今日，久湛科技正式发布 InforStack AI Flow，这是 InforStack 平台面向数据分析、科研实验、算法建模和智能应用开发场景推出的又一核心能力。
InforStack AI Flow - 自然语言驱动的AI 工作流
InforStack AI Flow 将大语言模型的自然语言理解能力与可视化工作流平台深度融合，用户只需用一句话描述业务目标或分析意图，系统即可自动完成任务识别、流程拆解、节点匹配、流程编排和参数提示，快速生成完整、可配置、可执行的数据分析流程。这意味着，用户可以更快地从“想法”进入“执行”。复杂的数据处理、实验分析、机器学习建模和结果展示，不再完全依赖手工搭建流程，而是可以通过 AI 协同完成初始生成与智能编排。
从手工搭建到智能编排
传统工作流搭建通常需要用户熟悉平台组件、理解算法节点、掌握输入输出关系，并手动完成节点拖拽、参数配置和流程连线。对于非技术用户而言，这一过程存在较高门槛；对于专业用户而言，重复性配置也会占用大量时间。
InforStack AI Flow 正是为解决这一问题而设计。它不是一个停留在问答层面的智能助手，而是一个能够直接生成平台流程资产的智能执行入口。通过从“自然语言需求”到“可视化工作流”的自动转换，InforStack AI Flow 让工作流平台正式迈入自然语言驱动新时代。
从自然语言到可执行流程
在使用 InforStack AI Flow 时，用户可以直接输入自然语言需求，例如：“先对数据进行过滤，然后建立一个决策树模型。”系统会对用户输入进行语义理解，识别其中包含的核心任务、执行顺序和业务目标，并将非结构化语言自动拆解为结构化流程步骤。InforStack AI Flow会基于组件库、算法节点库和流程模板库进行语义检索。即使用户没有使用平台内部的标准组件名称，AI 也可以根据语义相似度找到对应节点。例如“筛选数据”“清洗异常值”“建立分类模型”“做预测分析”等表达，都可以被系统识别并匹配到相应的数据处理或算法组件。
不是回答问题，而是驱动流程
很多 AI 应用仍然停留在问答和文本生成层面，只能给出建议、说明或操作步骤。InforStack AI Flow 的不同之处在于，用户输入的不再只是一个问题，而是一条可以被平台理解和执行的指令。
AI 会将语言需求转换为节点、连线、参数和流程结构，并在可视化画布中生成真实存在的工作流。该流程可以继续编辑、配置、运行、保存和复用，帮助用户更快完成从想法到执行的转化。
这种能力意味着 InforStack 平台正在从“辅助用户操作”进一步走向“理解用户意图并协同完成任务”。
不是盲目执行，而是智能校验
一个工作流能否真正运行，不仅取决于节点是否正确，还取决于参数是否完整。
InforStack AI Flow 在生成流程的同时，会自动检查当前流程中缺失的关键参数，并提示用户补充必要信息。例如，数据过滤节点可能需要指定过滤字段和过滤条件，决策树模型可能需要指定目标列、特征列、树深度等参数。通过参数缺口识别机制，平台可以帮助用户提前发现问题，减少反复调试，提高流程一次性生成和运行成功率。
不是完全替代，而是人机协同
InforStack AI Flow 并不是完全替代人工，而是通过人机协同提升整体效率。
AI 负责完成初始任务拆解、节点推荐、流程编排和参数提示，用户则负责确认业务逻辑、补充关键参数、调整流程细节和验证运行结果。这种模式既发挥了 AI 在理解、检索和自动化编排方面的优势，也保留了用户在业务判断、专业经验和结果确认方面的主导作用。对于科研实验、数据分析、算法建模等对准确性要求较高的场景，这种可控的人机协同机制尤为重要。
不断演进，一起向未来
InforStack AI Flow 的推出，是 InforStack 平台持续提升智能化能力的重要一步，久湛将持续提升平台能力，向更加智能、开放、可持续的全栈平台不断演进。...
