在 Olano 上运行以通义千问为核心的智能体团队

先说结论：通义千问在 Olano 里是具名的一等提供方，不是通过第三方代理绕进来的。模型字符串写作 qwq:qwen-max、qwq:qwen-plus、qwq:qwen3-235b-a22b、qwq:qwen3-32b 或 qwq:qwq-plus，密钥用 DASHSCOPE_API_KEY；用国际站的话设置 DASHSCOPE_API_BASE 指向国际端点。每个智能体可以单独指定模型，对话中可以切换，记忆与对话线程独立于模型保存——所以从 qwen-plus 换到 qwen-max，上下文不会重来。

本页涉及第三方平台的信息，均于 2026 年 9 月 26 日对照各厂商的公开文档核对。厂商的接口、模型名和条款变化很快，落地前请以其当前文档为准。本页描述的 Olano 功能以当前版本为准。

三条接入路径，按数据在哪里处理来选

1. DashScope 云端（中国站）。最直接：填一个密钥，qwen-max / qwen-plus / qwen3 系列和 QwQ 推理模型都可用。数据在境内处理，适合主体在中国、客户在中国的业务。
2. DashScope 国际站。同一套模型，把 DASHSCOPE_API_BASE 指向国际端点即可。适合海外主体，或者出海团队希望海外客户的数据不回流境内的情况——这一点在数据不出境里展开。
3. 本地开源权重。Qwen3 有开源版本，Olano 通过 Ollama 跑本地模型，qwen3:8b 就在默认推荐列表里。提示词不离开机器，适合把最敏感的那个岗位放在自己的 GPU 上，其余岗位仍走云端。

三条路径可以同时存在于一个部署里。这不是折中，而是常态：不同岗位对数据位置和成本的要求本来就不同。

一个团队的模型分配，按岗位而不是按“最强”

拿一个常见的五人团队举例——负责人、客服、销售支持、研究、邮件。分配的原则只有两条：量大而简单的用快模型，少而难的用强模型；需要多步思考的用推理模型。

左右滑动查看完整表格。

这张表是起点，不是答案。用你自己的 20 条真实任务跑一遍盲评再定，方法写在国产大模型怎么选。

设置只有三步

1. 在部署的控制台里保存 DASHSCOPE_API_KEY。可以保存为整个部署的密钥，也可以只给某一个智能体——密钥是按智能体解析的，同一个部署里两个智能体可以用两个不同的阿里云账号。
2. 给每个智能体填模型字符串，比如 qwq:qwen-plus。qwq 是提供方前缀，冒号后面是 DashScope 的模型名；以 qwq 开头的模型名走推理模型路径，其余走标准路径。
3. 用国际站的，再加 DASHSCOPE_API_BASE。其他什么都不用改。

没有 SDK 要装，没有代理要搭。这也是“具名提供方”和“通过 OpenAI 兼容接口绕进来”的实际区别：后者能用，但每多一层就多一处会坏的地方——见用混元 / TokenHub 作为模型提供方里对那条路径的诚实描述。

换模型的时候，什么会跟着走

这是选平台时最该问、最少人问的问题。在 Olano 里，智能体的记忆、技能、配置、审批历史和当前对话线程，都存在独立于模型的地方。把一个智能体从 qwen-plus 换到 qwen-max——或者换到 DeepSeek、Kimi、任何海外模型——对话接着上一句继续，记忆一字不少。

反过来说，这也意味着用千问不是一个锁定。你可以今天全用千问，下个季度把研究岗换成别的推理模型，不需要迁移任何东西。记忆到底存了什么、在哪里，见AI 智能体如何记忆。

两个容易踩的坑

• 把推理模型放在量大的岗位上。QwQ 每一步都在思考，用它做邮件分类，账单会比你预期高得多、回复也慢。推理模型留给真正需要推理的岗位。
• 忘了国际站和中国站是两个端点。密钥不通用，模型可用性也可能有差异。出海团队常见的错误是海外部署配了中国站密钥，请求全部失败还看不出为什么。

下一步

如果团队同时要对接国内的企业微信、钉钉、飞书和海外的 WhatsApp、Telegram，渠道那一半在把智能体接到企业微信、钉钌和飞书；出海场景的整体结构在出海东南亚。