使用YAML定义工作流
更新时间：2026-10-28
百舸工作流使用 YAML 格式定义。您可以在一份 YAML 配置文件中声明工作流的输入参数、各节点的任务配置，以及节点之间的串行、并行、菱形等依赖关系。工作流中的每个节点在运行时都会创建一个分布式训练任务，工作流中称为子任务。
基本结构
工作流 YAML 由以下三部分组成：
- 全局配置：对整个工作流生效的配置项，包括
version、kind、inputs等。 - 任务模板（taskTemplates）：子任务的配置模板。模板中的
spec与创建训练任务接口的请求参数相同。 - 任务编排（tasks）：工作流中的节点列表。每个节点引用一个任务模板，并定义该节点的输入值和依赖关系。
YAML
1version: v1
2kind: PipelineTemplate
3inputs: # 全局输入参数，可选
4 ...
5taskTemplates: # 任务模板
6 ...
7tasks: # 任务编排
8 ...全局字段
| 字段 | 是否必选 | 说明 |
|---|---|---|
| version | 是 | 固定为 v1 |
| kind | 是 | 固定为 PipelineTemplate |
| inputs | 否 | 全局输入参数列表 |
| taskTemplates | 是 | 任务模板列表 |
| tasks | 是 | 节点列表 |
任务模板字段
| 字段 | 是否必选 | 说明 |
|---|---|---|
| name | 是 | 模板名称，在工作流内唯一 |
| type | 是 | 固定为 CustomTask |
| inputs | 否 | 模板输入参数列表 |
| output | 否 | 模板输出参数列表 |
| spec | 是 | 子任务配置 |
节点字段
| 字段 | 是否必选 | 说明 |
|---|---|---|
| name | 是 | 节点名称，在工作流内唯一 |
| taskTemplateName | 是 | 引用的任务模板名称 |
| dependencies | 否 | 上游节点名称列表 |
| inputs | 否 | 为模板输入参数赋值 |
| when | 否 | 执行条件表达式 |
注意：
- 节点名称建议仅使用小写字母、数字和中划线（-），不要使用下划线（_）。
子任务配置（spec）
spec 与创建训练任务接口的请求参数相同，常用字段如下：
| 字段 | 是否必选 | 说明 |
|---|---|---|
| queue | 是 | 队列 ID |
| jobType | 否 | 分布式框架类型，默认值为 PyTorchJob |
| command | 是 | 启动命令 |
| jobSpec | 是 | 实例配置，格式由 jobType 决定 |
| priority | 否 | 调度优先级：high、normal、low |
| datasources | 否 | 存储挂载配置 |
| labels | 否 | 任务标签 |
jobType 支持 PyTorchJob、TFJob、MPIJob、RayJob，jobSpec 的格式随之变化：
- PyTorchJob：
jobSpec为单个 JobSpec 对象，直接配置replicas、image、resources、envs等字段。 - RayJob：
jobSpec为以角色名为键的 Map，必须包含Head角色，每个角色下配置 JobSpec 字段。详情请参见下文“示例：创建 RayJob 类型的节点”。 - TFJob、MPIJob：同样按角色组织，可选角色详情请参见创建训练任务。
JobSpec、Resource 等结构的字段说明，详情请参见数据结构。
配置 spec 时请注意：
- 环境变量
envs配置在jobSpec中（RayJob 配置在各角色下），格式为name、value列表。value为字符串类型，取值为true或数字时请加引号，例如value: "true"。 - 任务标签
labels须使用key、value列表格式，不支持key: value映射格式。 - 存储挂载
datasources支持的存储类型及写法，详情请参见创建训练任务中的数据源挂载示例。
YAML
1spec:
2 queue: aihcq-xxxx
3 jobType: PyTorchJob
4 command: python train.py
5 jobSpec:
6 replicas: 1
7 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
8 resources:
9 - name: cpu
10 quantity: 4
11 - name: memory
12 quantity: 16
13 envs: # 列表格式
14 - name: LOG_LEVEL
15 value: "info"
16 labels: # 列表格式
17 - key: project
18 value: demo
19 datasources:
20 - type: pfs
21 name: pfs-xxxx
22 mountPath: /mnt/pfs示例：创建单节点工作流
说明：
- 示例中的队列 ID、存储 ID 等参数，请替换为工作流所在资源池下的实际值。
- 为便于说明，示例中的任务模板仅包含必要参数。完整参数详情请参见创建训练任务。
以下工作流包含一个节点，该节点的子任务休眠 30 秒后自动结束。
-
定义任务模板。
YAML1taskTemplates: 2- name: hello-world-temp 3 type: CustomTask 4 spec: # 与创建训练任务接口参数相同 5 queue: aihcq-xxxx # 替换为实际的队列 ID 6 jobType: PyTorchJob 7 command: /bin/bash -c "echo 'I am a aihc-workflow test job' && sleep 30s" 8 jobSpec: 9 replicas: 1 10 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release 11 envs: 12 - name: NCCL_DEBUG 13 value: DEBUG 14 datasources: [] # 存储挂载 -
编排节点，引用上一步定义的任务模板。
YAML1tasks: 2- name: hello-world # 节点名称 3 taskTemplateName: hello-world-temp # 引用的任务模板名称
完整 YAML 如下：
YAML
1version: v1
2kind: PipelineTemplate
3taskTemplates:
4- name: hello-world-temp
5 type: CustomTask
6 spec:
7 queue: aihcq-xxxx
8 jobType: PyTorchJob
9 command: /bin/bash -c "echo 'I am a aihc-workflow test job' && sleep 30s"
10 jobSpec:
11 replicas: 1
12 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
13 envs:
14 - name: NCCL_DEBUG
15 value: DEBUG
16 datasources: []
17tasks:
18- name: hello-world
19 taskTemplateName: hello-world-temp示例：创建 RayJob 类型的节点
将 spec.jobType 设置为 RayJob 后，节点的子任务以 Ray 作业运行。平台会为每个子任务创建一个独立的 Ray 集群，包含 1 个 Head 节点和若干 Worker 节点；集群就绪后，平台自动启动 Submitter 节点，将 command 作为 entrypoint 提交到集群。子任务结束后，Ray 集群自动释放。Ray 任务的更多说明，详情请参见快速提交Ray任务。
RayJob 与 PyTorchJob 的配置差异如下：
| 配置项 | PyTorchJob | RayJob |
|---|---|---|
| jobType | PyTorchJob（默认值） | RayJob |
| jobSpec | 单个 JobSpec 对象 | 按角色组织，须包含 Head |
| command | 各实例执行的命令 | Ray 作业的 entrypoint |
配置说明
- 角色：
Head为必选角色，replicas固定为 1。Worker 角色名称可自定义，也可以配置多组 Worker，例如CpuWorker和GpuWorker分别使用不同资源。 - 启动命令：直接填写入口命令，例如
python3 /mnt/pfs/code/step1.py，无需填写ray start或ray job submit。 - 镜像：镜像中须包含
ray[default]，平台已验证 Ray 2.7～2.49 版本。建议 Head 与 Worker 使用同一镜像。 - 资源：
resources中的name可设置为cpu（单位：核）、memory（单位：GB）、sharedMemory（单位：GB）；GPU 资源按型号填写资源名，例如baidu.com/a800_80g_cgpu。纯 CPU 任务无需配置 GPU。
RayJob 还支持以下可选字段：
| 字段 | 说明 |
|---|---|
| preInitCommand | Ray 前置执行命令 |
| advancedSettings.runtimeEnv | Ray 运行时环境，JSON 字符串 |
| advancedSettings.submitterBackoffLimit | Submitter 最大重试次数，默认值为 0 |
| advancedSettings.redisInstanceId | 云数据库 Redis 实例 ID，用于 Head 节点容错 |
开启 Head 节点容错时，Redis 实例须与资源池处于同一 VPC，且 submitterBackoffLimit 须大于 0。账号与密码通过 redisUsername、redisPassword 配置，详情请参见数据结构中的 AdvancedSettings。
注意：
- RayJob 不支持 TensorBoard 和任务保留时间（retentionPeriod），告警仅支持任务状态类告警。
- RayJob 不支持平台容错与诊断，支持 Ray 原生的自动重试。
运行后，您可以在运行记录的子任务列表中查看日志：作业输出在 Submitter 节点的标准输出中，Ray 集群系统日志在 Head、Worker 节点中。
完整 YAML
以下工作流包含两个串行执行的 RayJob 节点，镜像、队列和 Worker 实例数通过全局参数统一配置。
YAML
1version: v1
2kind: PipelineTemplate
3inputs:
4- name: queue_id
5 type: string
6 hint: 队列 ID
7 defaultValue: aihcq-xxxx # 替换为实际的队列 ID
8- name: image
9 type: string
10 hint: 包含 ray[default] 的镜像
11 defaultValue: <your-ray-image> # 替换为百舸预置 Ray 镜像或自定义镜像
12- name: worker_replicas
13 type: int
14 hint: Worker 实例数
15 defaultValue: 2
16taskTemplates:
17- name: ray-step
18 type: CustomTask
19 inputs:
20 - name: script
21 type: string
22 hint: 入口脚本路径
23 spec:
24 queue: '{{pipeline.parameters.queue_id}}'
25 jobType: RayJob
26 command: python3 {{inputs.parameters.script}} # 作为 Ray 作业的 entrypoint
27 jobSpec:
28 Head: # 必选，replicas 固定为 1
29 replicas: 1
30 image: '{{pipeline.parameters.image}}'
31 resources:
32 - name: cpu
33 quantity: 4
34 - name: memory
35 quantity: 16
36 Worker: # 角色名称可自定义，可配置多组
37 replicas: '{{pipeline.parameters.worker_replicas}}'
38 image: '{{pipeline.parameters.image}}'
39 resources:
40 - name: cpu
41 quantity: 8
42 - name: memory
43 quantity: 32
44 - name: sharedMemory
45 quantity: 8
46 # 如需 GPU，追加对应型号的资源，例如：
47 # - name: baidu.com/a800_80g_cgpu
48 # quantity: 1
49 envs:
50 - name: STAGE
51 value: "demo"
52 advancedSettings: # 可选
53 submitterBackoffLimit: 1
54 datasources:
55 - type: pfs
56 name: pfs-xxxx # 替换为资源池绑定的 PFS 实例 ID
57 mountPath: /mnt/pfs
58tasks:
59- name: step-1
60 taskTemplateName: ray-step
61 inputs:
62 - name: script
63 value: /mnt/pfs/code/step1.py
64- name: step-2
65 taskTemplateName: ray-step
66 dependencies:
67 - step-1
68 inputs:
69 - name: script
70 value: /mnt/pfs/code/step2.py包含多个 RayJob 节点的完整数据管线，详情可参见示例：人类演示数据视觉预处理与质量清洗。您也可以在控制台的工作流 > 工作流模板页面，基于预置模板创建工作流。
编排节点依赖关系
节点通过 dependencies 声明上游节点，工作流支持以下三种运行结构：
- 串行：节点依次执行，上游节点的子任务结束后才启动下游节点。
- 并行：未声明依赖关系的节点同时运行。
- 菱形：上游节点完成后，多个节点并行执行；这些节点全部完成后，再执行下游节点。
注意： 依赖关系不能成环，节点也不能依赖自身。
以下示例中的任务模板 demo 均可替换为前文的任意模板。
串行
task-a、task-b、task-c 三个节点依次执行：
YAML
1version: v1
2kind: PipelineTemplate
3taskTemplates:
4- name: demo
5 type: CustomTask
6 spec:
7 ...
8tasks:
9- name: task-a
10 taskTemplateName: demo
11- name: task-b
12 taskTemplateName: demo
13 dependencies: # 上游节点
14 - task-a # task-a 结束后开始执行
15- name: task-c
16 taskTemplateName: demo
17 dependencies:
18 - task-b
19
20# +---------+
21# | task-a |
22# +----+----+
23# |
24# +----v----+
25# | task-b |
26# +----+----+
27# |
28# +----v----+
29# | task-c |
30# +---------+并行
task-a、task-b、task-c 三个节点同时执行：
YAML
1version: v1
2kind: PipelineTemplate
3taskTemplates:
4- name: demo
5 type: CustomTask
6 spec:
7 ...
8tasks:
9- name: task-a
10 taskTemplateName: demo
11- name: task-b
12 taskTemplateName: demo
13- name: task-c
14 taskTemplateName: demo
15
16# +--------+ +--------+ +--------+
17# | task-a | | task-b | | task-c |
18# +--------+ +--------+ +--------+菱形
task-a 完成后并行执行 task-b 和 task-c，两者都完成后执行 task-d：
YAML
1version: v1
2kind: PipelineTemplate
3taskTemplates:
4- name: demo
5 type: CustomTask
6 spec:
7 ...
8tasks:
9- name: task-a
10 taskTemplateName: demo
11- name: task-b
12 taskTemplateName: demo
13 dependencies:
14 - task-a
15- name: task-c
16 taskTemplateName: demo
17 dependencies:
18 - task-a
19- name: task-d
20 taskTemplateName: demo
21 dependencies:
22 - task-b
23 - task-c
24
25# +--------+
26# | task-a |
27# +--------+
28# / \
29# +--------+ +--------+
30# | task-b | | task-c |
31# +--------+ +--------+
32# \ /
33# +--------+
34# | task-d |
35# +--------+配置输入参数
多个节点引用同一个任务模板、仅部分参数不同时，可以在模板中声明输入参数，再由各节点分别传值；需要统一调整的值，可以定义为全局输入参数，在模板或节点中引用。
说明： 简单工作流也可以让任务模板与节点一一对应，直接在模板的
spec中写入参数值。
输入参数包含以下字段：
| 字段 | 是否必选 | 说明 |
|---|---|---|
| name | 是 | 参数名称，以字母或下划线开头 |
| type | 否 | 参数类型：string、int、float、bool |
| hint | 否 | 参数描述 |
| defaultValue | 否 | 默认值 |
步骤一：定义全局输入参数
在顶层 inputs 中定义参数。任务模板和节点中可以通过 {{pipeline.parameters.<参数名>}} 引用。
YAML
1inputs:
2- name: image_url # 参数名称
3 type: string # 参数类型
4 hint: 镜像地址 # 参数描述
5 defaultValue: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
6- name: command
7 type: string
8 hint: 启动命令
9 defaultValue: echo "This is a globally defined command."步骤二：定义任务模板输入参数
在任务模板的 inputs 中声明参数，在 spec 中通过 {{inputs.parameters.<参数名>}} 引用。
YAML
1taskTemplates:
2- name: task-demo
3 type: CustomTask
4 inputs:
5 - name: queue_id
6 type: string
7 hint: 队列 ID
8 defaultValue: aihcq-xxxx # 默认值
9 - name: image_url
10 type: string
11 hint: 镜像地址
12 - name: command
13 type: string
14 hint: 启动命令
15 spec:
16 queue: '{{inputs.parameters.queue_id}}'
17 jobType: PyTorchJob
18 command: '{{inputs.parameters.command}}'
19 jobSpec:
20 replicas: 1
21 image: '{{inputs.parameters.image_url}}'
22 datasources: []步骤三：在节点中为参数赋值
在节点的 inputs 中为模板参数赋值，取值可以引用全局参数，也可以是常量。未赋值的参数使用模板中的默认值。
YAML
1tasks:
2- name: task-a
3 taskTemplateName: task-demo
4 inputs:
5 - name: image_url
6 value: '{{pipeline.parameters.image_url}}' # 引用全局参数
7 - name: command
8 value: '{{pipeline.parameters.command}}'
9 # 未赋值的 queue_id 使用模板默认值
10- name: task-b
11 taskTemplateName: task-demo
12 dependencies:
13 - task-a
14 inputs:
15 - name: image_url
16 value: '{{pipeline.parameters.image_url}}'
17 - name: command
18 value: echo "This is a task b's command." # 使用常量
19 - name: queue_id
20 value: aihcq-yyyy # 覆盖模板默认值完整 YAML
YAML
1version: v1
2kind: PipelineTemplate
3inputs:
4- name: image_url
5 type: string
6 hint: 镜像地址
7 defaultValue: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
8- name: command
9 type: string
10 hint: 启动命令
11 defaultValue: echo "This is a globally defined command."
12taskTemplates:
13- name: task-demo
14 type: CustomTask
15 inputs:
16 - name: queue_id
17 type: string
18 hint: 队列 ID
19 defaultValue: aihcq-xxxx
20 - name: image_url
21 type: string
22 hint: 镜像地址
23 - name: command
24 type: string
25 hint: 启动命令
26 spec:
27 queue: '{{inputs.parameters.queue_id}}'
28 jobType: PyTorchJob
29 command: '{{inputs.parameters.command}}'
30 jobSpec:
31 replicas: 1
32 image: '{{inputs.parameters.image_url}}'
33 envs:
34 - name: NCCL_DEBUG
35 value: DEBUG
36 datasources: []
37tasks:
38- name: task-a
39 taskTemplateName: task-demo
40 inputs:
41 - name: image_url
42 value: '{{pipeline.parameters.image_url}}'
43 - name: command
44 value: '{{pipeline.parameters.command}}'
45- name: task-b
46 taskTemplateName: task-demo
47 dependencies:
48 - task-a
49 inputs:
50 - name: image_url
51 value: '{{pipeline.parameters.image_url}}'
52 - name: command
53 value: echo "This is a task b's command."
54 - name: queue_id
55 value: aihcq-yyyy配置输出参数
任务模板可以通过 output 声明输出参数：上游节点的子任务将值写入文件，下游节点引用该输出作为输入参数，从而在节点之间传递数据。
注意：
- 输出值从文件中读取，
valueFrom.path须位于对象存储 BOS 的挂载路径下，暂不支持其他存储类型及容器系统路径。- 声明了
output的任务模板，BOS 挂载须配置在dataSources字段中。- 输出值为文件的全部内容。写入时建议使用
echo -n，避免末尾换行符影响下游的取值和条件判断。- 输出参数只能在
tasks中引用，且只能由下游节点引用上游节点的输出。- 被引用输出的节点，名称中不能包含下划线（_）。
步骤一：定义任务模板输出参数
| 字段 | 是否必选 | 说明 |
|---|---|---|
| name | 是 | 输出参数名称 |
| valueFrom.path | 是 | 输出文件路径，须位于 BOS 挂载路径下 |
YAML
1taskTemplates:
2- name: template-a
3 type: CustomTask
4 outputs: # 输出参数
5 - name: version
6 valueFrom:
7 path: /mnt/bos/version # BOS 挂载路径下的文件
8 spec:
9 command: echo -n "v2.1.0" > /mnt/bos/version
10 ...
11 dataSources:
12 - type: bos
13 sourcePath: my-bucket/datasets/
14 mountPath: /mnt/bos
15- name: template-b
16 type: CustomTask
17 inputs:
18 - name: input_version
19 type: string
20 hint: 版本号
21 spec:
22 command: echo '{{inputs.parameters.input_version}}'
23 ...步骤二：在下游节点中引用输出
在下游节点的 inputs 中，通过 {{tasks.<上游节点名称>.outputs.parameters.<输出参数名称>}} 引用上游节点的输出：
YAML
1tasks:
2- name: task-a
3 taskTemplateName: template-a
4- name: task-b
5 taskTemplateName: template-b
6 dependencies:
7 - task-a
8 inputs:
9 - name: input_version
10 value: '{{tasks.task-a.outputs.parameters.version}}'完整 YAML
YAML
1version: v1
2kind: PipelineTemplate
3taskTemplates:
4- name: template-a
5 type: CustomTask
6 outputs:
7 - name: version
8 valueFrom:
9 path: /mnt/bos/version
10 spec:
11 queue: aihcq-xxxx
12 jobType: PyTorchJob
13 command: echo -n "v2.1.0" > /mnt/bos/version
14 jobSpec:
15 replicas: 1
16 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
17 dataSources:
18 - type: bos
19 sourcePath: my-bucket/datasets/
20 mountPath: /mnt/bos
21- name: template-b
22 type: CustomTask
23 inputs:
24 - name: input_version
25 type: string
26 hint: 版本号
27 spec:
28 queue: aihcq-xxxx
29 jobType: PyTorchJob
30 command: echo '{{inputs.parameters.input_version}}'
31 jobSpec:
32 replicas: 1
33 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
34tasks:
35- name: task-a
36 taskTemplateName: template-a
37- name: task-b
38 taskTemplateName: template-b
39 dependencies:
40 - task-a
41 inputs:
42 - name: input_version
43 value: '{{tasks.task-a.outputs.parameters.version}}'配置条件执行
节点可以通过 when 字段配置执行条件。上游节点全部结束后，平台计算该表达式：结果为真时执行节点，否则跳过该节点，运行记录中显示为“已跳过”。被跳过的节点视为已满足依赖，其下游节点会继续执行。when 通常与全局参数或上游输出配合使用，实现分支流程。
when 表达式中的引用写法如下：
| 引用对象 | 写法 |
|---|---|
| 全局输入参数 | {{pipeline.inputs.<参数名称>}} |
| 上游节点输出 | {{tasks.<上游节点名称>.outputs.<输出参数名称>}} |
注意： 在
when中引用上游输出时，无需写parameters.，与inputs中的引用写法不同。
示例：全局参数 flag 为 true，且 task-a 输出的 version 为 v2.1.0 时，执行 task-b。
YAML
1- name: task-b
2 taskTemplateName: template-b
3 dependencies:
4 - task-a
5 when: '{{pipeline.inputs.flag}} == true && {{tasks.task-a.outputs.version}} == v2.1.0'完整 YAML
YAML
1version: v1
2kind: PipelineTemplate
3inputs:
4- name: flag
5 type: bool
6 hint: 是否执行 task-b
7 defaultValue: true
8taskTemplates:
9- name: template-a
10 type: CustomTask
11 outputs:
12 - name: version
13 valueFrom:
14 path: /mnt/bos/version
15 spec:
16 queue: aihcq-xxxx
17 jobType: PyTorchJob
18 command: echo -n "v2.1.0" > /mnt/bos/version
19 jobSpec:
20 replicas: 1
21 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
22 dataSources:
23 - type: bos
24 sourcePath: my-bucket/datasets/
25 mountPath: /mnt/bos
26- name: template-b
27 type: CustomTask
28 inputs:
29 - name: input_version
30 type: string
31 hint: 版本号
32 spec:
33 queue: aihcq-xxxx
34 jobType: PyTorchJob
35 command: echo '{{inputs.parameters.input_version}}'
36 jobSpec:
37 replicas: 1
38 image: registry.baidubce.com/aihc-aiak/aiak-megatron:ubuntu20.04-cu11.8-torch1.14.0-py38_v1.2.7.12_release
39tasks:
40- name: task-a
41 taskTemplateName: template-a
42- name: task-b
43 taskTemplateName: template-b
44 dependencies:
45 - task-a
46 inputs:
47 - name: input_version
48 value: '{{tasks.task-a.outputs.parameters.version}}'
49 # flag 为 true 且上游输出的版本号为 v2.1.0 时执行，否则跳过
50 when: '{{pipeline.inputs.flag}} == true && {{tasks.task-a.outputs.version}} == v2.1.0'附录：变量引用
| 写法 | 适用位置 |
|---|---|
{{pipeline.parameters.<名称>}} |
任务模板的 spec、inputs 默认值；节点的 inputs |
{{inputs.parameters.<名称>}} |
任务模板的 spec |
{{tasks.<节点>.outputs.parameters.<名称>}} |
节点的 inputs |
{{pipeline.inputs.<名称>}} |
节点的 when |
{{tasks.<节点>.outputs.<名称>}} |
节点的 when |
取值时机说明：
- 全局参数和模板参数在工作流提交运行时替换为实际值。
- 上游输出在运行到引用它的节点时才取值。
- 字段值仅包含一个变量时（例如
replicas: '{{pipeline.parameters.worker_replicas}}'），替换后保留参数的原始类型，int 类型参数替换后仍为数字。
相关文档
评价此篇文章