已部署优化算法的Workshop调用与Ontology回写问题咨询

1. 是否可以从函数中调用模型并将返回结果写回ontology？ #

可以。你需要在Action-backed Function里通过HTTP客户端（比如Python的requests库）直接调用优化算法的API，拿到返回结果后，借助Ontology的写入接口（比如官方提供的ontology_client工具或直接调用REST接口）将对象写入。之前无法查询模型大概率是函数的网络配置限制（比如未允许出站请求到模型API地址），或是API密钥注入方式有误——可以把密钥存在函数的环境变量中，在代码里读取后加入请求头即可。

2. 是否可以在Workshop中调用模型并将返回结果写回ontology？ #

可以，有两种可行方案：

• 自定义组件：开发一个自定义UI组件，在前端调用模型API（注意处理CORS问题，或通过Workshop后端代理转发请求），拿到结果后调用Ontology写入接口。
• Scenarios批量处理：若你的需求不是实时高并发，可将待处理的对象集合作为输入触发Scenario，在Scenario中编写自定义逻辑处理整个集合，调用模型API后统一写回Ontology。之前认为Scenarios只能按样本处理是误解，它支持自定义批量处理逻辑。

3. modeling objectives是否不适用于该场景？ #

是的。Modeling Objectives核心是定义机器学习模型的训练目标、特征工程及评估流程，聚焦于模型的训练与迭代；而你的场景是调用已部署的优化算法并写入结果，属于推理后的数据落地，和Modeling Objectives的定位完全不匹配，确实不适用。

4. 是否需要在Functions中重新实现该优化算法？ #

不需要。完全可以在Functions（比如Action-backed Function）中通过HTTP请求调用已部署好的优化算法API，无需重复实现逻辑。重点解决函数的网络访问权限、API密钥管理，以及Ontology写入的权限配置即可。

内容的提问来源于stack exchange，提问作者JulianStreibel