集成
让 OPL 数据空间更贴合你的组织
通用软件很少能天然匹配企业工作流。团队有既定流程、特定模型要求和品牌标准，通用工具往往无法完全契合。
OPL 数据空间从设计上就不同。从用户看到的界面，到底层驱动工作的 AI 模型，每一层都可以定制，而且不要求你去 fork 核心代码或长期维护独立构建版本。
AI 模型集成
让任何模型接入任何工作流
每个组织的 AI 需求都不同。你可能有在专有数据上微调过的模型，也可能基于合规理由绑定特定 provider，或者不同部门需要完全不同的模型。
OPL 数据空间支持：
- 专有模型：接入你自行开发或微调的模型
- 第三方 provider：接入符合你性能与合规要求的商用服务
- 本地模型：完全在本地运行，以获得更强的数据控制与更低延迟
- 多模型环境：给不同团队提供不同模型，或构建多模型 agentic 工作流
面向企业工作流的模型优化
企业支持也可以帮助你针对实际业务场景优化模型：
- 微调咨询
- 性能基准评估
- 成本优化
可扩展性与平台集成
设计目标是扩展，而不是替换
企业软件生态非常复杂，最不需要的就是再多一个信息孤岛。 OPL 数据空间的模块化架构意味着它倾向于与现有基础设施协同，而不是与之对抗：
| 集成类型 | 示例 |
|---|---|
| 身份系统 | LDAP、Active Directory、SSO（SAML、OIDC） |
| 企业工具 | 内部 API、数据库、业务系统 |
| 工作流自动化 | 与现有自动化和编排系统连接 |
| 可观测性 | 把日志与指标接入既有监控体系 |
无需 Fork 即可扩展
OPL 数据空间的插件和 pipeline 架构允许你在不修改核心代码的情况下增加功能：
- 自定义工作流
- 数据连接器
- 专用界面组件
- 自动化钩子