工作流应用

开始/结束

• 何时使用

  • 在设计工作流时，您需要确定输入/输出参数的结构和内容，并填入开始/结束节点。

• 如何使用

  • 开始节点

    组件	说明
    变量名	输入参数的名称，后续节点可通过变量名调用此变量。
    类型	输入参数的数据类型（当前仅支持 String / Boolean / Number，如需传入 Array 或 Object，需在进入工作流之前自行解析）。
    描述	输入参数的描述，用于解释参数的作用。

    说明

    除了自定义的变量外，应用还内置了一些实用变量：

    • query

      用户查询变量，用于接收 API 调用的 prompt 变量，或测试窗用户发送的文本。

    • historyList（仅在对话型工作流时启用）

      对话历史列表，用于应用自动维护对话历史记录，提供多轮对话体验。

    • imageList（仅在对话型工作流时启用）

      图片列表，用于存储测试窗用户上传的图片，目前仅支持存储单张图片。

  • 结束节点

    组件	说明
    输出模式	输出参数的格式，支持“文本输出”及“JSON 输出”两种模式。
    文本框（仅在文本模式下生效）	可自由编排输出内容的段落格式，支持输入文本或引用变量，适合输出非结构化的内容。
    变量名/变量值（仅在 JSON 模式下生效）	需按照 JSON 格式编排输出内容，可自定义变量名，支持输入文本或引用变量，适合输出结构化的内容。
    结果返回	仅在 API 调用应用时生效，用于决定是否输出节点内容。如需了解该组件的用途，请参阅通过“结果返回”控制节点内容的方法。

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、QVQ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 R1 系列模型和QVQ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。
  	思考模式：开启后模型具备思考能力。 开启后，模型的反思能力更强，任务执行和调度效果更好，但耗时较长。适用于逻辑推理、数学、编码等复杂任务。 说明 仅 Qwen3 模型可配置此参数。
  	思考长度：思维链的最大输出tokens数量。 如果模型思考过程生成的Token数超过思考长度限制，智能体会截断思考内容，并立刻开始生成最终回复。 说明 仅 Qwen3 模型可配置此参数。
  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 系列模型和QVQ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，请参阅应用调用。

• 对话型工作流下的大模型节点

  • 与任务型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、GET、PUT、PATCH、DELETE的方式，调用自定义API服务，输出API调用结果。

  调用方式	用途
  POST	用于向服务器提交数据，以创建新资源。
  GET	用于获取资源的表示形式，不会对服务器上的数据进行修改。
  PUT	用于向服务器更新指定资源的表示形式，或者在服务器上创建新资源。
  PATCH	用于向服务器部分更新资源。
  DELETE	用于从服务器删除指定资源。

• 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、GET、PUT、PATCH、DELETE。
  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，raw，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，请参阅应用调用。

• 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	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：

  

MCP

• 定义

  MCP 节点可以为工作流接入海量 MCP 服务工具，帮助您快速接入外部资源。每个 MCP 节点可以接入一个工具。

  阿里云百炼预置了常用的 MCP 服务，您可以在创建节点时开通这些服务。您也可以部署开源社区或自己开发的 MCP 服务，详情请参考部署自定义 MCP 服务。

• 参数配置

  MCP 节点的参数随工具变化。您可以先将 MCP 节点拖入画布，点击节点的配置按钮，查看工具的入参定义，最后完成参数配置。

  

• 使用示例：城市天气查询

  1. 创建工作流

     前往阿里云百炼应用管理，点击新增应用，选择工作流应用 > 创建对话型工作流。

     

  2. 设置开始节点

     在这个案例中，我们只需要默认的系统变量，故删去这两个参数。

     删除开始节点的两个默认参数。

     

  3. 提取城市名称

     这一步将用户的自然语言解析为 MCP 节点需要的城市名称。

     从左侧工具栏中拖入一个大模型节点，命名为“信息提取”。请将此节点连接到开始节点，并按照指引填写参数。

     除以下参数外，其他参数保持默认即可：

     参数名	参数值
     模型配置	通义千问-Max
     System Prompt	你是一个信息提取专家，你的任务是帮助“查询天气工具”解析正确的输入参数。 --- “查询天气工具”的描述如下： 名称：maps_weather 描述：根据城市名称或者标准adcode查询指定城市的天气 输入参数：city [string] 城市名称或者adcode 输出参数：result [string] 城市的天气预报 --- 你的输出是“查询天气工具”的输入，你只需要输出城市的名称即可。 注意：你一次只能输出一个城市。
     User Prompt	您需要键入"/"来呼出变量菜单，选中“系统变量 > query。

     说明

     使用 MCP 节点前，您通常需要将用户的自然语言转换为 MCP 节点的输入参数。因此，您需要在 System Prompt 里描述 MCP 服务的功能和输入输出信息，限定大模型的输出格式。

     

  4. 查询天气信息

     使用高德 MCP 服务提供的天气查询工具，接收一个城市名，返回该城市的天气信息。

     从左侧工具栏中拖入一个 MCP 节点，按照图示选择 maps_weather 工具，确认节点配置。

     

     请将 MCP 节点命名为“天气查询工具”，然后将此节点连接到“信息提取”节点。

     说明

     点击节点左上角的箭头按钮，即可展开或收起节点配置。

     

     点击 MCP 节点内 maps_weather 工具的配置按钮，修改输入为“引用：信息提取/result”。

     

  5. 总结天气信息

     将 MCP 服务返回的结果整理成自然语言，方便用户阅读。

     从左侧工具栏中拖入一个大模型节点，命名为“信息总结”。请将此节点连接到“天气查询工具”节点，并按照指引填写参数。

     除以下参数外，其他参数保持默认即可：

     参数名	参数值
     模型配置	通义千问-Max
     System Prompt	你是一个信息处理助手，你的任务是将用户输入的信息整合为自然语言。
     User Prompt	您需要键入"/"来呼出变量菜单，选中“天气查询工具 > result”

     

  6. 输出查询结果

     将结果传递到结束节点后，用户才可以看到天气信息。

     请将此节点连接到“信息总结”节点，并按照指引填写参数。

     除以下参数外，其他参数保持不变。

     参数名	参数值
     输入框	键入"/"来呼出变量菜单，选中“信息总结 > result

     

  7. 测试查询效果

     点击右上角“测试”按钮，输入“查询杭州天气”，即可看到工作流输出“杭州”的天气信息。

     

组件

• 定义

  智能体或工作流应用可发布为模块化的组件，供其他智能体或工作流应用接入使用，实现功能复用，加速复杂 AI 应用开发。您也可以将智能体或工作流应用发布为组件，详情请参考使用智能体或工作流作为组件。

• 参数配置

  配置项	配置内容
  输入	根据组件的参数配置，您需要从上游节点传入相应的参数。
  流式输出	开启后，组件将流式输出运行结果。
  输出	组件的运行结果，您需要传递给下游节点。

  

• 节点示例：您可以参考，详细了解组件的发布和使用方法。

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，用于后续节点的处理，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。

• 节点示例

  这是一个 Python 脚本转换示例：从上游节点传入 city 和 date两个变量，保存在键值对 params中。转换后输出一个 JSON 对象，包含 result，result.key0及 result.key1。代码返回值的 JSON Schema 与节点输出的必须保持一致。

  说明

  什么是 JSON Schema？

  JSON Schema 是一种数据结构规范，能让平台中的其他节点清晰地了解当前节点会输出哪些字段（如 result, key1）及其类型，从而方便您在下游节点中进行引用。

  

• 参数配置

  参数名	参数说明
  输入	定义该节点的输入数据。您可以通过两种方式提供输入： 静态值（输入）：在左侧的输入面板中直接填写固定的值，如 北京。 动态变量（引用）：引用上游节点的输出。例如，若上一个节点名为 node_a，其输出名为 city_name 的字段，您可以选择 node_a.output.city_name 来引用它。
  输出	节点的代码逻辑所产生的结果。代码中 return 的字典将作为本节点的输出。 例如，若返回 {'result': '处理成功'}，下游节点就可以通过 本节点名.result 来获取“处理成功”这个字符串。
  代码	编写核心逻辑代码。 获取输入：请使用内置的 params 对象获取输入参数。 返回输出：处理函数 main 必须 return 一个 字典/对象，其键值对将构成节点的输出。

条件判断

• 定义

  设置条件分支。当变量满足条件后，流程将选择相应的后续链路。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。阿里云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量的值，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：

工作流应用相关

节点相关