与计算资源绑定

工作空间是DataWorks中进行任务开发和成员权限管理的基本单元。登录DataWorks控制台，在左上角切换至目标地域（地域创建后不可更改），单击左侧导航栏中的\"工作空间列表\"，进入空间列表页面后单击\"创建工作空间\"。

在创建页面完成以下关键配置：

工作空间名称：输入一个唯一且符合团队规范的名称
生产、开发环境隔离：建议开启，创建标准模式工作空间，确保开发与生产环境隔离
使用新版数据开发（Data Studio）：推荐开启

执行创建操作的账号需为阿里云主账号，或已授予AliyunDataWorksFullAccess等权限策略的RAM用户。DataWorks工作空间分为简单模式与标准模式：标准模式提供独立的开发与生产环境，是保障数据安全和流程规范的最佳选择；简单模式仅有生产环境，适用于个人测试或快速验证场景。

创建工作空间后，需要绑定计算资源才能进行任务开发。以MaxCompute为例，需要新建两个MaxCompute项目分别绑定到开发环境和生产环境。DataWorks构建了开放的计算引擎生态，深度集成MaxCompute、EMR、Hologres、Flink等主流引擎。

3.2 资源组规划

DataWorks当前推荐使用Serverless资源组，它涵盖旧版资源组（独享调度资源组、独享数据集成资源组、独享数据服务资源组、公共资源组）的核心功能，通过一个资源组即可完成数据同步、任务调度运行、调用及管理API服务等操作。对于历史项目仍可使用独享资源组：独享调度资源主要用于任务调度，适合高并发或对执行时间有严格要求的场景；独享集成资源主要用于数据的抽取、转换和加载过程。

3.3 数据源配置：对接各类数据源

使用DataWorks的数据集成、数据开发或数据分析功能前，需要先在DataWorks中添加数据源。登录DataWorks控制台，切换至目标地域后，在左侧导航栏选择对应工作空间，单击进入\"管理中心\"。进入工作空间管理中心页面后，单击左侧导航栏的\"数据源\"，进入数据源页面。单击\"新增数据源\"，选择对应的数据源类型进行配置。

配置数据源前需完成网络连通与白名单配置。私网连接（推荐）：当DataWorks资源组与数据源在同一VPC内时，使用VPC地址进行连接。DataWorks数据集成支持关系型数据库、数据仓库、非关系型数据库、文件存储、消息队列等近50多种不同异构数据源之间的数据同步。

3.4 数据集成任务配置

DataWorks数据集成提供的数据同步方式可从三个维度进行组合：同步时效、同步范围和数据策略。同步时效分为离线与实时：离线同步通过周期性调度任务实现小时或天级的数据迁移；实时同步则捕获源端变更数据（CDC），实现秒级延迟。同步范围分为单表、整库和分库分表。数据策略分为全量、增量和全增量。

当需要实现更精细化的离线任务配置时，可以使用脚本模式，通过编写数据同步的JSON脚本并结合DataWorks调度参数，将源端单表或分库分表的全量或增量数据周期性同步至目标数据表。以下是一个从MySQL同步数据到MaxCompute的离线同步任务JSON脚本示例：

{\n  \"type\": \"job\",\n  \"version\": \"2.0\",\n  \"steps\": [\n    {\n      \"stepType\": \"mysql\",\n      \"parameter\": {\n        \"connection\": [\n          {\n            \"datasource\": \"mysql_datasource\",\n            \"table\": [\"source_table\"]\n          }\n        ],\n        \"column\": [\"id\", \"name\", \"created_at\"],\n        \"where\": \"created_at >= '${bizdate}'\",\n        \"splitPk\": \"id\"\n      },\n      \"name\": \"Reader\",\n      \"category\": \"reader\"\n    },\n    {\n      \"stepType\": \"odps\",\n      \"parameter\": {\n        \"datasource\": \"odps_datasource\",\n        \"table\": \"target_table\",\n        \"partition\": \"dt=${bizdate}\",\n        \"column\": [\"id\", \"name\", \"created_at\"],\n        \"truncate\": true\n      },\n      \"name\": \"Writer\",\n      \"category\": \"writer\"\n    }\n  ],\n  \"setting\": {\n    \"errorLimit\": {\n      \"record\": 0\n    },\n    \"speed\": {\n      \"throttle\": true,\n      \"concurrent\": 2\n    }\n  },\n  \"order\": {\n    \"hops\": [\n      {\n        \"from\": \"Reader\",\n        \"to\": \"Writer\"\n      }\n    ]\n  }\n}

在该脚本中，Reader步骤从MySQL数据源读取数据，Writer步骤将数据写入MaxCompute目标表，并通过${bizdate}调度参数实现分区增量同步。DataWorks数据集成还支持向导模式配置，用户可以通过可视化界面完成同样的任务配置。

四、Quick BI智能数据分析平台对接

4.1 Quick BI产品定位与对接场景

阿里云智能商业分析Quick BI是一款全场景数据消费式的BI平台，通过智能化的数据分析与可视化能力，帮助企业快速搭建数据门户、仪表板、电子表格等数据产品。在实际业务中，Quick BI的对接使用主要涵盖三个核心场景：数据源的接入与配置、报表与分析页面的嵌入式集成、以及通过OpenAPI实现自动化管理与数据交互。对于已经拥有业务系统的企业而言，将Quick BI的报表能力无缝嵌入到自有系统中，是实现数据驱动决策的关键步骤。

4.2 数据源配置与网络连通

Quick BI提供了多种进入数据源创建界面的方式：第一种方式是在空间外通过资源入口快速创建，适合初次配置数据源时使用；第二种方式是从空间内的数据源模块进入，这是最常用的路径；第三种方式是在空间内的资源列表上快速创建，适合在已有工作空间中快速添加数据源。

数据源与Quick BI之间的网络连通是配置成功的前提。Quick BI支持公网和内网两种连接方式。通过公网连接时，需要将Quick BI的IP地址添加到数据库的白名单中。用户可以在数据源配置界面单击\"复制白名单\"获取Quick BI的公网IP列表。通过内网连接时，如果数据库部署在阿里云的ECS上，可以通过阿里云VPC进行连接。此外，也可以搭建跳板机通过SSH隧道访问并登录数据库。

以自建MySQL数据源为例，Quick BI支持MySQL 5.5、5.6、5.7、8.0版本。配置时需要填写以下关键参数：显示名称（数据源配置列表中的标识）、数据库地址（IP或域名）、端口（默认3306）、数据库名称、用户名和密码。如果目标数据源已配置SSL，可以选中安全协议SSL来保护数据传输安全。配置完成后，单击\"连接测试\"验证连通性，确认无误后即可保存数据源。除了MySQL，Quick BI还支持ClickHouse、SelectDB、Apache Doris、GaussDB、IBM DB2 LUW、MaxCompute、AnalyticDB for PostgreSQL、StarRocks、TiDB、RedShift等多种数据源。

4.3 报表嵌入与Ticket安全方案

Quick BI提供了从基础方案到安全增强方案的完整嵌入体系，支持仪表板、电子表格、数据大屏、自助取数、即席分析和数据填报等多种对象类型的嵌入。Ticket报表嵌入方案是推荐的免登嵌入方案，通过票据管理有效防止链接被恶意分享导致的数据泄露问题。

以下是通过Java SDK调用Quick BI OpenAPI生成嵌入票据的示例代码：

import com.aliyuncs.DefaultAcsClient;\nimport com.aliyuncs.IAcsClient;\nimport com.aliyuncs.profile.DefaultProfile;\nimport com.aliyuncs.quickbi_public.model.v20220101.GenerateEmbedTokenRequest;\nimport com.aliyuncs.quickbi_public.model.v20220101.GenerateEmbedTokenResponse;\n\npublic class QuickBIEmbedExample {\n    public static void main(String[] args) {\n        String regionId = \"cn-hangzhou\";\n        String accessKeyId = \"your-access-key-id\";\n        String accessKeySecret = \"your-access-key-secret\";\n        \n        DefaultProfile profile = DefaultProfile.getProfile(regionId, accessKeyId, accessKeySecret);\n        IAcsClient client = new DefaultAcsClient(profile);\n        \n        GenerateEmbedTokenRequest request = new GenerateEmbedTokenRequest();\n        request.setWorksId(\"your-workspace-id\");\n        request.setReportId(\"your-report-id\");\n        request.setExpireTime(3600L);\n        \n        try {\n            GenerateEmbedTokenResponse response = client.getAcsResponse(request);\n            String embedToken = response.getData().getEmbedToken();\n            System.out.println(\"Embed Token: \" + embedToken);\n        } catch (Exception e) {\n            e.printStackTrace();\n        }\n    }\n}

调用Quick BI的OpenAPI需要满足两个条件：调用者的阿里云账户至少登录过一次Quick BI，且被授予Quick BI组织管理员的权限。非管理员用户也可以通过开放平台首页被授予调用API的权限。

五、PAI人工智能平台对接

5.1 PAI平台概述

PAI（Platform for AI）是阿里云的人工智能平台，提供从数据标注、模型训练到模型部署的全链路AI开发能力。PAI EAS（Elastic Algorithm Service，模型在线服务）支持将训练好的模型快速部署为在线服务，通过API对外提供推理能力。

5.2 模型部署与推理服务创建

登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。在推理服务页签，单击部署服务，然后在自定义模型部署区域，单击自定义部署。PAI EAS支持自定义镜像、存储挂载和灵活的资源配置。

PAI Python SDK提供了易用的API（即HighLevel API），支持您将模型部署至PAI以创建推理服务。以下是通过PAI Python SDK部署模型到EAS的示例代码：

from pai.model import Model\nfrom pai.predictor import Predictor\n\n# 创建模型对象\nmodel = Model(\n    model_id=\"your-model-id\",\n    model_version=\"v1.0\",\n    inference_spec={\n        \"processor\": \"python\",\n        \"image\": \"registry.cn-hangzhou.aliyuncs.com/pai/eas:latest\"\n    }\n)\n\n# 部署模型到EAS\npredictor = model.deploy(\n    service_name=\"my-inference-service\",\n    instance_type=\"ecs.g6.xlarge\",\n    instance_count=1\n)\n\n# 调用推理服务\nresult = predictor.predict({\"input\": \"your-input-data\"})\nprint(result)

5.3 模型在线服务调用

模型服务部署完成后，在模型在线服务（EAS）页面，单击待调用服务服务方式列下的调用信息，查看服务访问的Endpoint和用于服务鉴权的Token信息。通过HTTP请求或SDK即可调用部署好的模型服务，将AI能力集成到业务决策流程中。

六、决策引擎风险决策平台对接

6.1 决策引擎产品定位

决策引擎是阿里云风险识别为全行业客户提供的综合风险决策平台，您可以在决策引擎中使用已成熟实践的风险策略，或自定义策略，解决包括注册、登录、营销、交易等环节的复杂问题。无需具备专业的风控知识即可将大数据与人工智能算法应用到业务智能决策中。

6.2 事件创建与字段管理

通过定义业务场景来创建事件，并在该事件下设定和运营一整套风控策略。每个事件有相应的事件编码，当调用决策引擎时，传入事件编码，决策引擎会将不同的事件请求路由到对应的策略集合中进行计算并返回结果。在左侧导航栏选择\"决策引擎\" > \"字段管理\"，查看或搜索是否有符合需要的决策引擎内置字段（系统默认字段），如果有则可以直接在事件管理中与事件关联。

6.3 事件信息接入

完成创建事件后，您需要将业务信息接入决策引擎。接入事件信息的方式与风险识别的API接入方式一致，其中公共参数中service参数的值为saf_de，ServiceParameters参数列表为JSON格式。

以下是一个决策引擎事件接入的API调用示例（Python）：

from aliyunsdkcore.client import AcsClient\nfrom aliyunsdkcore.request import CommonRequest\nimport json\n\nclient = AcsClient(\n    'your-access-key-id',\n    'your-access-key-secret',\n    'cn-hangzhou'\n)\n\nrequest = CommonRequest()\nrequest.set_domain('saf.cn-hangzhou.aliyuncs.com')\nrequest.set_version('2019-05-21')\nrequest.set_action_name('ExecuteRequest')\nrequest.set_method('POST')\n\nservice_params = {\n    'eventCode': 'your_event_code',\n    'accountId': 'user_123456',\n    'mobileMd5': '5d41402abc4b2a76b9719d911017c592',\n    'ip': '192.168.1.100',\n    'email': 'user@example.com',\n    'operateTime': '2026-07-12 10:00:00'\n}\n\nrequest.add_query_param('Service', 'saf_de')\nrequest.add_query_param('ServiceParameters', json.dumps(service_params))\n\nresponse = client.do_action(request)\nresult = json.loads(response)\nprint(result)

在上述示例中，eventCode对应已创建的事件编码，ServiceParameters中传递业务相关的风险特征字段。决策引擎会根据配置的策略集合对传入的事件数据进行实时计算，并返回风险评分和决策结果。

七、百炼大模型平台对接

7.1 百炼平台概述

百炼是阿里云的大模型服务平台，提供灵活、易用的模型API服务，让各种模态模型的能力都能方便地为AI开发者所用。百炼的API兼容OpenAI接口协议，只需调整API Key、base_url和模型名称，即可将现有OpenAI代码迁移至百炼。

7.2 API Key管理与环境配置

使用百炼平台前，需要先开通阿里云的大模型服务平台百炼并获取API Key。在百炼控制台创建应用，勾选所需的能力（如文本生成），复制API-Key和Secret保存至本地。

7.3 Python SDK调用示例

百炼的API兼容OpenAI接口协议，使用OpenAI Python SDK即可完成调用。以下是一个调用百炼大模型进行文本生成的完整示例：

import os\nfrom openai import OpenAI\n\n# 初始化客户端\nclient = OpenAI(\n    api_key=os.environ.get(\"DASHSCOPE_API_KEY\"),\n    base_url=\"https://dashscope.aliyuncs.com/compatible-mode/v1\"\n)\n\n# 调用大模型\ncompletion = client.chat.completions.create(\n    model=\"qwen-plus\",\n    messages=[\n        {\"role\": \"system\", \"content\": \"你是一个专业的商业决策顾问。\"},\n        {\"role\": \"user\", \"content\": \"请分析当前市场趋势并给出营销策略建议。\"}\n    ],\n    temperature=0.7,\n    max_tokens=1024\n)\n\n# 输出结果\nprint(completion.choices[0].message.content)

调用时需使用DashScope API接口，不同地域的Base URL不同。Managed Agents模块要求Python SDK v1.26.2及以上版本。几行代码即可调用大模型，实现内容创作、摘要生成等功能。

八、网络打通与权限管理最佳实践

8.1 网络连通方案

在对接阿里云智能决策平台的各个组件时，网络连通是首要解决的问题。VPC内网连接是推荐方案：当DataWorks资源组、Quick BI、PAI EAS等服务与数据源位于同一VPC内时，使用VPC地址进行连接，可获得更低的延迟和更高的安全性。对于跨VPC或跨账号的场景，可以通过云企业网（CEN）或VPC对等连接实现网络互通。

公网连接适用于测试环境或无法通过内网访问的场景，但需要注意将相应服务的公网IP地址添加到数据源的白名单中。Quick BI在数据源配置界面提供了公网IP列表的复制功能。

8.2 权限管理与安全控制

权限管理是保障平台安全运行的关键。建议遵循最小权限原则，使用RAM子账号进行日常操作，避免使用主账号AccessKey。DataWorks工作空间建议开启标准模式，实现开发与生产环境的隔离。

Quick BI的OpenAPI调用需要调用者具备相应的权限：调用者的阿里云账户至少登录过一次Quick BI，且被授予Quick BI组织管理员的权限。对于报表嵌入场景，推荐使用Ticket方案进行安全管控。

8.3 性能优化建议

在数据集成场景中，合理配置资源组的并发度和同步速度可以显著提升数据同步效率。对于大数据量的同步任务，建议使用分区增量同步策略，避免全量同步带来的性能压力。在Quick BI报表查询场景中，合理设计数据集和查询条件，避免大结果集的全表扫描。在PAI模型推理场景中，根据实际负载选择合适的实例规格和实例数量，实现成本与性能的平衡。

九、常见问题与解答

问1：阿里云智能决策平台包含哪些核心产品？

答：阿里云智能决策平台整合了DataWorks（数据开发治理）、Quick BI（智能数据分析与可视化）、PAI（人工智能平台）、决策引擎（风险决策平台）和百炼大模型（大模型应用开发）五大核心产品，覆盖从数据采集到智能决策的全链路。

问2：DataWorks数据集成支持哪些数据源类型？

答：DataWorks数据集成支持关系型数据库（MySQL、PostgreSQL等）、数据仓库（MaxCompute、Hologres等）、非关系型数据库、文件存储（OSS等）、消息队列（Kafka等）等近50多种异构数据源之间的数据同步。

问3：Quick BI报表如何嵌入到第三方系统中？

答：Quick BI提供了Ticket报表嵌入方案，通过生成带时效性的嵌入票据实现免登嵌入。开发者可以通过Quick BI OpenAPI生成EmbedToken，在前端使用Embedded JS SDK完成报表的渲染和展示。

问4：决策引擎的事件接入需要传递哪些参数？

答：决策引擎事件接入时，公共参数中service参数的值需设置为saf_de，ServiceParameters参数列表为JSON格式，需包含eventCode（事件编码）以及业务相关的风险特征字段（如accountId、mobileMd5、ip等）。

问5：百炼大模型的API是否兼容OpenAI接口？

答：是的，百炼的API兼容OpenAI接口协议，只需调整API Key、base_url和模型名称，即可将现有OpenAI代码迁移至百炼。使用OpenAI Python SDK即可完成调用。

问6：对接阿里云智能决策平台时如何保障数据安全？

答：建议从以下几个方面保障数据安全：使用RAM子账号进行日常操作并遵循最小权限原则；DataWorks工作空间开启标准模式实现开发生产环境隔离；数据传输优先使用VPC内网连接；启用平台内置的隐私保护引擎自动识别和脱敏敏感信息；Quick BI报表嵌入使用Ticket方案防止链接被恶意分享。