工作流应用

开始/结束

• 为什么使用它

  开始和结束节点就像电影的「开场」与「落幕」。没有“开始节点”，工作流无法接受任何信息；没有“结束节点”，用户就看不到结果。它们是“先呼后应”的基础角色。

• 功能与用法

  • 开始节点：作为整个工作流的入口，用于接收外部传入的数据（如用户输入、系统参数等）。

  • 结束节点：用于输出最终结果到前端或其他系统；在配置时可以指定输出格式（文本或JSON）。

• 参数配置

  • 开始节点

    参数名	说明
    变量名	用作输入参数的 key
    类型	数据类型（String / Boolean / Number）
    描述	参数含义备注，用于说明变量的用途

  • 结束节点

    参数名	说明
    输出模式	选择“文本”或“JSON输出”两种方式
    输入	文本模式时，可直接写文本或插入变量；JSON模式时，设置要输出的变量名
    结果返回	开关控制，决定是否将结果返回给调用者

知识库

• 为什么使用它

  想象一下，你有一座巨大的“知识宝库”，里面存放了海量文档、FAQ、产品资料。这个节点能帮你从海量信息里提取“最相关”的内容，为后续 AI 问答做好准备。

• 功能与用法

  • 通过搜索一个或多个知识库来得到相关文档片段，让 AI 能“读到”更多上下文，回答更专业或精准。常常与大模型节点结合使用。

  • 在构建对话型工作流、智能客服系统时尤其常用。

• 参数配置

  参数名	参数说明
  输入	content：可直接输入文本，也可引用前面节点输出的变量 。
  	imageList：支持图片搜索，可直接输入图片链接，也可引用前面节点输出的变量。
  选择知识库	指定要在哪些知识库里进行搜索（支持多选）。
  输出	命名本节点的结果变量，如 kbResult。

• 输出结构示例：

  {
    "rewriteQuery": "...",
    "chunkList": [
      {
        "score": 0.36,
        "documentName": "文档名称",
        "title": "文档标题",
        "content": "相关内容片段",
        "imagesUrl": "图片URL"
      }
    ]
  }

  这里常用的就是 chunkList，含有文档内容片段及相似度分值。

大模型

• 为什么使用它

  这是整个工作流的“智慧大脑”——能读懂语言、生成文字、分析图像，还能参与多轮对话。你可以用它写文案、做文本总结、甚至对图片内容做分析（如果是 VL 系列模型）。

• 功能特性

  • 既支持一次性处理一个输入，也能批量处理大量数据。

  • 可以配置不同大模型（如通义千问-Plus），根据性能、速度或其他特性的需求选择合适的模型。

• 节点参数配置

  参数名	参数说明
  模式选择	单次处理模式：使用较低的搜索比例且不使用Query改写的快速搜索版本。
  	批次处理模式：在批处理模式中，节点会多次运行。每次运行时，列表中的一个项目会被依次分配给批处理变量。这个过程会一直持续，直到处理完列表中的所有项目或达到设定的最大批处理次数为止。 批处理配置： 批处理次数上限（范围1-100，普通用户默认100）：批处理运行的次数上限。 说明 实际批次处理次数取决于用户输入数组中的最小长度，若没有输入变量，则取决于配置中的批次数量。 并行运行数量（范围1-10）：批处理的并发限制，设置为1表示串行执行所有任务。
  模型配置	选择合适的大模型，支持模型参数调整，具体支持模型，请参见支持模型。 模型选择VL模型时： 模型入参：vlImageUrl可引用参数或输入图片链接。 图片来源：可选图片集/视频帧。 图片集：模型会认为上传的图片是独立的，会根据问题匹配对应图片进行理解。 视频帧：模型会认为上传的图片来源于同一个视频，会把图片按序看作一个整体来理解，视频帧需不少于4张。
  参数配置	温度系数：用于调节生成内容的多样性。较高的温度值将增加生成文本的随机性，产生更多独特的输出；而较低的温度值会使生成内容更为保守和一致。 DeepSeek 系列模型暂不支持此项配置
  	最长回复长度：限制模型生成文本的最大长度（不包括Prompt）。该限制因模型类型而异，具体最大值可能会有所不同。
  	开启搜索：启用后，允许大模型在互联网上搜索相关信息。如果您没有看到该参数，则代表当前模型不支持开启搜索开关。
  System Prompt	可用于设定模型的角色、任务、输出格式等内容，如“你是一个数学专家，专业解决数学问题，请输出符合格式的数学解题过程和结果”。
  User Prompt	配置Prompt模板，支持变量插入，大模型将根据Prompt的配置进行处理和生成。
  输出	输出本节点处理结果的变量名，用于后续节点识别和处理本节点的结果。 DeepSeek R1 系列模型支持输出深度思考过程（reasoningContent）。

  说明

  如需通过API集成应用到您的业务，请参阅HTTP。

• 任务工作流下的大模型节点

  • 与工作流应用的大模型节点的不同：支持进行多轮对话配置，模型支持将选定的历史对话信息作为输入。

    多轮对话配置：对话型应用会把前几轮对话中在“上下文”中要求的变量收集起来作为输入参数传给大模型。

    

  • 上下文：声明大模型需要的上下文输入，默认的 ${系统变量.historyList}代表的是前几轮对话的应用输入输出。其他参数均指的是前几轮对话中的应用参数。

    

    

• 文本模型节点示例

  在测试界面，query参数中输入芯片工程师：

  

  结束节点输出：

  

• 图像模型节点示例

  大模型支持单个图像或多张图片传入，支持URL和base64方式传入。

  说明

  单张图片可以直接传入。例如：https://****.com/****.jpg。

  多张图片可列表传入。例如：["URL","URL","URL"]。

  在测试界面，query参数中输入：https://****.com/****.jpg。

  

  结束节点输出：

  

API

• 定义

  通过POST或GET的方式，调用自定义API服务，输出API调用结果。

• 参数配置

  参数名	参数说明
  API地址	填写要调用的API地址，可选POST或GET。
  Header设置	设置Header参数，设置KEY，VALUE。
  Param设置	设置Param参数，设置KEY，VALUE。
  Body设置	可选：none，form-data，ram，JSON。
  输出	输出本节点处理结果的变量名，用于后续节点识别和处理本节点的结果。

  说明

  如需通过API集成应用到您的业务，请参阅HTTP。

• 节点示例

  使用POST方法，调用接口。

  

  结束节点输出：

  

意图分类

• 定义

  根据意图描述智能分类匹配，选择其中一个链路执行。

• 参数配置

  参数名	参数说明
  输入	输入本节点需要处理的变量，用于识别需要处理的内容，支持引用前置/开始节点变量或直接输入变量值。
  模型配置	模型选择：通义千问-Plus。
  意图配置	意图配置解释文案：配置不同的意图，输入意图描述，模型将根据不同的意图描述匹配后续链路，如：“用于数学题的计算”，“关于天气相关的知识问答”。
  其他意图	意图未匹配时，匹配此链路。
  意图模式	单选模式：大模型将从现有的意图配置中挑选最合适的意图作为输出。 多选模式：大模型将从现有的意图配置中挑选所有匹配的意图作为输出。
  思考模式	快速模式：该模式能够避免输出复杂的推理过程，从而提升处理速度，适用于简单场景。 效果模式：该模式通过逐步思考，能够更准确地匹配相应的分类。
  高级配置	高级配置内容将作为额外的prompt提供给模型。在此，您可以输入更多限制条件或提供更多案例，从而使模型的分类结果更符合您的要求。 示例 假设您正在开发一个电商平台的客服系统，用户可能会提出各种关于订单查询、退换货、支付的问题。为了确保模型准确分类，可以在高级配置中添加相关提示和示例。 请根据以下示例进行意图分类： 案例1：用户输入“我想退还刚买的这件外套”，分类为“退换货”。 案例2：用户输入“请帮我查询订单的发货状态”，分类为“订单查询”。 限制条件：仅处理与订单相关的查询，忽略支付和技术问题。 效果： 用户输入：“我上周在你们网站订购的那本书什么时候可以送到我家？” 分类结果：“订单查询” 在该实例中，高级配置通过提供具体的分类案例，引导模型将“查询送达时间”归类为“订单查询”意图，同时限定了分类范围，排除了其他无关问题。
  上下文	开启上下文能力后，系统将以Message格式自动记录历史对话信息，调用模型时传入上下文，模型将结合上下文内容进行生成。 仅在对话型工作流的意图分类节点中有该配置项。 说明 若开启上下文，您传入该节点的变量类型需为List类型。
  输出	输出本节点处理结果的变量名，用于后续节点识别和处理本节点的结果。

  说明

  • 该节点在对话型工作流中支持上下文。

  • 运行该节点将消耗Token，并在运行时显示其消耗数量。

• 节点示例

  以下是一个意图分类节点示例（具体配置方式，请参见对话型工作流）。其工作流程逻辑如下：首先接收客户问题。接着，将这些问题传递给意图分类节点，该节点根据输入的信息判断属于电视还是手机的问题，或者其他类别，意图模式选择多选模式，思考模式选择快速模式。然后通过不同分支的文本转换节点生成相应的输出。最后，通过结束节点输出并完成整个流程。

• 测试结果

  在测试界面，query参数中输入我想买电视、手机：

  结束节点输出：

  

文本转换

• 定义

  用于文本内容的转换与处理，如抽取特定内容、格式转换等，支持模板模式。

• 参数配置

  参数名	参数说明
  输出模式	支持文本输出和JSON输出。
  输入	通过大模型指定处理方式将需要处理内容转换为特定格式，用户后续节点的处理，可通过变量配置的方式引用前置节点的处理结果。 文本输出：输入/可插入变量。 JSON输出：变量名 | 引用/输入 | 变量。

• 节点示例

  以下是一个简单的文本转换节点示例。其工作流程逻辑如下：首先，用户输入一个关键词。然后，这个关键词被传递给文本转换节点，节点内部根据该关键词进行处理，生成相应的输出回复。最后，回复通过结束节点输出，从而完成整个流程。

  在测试界面，query参数中输入数学：

  

  结束节点输出：

  

脚本转换

• 定义

  通过脚本代码处理，将输入内容转化为特定格式的模板或输出形式。该过程包括对输入数据的解析、转换和格式化，以实现一致性和可读性。

• 参数配置

  参数名	参数说明
  输入	输入本节点需要处理的变量，用于识别需要处理的内容，支持引用前置/开始节点变量或直接输入变量值。
  代码	通过编写代码的方式将需要处理内容转换为特定格式，用于后续节点处理，可通过变量配置的方式引用前置节点的处理结果。
  输出	输出本节点处理结果的变量名，用于后续节点识别和处理本节点的结果。

• 节点示例

  以下是一个简单的脚本转换节点示例。其工作流程逻辑如下：用户首先输入两个参数，这些参数随后被传递给脚本转换节点。在节点内部，代码对这些参数进行处理，最终生成所需的输出回复。流程以结束节点输出回复的形式完成，从而实现整个过程的闭环。

  在测试界面，city参数中输入北京，date参数中输入2022.2.10：

  

  结束节点输出：

  

条件判断

• 定义

  设置条件，满足条件后字段选择后续链路，支持且/或条件配置，多个条件是从上而下按顺序执行。

• 参数配置

  参数名	参数说明
  条件分支	填写条件判断语句。
  其他	不需要条件判断的可从此输出。

• 节点示例

  以下是一个简单的条件判断节点示例。其工作流程逻辑如下：用户首先输入两个参数，这些参数随后被传递给条件判断节点。在节点内部对参数进行条件判断，然后通过不同分支的文本转换节点生成输出回复。最后，结束节点将生成的回复输出。

  在测试界面，scert参数中输入12345，admin参数中输入admin：

  

  结束节点输出：

  

函数计算

• 定义

  授权阿里云函数计算服务，调用函数计算中自定义的服务。

• 参数配置

  参数名	参数说明
  输入	输入本节点需要处理的变量，用于识别需要处理的内容，支持引用前置/开始节点变量或直接输入变量值。
  Region	选择地域：杭州、北京、上海。
  服务配置	选择服务配置。
  输出	输出本节点处理结果的变量名，用于后续节点识别和处理本节点的结果。

• 节点示例：计算发酵系数。

  以下是一个简单的计算发酵系数示例。其函数计算节点内部逻辑如下：接受初始和最终的葡萄糖浓度以及生物质浓度作为输入参数。接着，计算葡萄糖的消耗量及生物质的生成量。如果发现葡萄糖的消耗量为零或负值，则返回无穷大并记录相应的警告；反之，函数将返回生物质生成量与葡萄糖消耗量的比值，这便是所需的发酵系数。总体而言，此示例利用葡萄糖和生物质浓度数据有效地计算出发酵系数。

  在测试界面，依次填入下列参数：

  • glucose_initial（初始葡萄糖浓度）参数中输入100，

  • glucose_final（最终葡萄糖浓度）参数中输入50，

  • biomass_initial（初始生物质浓度）参数中输入10，

  • biomass_final（最终生物质浓度）参数中输入20：

  

  结束节点输出：

  

AppFlow

• 定义

  授权阿里云AppFlow服务，调用AppFlow自定义的服务。

  说明

  关于AppFlow的相关文档，请参见产品简介，关于AppFlow的具体应用，请参见实践教程。

• 参数配置

  参数名	参数说明
  输入	输入本节点需要处理的变量，用于识别需要处理的内容，支持引用前置/开始节点变量或直接输入变量值。
  服务配置	选择服务配置。
  输出	输出本节点处理结果的变量名，用于后续节点识别和处理本节点的结果。

• 节点示例

  以下是一个定时通知钉钉群的示例。其函数计算节点的内部逻辑如下：我们每天定时通过钉钉自定义机器人发送通知。具体流程是通过AppFlow节点调用相应服务，进而在钉钉中利用自定义机器人发送消息。

  

  钉钉群输出：

  

插件

• 定义

  您可以将插件节点配置到工作流应用中以拓展应用能力，执行更复杂的任务。百炼提供了一系列官方插件，例如夸克搜索、计算器、Python代码解释器等，您也可以根据特定需求创建自定义插件。

  更多信息，请参见插件概述。

• 节点示例

  本文以夸克搜索插件为例说明。

  

  配置过程

  步骤一：设置开始和大模型节点

  配置开始节点参数 不添加参数，保持默认。
  配置大模型节点	您可以参考下图配置大模型节点。

  步骤二：添加插件节点

  添加夸克搜索插件

  在选择插件对话框中单击夸克搜索卡片区域的添加后，再单击确定。 在插件参数配置面板，输入参数支持引用和输入，您可以按需配置。

  步骤三：设置结束节点

  输出模式：文本输出。 文本框中填入以下输出：

  结果输出

  测试数据输入	测试结果
  在体验窗的文本交互页签，输入：最近中国哪个地方发生了地震。

循环

• 定义

  • 循环节点是工作流中用于处理重复任务的组件。

  • 接受引用类型的数组输入，支持多数组时以最短长度为准，每次循环传入对应项。

  • 通过中间变量在循环间共享数据，并配合变量设置节点动态修改变量值。

  • 输出也是数组形式，依据实际循环次数生成。每次循环前检查终止条件，满足则结束。

  • 循环体作为子画布，包含固定的开始和结束节点，并仅在内部显示变量设置节点。

  • 支持记录每次执行和流式输出，提升效率与可靠性。

• 节点示例：批量处理用户问题。

  

• 节点测试

  您可以通过下面的示例，快速了解循环节点的使用。

  案例说明

  1. 首先使用脚本节点构造一个长度为g的city数组，并输出一个名为variable的数值，值为1。

  2. 执行循环节点，循环节点的配置信息为：

     • 使用脚本节点构造的数组作为输入。

     • 使用variable作为中间变量。

     • 选择variable作为最终输出output1，循环体中大模型节点的结果作为最终输出output2。

     • 当中间变量大于g-1时，结束循环。

  3. 循环体中，流程会展示输入信息，执行大模型节点，使用脚本节点读取当前中间变量的值，输出一个中间变量加1后的数字，并使用变量来设置节点修改当前中间变量的值。

  4. 可观察循环体执行完成后每个节点的输入输出信息，观察输入信息的变化。

  说明

  循环次数限制为100次，大于100次可联系客服进行加白处理。

  配置过程

  步骤一：设置开始和脚本转换节点

  配置开始节点参数 不添加参数，保持默认。
  添加脚本转换节点 使用脚本节点构造一个长度为4的city数组（类型为Array<String>），并输出一个名为variable的数字，值为1。 命名节点：构造循环数组。 输入参数不添加。 输出参数： result变量中添加参数 city Array<String> 循环节点使用数组。 variable Number 循环节点使用中间变量。 说明 如果您自行修改，则该节点输出必须是数组（List）类型数据。 相应代码（可自行修改）： 代码示例 def main(): import json ret = { "result": { "city": ["杭州","西安","福州","南京","太原","广州"], "variable":1 }, } return ret

  步骤二：设置循环节点

  在循环体中配置大模型节点、变量设置节点（必选）。用户可根据具体场景，自行添加不同节点到循环体中。

  配置循环节点参数配置 循环数组：使用脚本节点构造的数组作为输入，类型为Array<String>。 循环体的输入，必须是数组（List）类型数据，循环会按照数组的索引顺序执行。 中间变量：使用variable作为中间变量，类型为Number 。 用户自定义的变量，通过变量设置节点配合在循环体中更新变量的方式，可以让循环体提前结束。 输出变量：选择variable作为最终输出output1（类型为Number），循环体中大模型节点的结果作为最终输出output2（类型为Array<String>）。 循环体的输出，支持中间变量输出以及数组输出，数组长度会等于循环体循环的次数。 终止条件：当中间变量大于3时，结束循环（示例图中没有输入，您可自行设置）。 用户自行设定的循环退出条件，通过变量设置节点更新循环体中间变量达成用户提前设置的终止条件的方式，让循环体提前结束循环，当未设置循环终止条件时，遍历循环数组中的所有索引后，循环结束
  添加文本转换节点 命名节点：输入信息展示。 输出模式：文本输出。 文本框中填入： 循环轮次：${Iterator_DANX.index} 循环节点当前轮次输入；${Iterator_DANX.cityArray} 中间变量：${Iterator_DANX.var}
  添加大模型节点 命名节点：城市识别。 模型配置：通义千问-Max。 参数配置：默认。 Prompt： System Prompt: 输入城市是隶属于那个省份 User Prompt: ${Iterator_DANX.cityArray} 说明 User Prompt 选择：
  添加脚本转换节点 命名节点：构造循环数组。 输入参数： 输出参数： variable Number 输出中间变量加1 相应代码（可自行修改）： 代码示例 def main(): import json ret = { "result": { "Variable": params["Variable"] + 1 }, } return ret
  配置变量设置节点 仅支持在循环节点中使用，用于设置循环中的中间变量，可通过引用或输入修改变量值。 命名节点：修改中间变量。 设置值为：

  步骤三：设置结束节点

  输出模式：文本输出。 文本框中填入： 循环的输出output2；${Iterator_DANX.output2} 循环的输出output1；${Iterator_DANX.output1}

  结果输出

  循环体中，流程会展示输入信息，执行大模型节点，使用脚本节点读取当前中间变了得值，输出一个中间变量加1后的数字，并使用变量设置节点修改当前中间变量的值。

  

  

  

变量设置

• 定义

  仅支持在循环节点中使用，用于设置循环体中的中间变量，可通过引用修改变量值。具体使用示例可参见：配置变量设置节点。

• 参数配置

  参数名	参数说明
  中间变量	用户自定义的变量，通过变量设置节点配合在循环体中更新变量的方式，可以让循环体提前结束。只能选择在循环节点参数配置中的中间变量。
  设置值	用户所引用的值或参数。

  

批量

• 定义

  • 批量节点是工作流中用于处理批量任务的功能节点。

  • 接受引用类型的数组输入，可以传入多个数组，最终批处理次数由传入数组长度的最小值与批处理上限参数中较小的值决定。

  • 输出格式为数组形式，该数组长度取决于批处理执行次数。

  • 批量节点的子画布包含固定的开始节点和结束节点，标识一次批处理的开始和结束。

• 节点示例：批量处理用户问题。

• 节点测试

  您可以通过下面的示例，快速了解批量节点的使用。

  案例说明

  1. 使用脚本转换_1节点构造一个长度为4的city数组。

  2. 使用脚本转换_1节点构造的数组作为批量节点的输入。

  3. 在批量处理节点的子画布内，分批次执行大模型节点，大模型节点的输出给到结束节点后汇总成数组返回。

  配置过程

  步骤一：设置开始和脚本转换节点

  配置开始节点参数 不添加参数，保持默认。
  添加脚本转换节点 使用脚本节点构造一个长度为4的city数组（类型为Array<String>）。 输入参数不添加。 输出参数：city Array<String> 批量节点使用数组。 说明 该节点输出必须是数组（List）类型数据。 代码示例（您可按需修改）： 代码示例 function main() { ret = { "city": ["杭州", "福州","西安","南京"] } return ret }

  步骤二：设置批量节点

  在批量节点中配置大模型节点。您可根据具体场景，自行添加不同节点到批量节点中。

  配置批量节点参数配置 批处理设置：您可按需设置。 批处理数组：使用脚本节点构造的数组作为输入，类型为Array<String>。 批量节点的输入，必须是数组（List）类型数据，批量节点会按照数组的索引顺序执行。 输出变量： 说明 您需先添加配置大模型节点才能选择输出变量。 选择批处理节点中大模型节点的结果作为最终输出resultList（类型为String）。
  添加大模型节点 模型配置：通义千问-Max。 参数配置：默认。 Prompt： System Prompt: 分别枚举城市的4个美食和著名景点或建筑。 User Prompt: 批量节点_1/queryList

  步骤三：设置结束节点

  输出模式：文本输出。 文本框中填入： 批量节点_1/resultList

  结果输出

  批量节点中：

  • 您可以查看大模型节点的输出，以下为输出结果示例：您可以切换大模型节点输出的不同页签，查看输入批量节点数组中不同城市的大模型运行结果。

  • 您可以查看批量节点的输出，以下为输出结果示例：