Rokid 灵珠平台实战之手把手搭建一条带支付能力的 AI 工作流

一、前言：当 AI 遇见可穿戴，未来已来

2025 年，AI 眼镜正在成为继智能手机之后最受关注的消费级智能硬件。Ray-Ban Meta、华为智选、Rokid AR Lite……各大厂商纷纷押注这一赛道，而真正决定产品体验上限的，是背后的 AI 应用生态。

在这一背景下，Rokid（若琪）推出的灵珠 AI 平台（Rizon）以端云协同能力、完整的 SDK 生态和开放的开发者体系，为开发者提供了一个极具潜力的创作舞台。本文将以一个诗词付费创作的完整工作流为例，带你从零到一体验在灵珠平台上搭建 AI 应用的全过程。

灵珠 AI 平台地址：https://rizon.rokid.com/space/home

二、灵珠 AI 平台核心能力概览

灵珠 AI 平台是 Rokid 面向开发者开放的 AI 应用创作平台，提供从应用编排到眼镜端部署的完整工具链，核心能力覆盖四个维度：

2.1 智能体（Agent）构建能力

• 支持自定义大语言模型对话逻辑
• 可配置角色人设、记忆管理、工具调用（搜索、计算、知识库检索等）
• 面向眼镜端优化的轻量化推理链路，低延迟响应

2.2 工作流（Workflow）编排能力

• 可视化拖拽式流程编排，无需关注底层调度
• 支持多步骤、多模态任务串联（语音 → 图像识别 → LLM 处理 → 语音播报）
• 内置条件判断、循环、并行执行等逻辑节点

2.3 眼镜端 SDK

• 提供 Android / iOS / 纯眼镜端多平台 SDK
• 支持 ASR（语音识别）、TTS（语音合成）、Camera API（摄像头调用）、AR 叠加显示
• 与手机端 App 双向实时通信
• 低功耗优化，适合长时佩戴场景

2.4 多模态感知能力

• 双目摄像头 + 麦克风阵列硬件支撑
• 支持物体识别、文字识别（OCR）、人脸检测
• 环境上下文感知，为 AI 决策提供实时输入

三、实战：基于灵珠 AI 搭建诗词付费创作工作流

本节以**“诗词付费创作”**为实战场景，演示如何在灵珠 AI 平台上搭建一条完整的支付工作流。

业务闭环：用户提出诗词创作需求 → 自动创建支付订单 → 拉起眼镜端支付 → 支付成功则输出诗词，未支付则引导付款。

3.1 整体工作流概览

完整工作流节点链路如下图所示：

节点串联顺序如下：

开始 → 生成订单号 → 创建预支付订单 → 提取 prepayId → 等待支付 → 问答 → 订单查询 → 意图识别 → [诗词创作 | 引导支付] → 结束

3.2 节点详解

① 开始节点

开始节点定义工作流的全部入参，共三个变量：

配置示意图如下：

② 生成订单号（代码节点）

使用代码节点，通过 Python 脚本生成全局唯一的订单号。订单号由 5 位随机字符串与毫秒级时间戳拼接而成，既保证唯一性，又便于排查定位。

• 输出变量：random_string（格式示例：aB3xZ_1748920000000）

import random
import string
import time

async def main(args: Args) –> Output:
# 生成包含大小写字母和数字的字符池（62个字符）
characters = string.ascii_letters + string.digits
# 5位随机字符串 + 毫秒时间戳，确保全局唯一
random_string = ''.join(random.choices(characters, k=5))
random_string = random_string + '_' + str(int(time.time() * 1000))
return {'random_string': random_string}

③ 创建预支付订单

调用支付接口，创建一笔预支付订单并返回 prepay_id，用于后续拉起眼镜端支付页面。

• 输入变量映射：

④ 提取 prepayId（代码节点）

创建预支付订单节点返回的是 JSON 格式文本，需通过代码节点解析，提取 prepayId 供后续节点使用。若解析失败则返回错误信息。

• 输入：创建预支付订单节点的返回结果
• 输出变量：prepayId（成功）、errorMsg（异常）

import json

async def main(args: Args) –> Output:
params = args.params
# 解析 JSON 字符串
data = json.loads(params["input"])
# 提取列表第一项的 text 字段
if isinstance(data, list) and data:
text_value = data[0].get("text", "")
# 返回内容格式为 "prepayId:xxxxxx"，截取冒号后的值
prefix = "prepayId:"
if text_value.startswith(prefix):
prepayId = text_value[len(prefix):]
return {'prepayId': prepayId}
return {'errorMsg': 'prepayId解析异常'}

⑤ 等待支付

灵珠平台内置的等待支付节点，持续等待用户在眼镜端完成支付操作，并将支付结果传递给后续节点。

• 输入变量映射：

• 输出变量：prepay（支付状态信息）

⑥ 问答节点

在用户等待支付期间，通过问答节点主动与用户互动，支持预置选项提问和开放式问题提问两种方式，有效提升等待过程的体验感。

本示例选用的模型为 doubao-seed-1-6-vision-250815，具备视觉多模态能力。

节点配置如下：

• 输出变量：optionId（用户选择的选项 ID）、optionContent（用户选择的选项内容）

⑦ 订单查询

支付完成或等待超时后，通过该节点主动查询订单的最终支付状态，为后续意图识别提供判断依据。

• 输入变量：outTradeNo（值来自生成订单号节点的 random_string）
• 输出变量：result（订单查询结果）

⑧ 意图识别

基于订单查询结果，由大模型对当前状态进行意图分类，判断用户是否已完成支付，从而路由到不同的后续分支。

• 模型：Doubao-Seed-1.6
• 输出变量：classificationId（意图分类 ID）、reason（分类理由）

配置示意图如下：

⑨ 诗词创作（支付成功分支）

意图识别判断用户已完成支付时，进入该节点。大模型根据用户的创作需求生成专属诗词内容。

• 输入变量：开始节点的 requirement（创作描述）
• 模型：可根据需要自行选择，在系统提示词中设定创作风格、体裁要求等即可

配置示意图如下：

⑩ 引导支付（未支付分支）

意图识别判断用户未完成支付时，进入该节点。大模型以诗词导购身份，结合订单信息生成个性化的引导话术，促进用户完成付款。

• 输入变量：outTradeNo、orderTitle、amount
• 系统提示词：

  你是一位专业的诗词创作导购，已知用户未完成支付，你需要引导用户付费后获取诗词内容

• 用户提示词：

  检测到您还未完成支付哦，待支付的订单是{{outTradeNo}}，订单金额是{{amount}}

• 输出变量：output（引导话术正文）、reasoning_content_rc（模型推理过程）

配置示意图如下：

⑪ 结束节点

工作流终态，汇总两条分支的输出，向调用方返回最终结果：

结束节点配置示意图如下：

3.3 执行逻辑总览

用户输入（requirement / amount / order_title）
↓
生成唯一订单号（代码节点）
↓
调用支付接口，创建预支付订单
↓
提取 prepayId（代码节点）
↓
拉起眼镜端支付，等待用户付款
↓
问答节点：与用户互动
↓
查询订单最终支付状态
↓
意图识别：判断支付结果
↙ ↘
已支付 未支付
诗词创作 引导支付
↘ ↙
结束节点输出

3.4 试运行查看结果

当然了这次模拟的是我没有支付的场景 最后 会提示我进行支付后才可以获取诗词内容

四、总结：属于开发者的机遇窗口

本文以"诗词付费创作"为例，完整演示了在灵珠 AI 平台上搭建一条涵盖订单生成、支付拉起、状态查询、意图分支、内容生成的端到端工作流。可以看到，借助灵珠平台的可视化编排能力和丰富的内置节点，原本需要多端协同开发的复杂业务逻辑，只需通过节点拖拽和少量 Python 代码即可快速落地
灵珠 AI 平台正在持续降低 AI 眼镜应用的开发门槛。无论是个人开发者探索创意 demo，还是企业团队落地商业化应用，都可以借助其完整的平台能力，将想法快速转化为真实可用的产品。
AI 眼镜的应用生态刚刚起步，现在入场的开发者，正站在红利窗口的最前排。所以你我还在等什么,赶快行动起来吧~~~