智能体来了—初级工作流：数据与接口基础（AI Agent / 低代码必修课）

在 AI Agent 和低代码开发盛行的今天，很多同学会画流程图，但一到具体配置参数、处理 API 返回数据时就频频报错。
其实，工作流的本质只有一句话：

数据在不同节点之间的流转与变形。

如果不理解基础的数据类型和接口规范，你的工作流就像堵塞的水管，要么跑不通，要么跑得很慢。
今天，我们通过一张思维导图，系统性地补齐这块短板，帮你真正理解工作流的“底层逻辑”。

一、工作流基础：认识你的“积木”

工作流是由一个个**节点（Node）**串联而成的。在开始搭建之前，我们需要先搞清楚：
自己手里到底有哪些“积木”可以用。

1.1 核心节点类型

在大多数 AI / 低代码平台中，节点可以概括为以下五大类：

• 正常节点
  执行单一任务，例如发送 HTTP 请求、调用模型、处理数据。

• 传入 / 传出节点
  整个流程的起点和终点，决定了 Agent 不仅能“想”，还能“听”和“说”，
  即是否具备接收外部输入和返回结果的能力。

• 条件判断节点
  相当于编程中的 if-else，让工作流具备逻辑分支能力。

• 循环节点
  用于处理批量数据，例如批量读取网页、批量处理图片、批量解析接口结果。

二、数据与接口的灵魂：基本概念与类型

这是最枯燥，但也是最重要的一部分。
机器不像人类能理解“大概”，它需要精确、无歧义的定义。

2.1 概念理解：三要素

• 变量（Variable）
  数据的容器。
  比如把“李华”装进一个叫 user_name 的盒子里。

• 输入与输出（Input / Output）
  每个节点都像一个加工厂：
  有原料进来（Input），有产品出去（Output）。

• 执行逻辑
  把原料变成产品的过程，通常由表达式和语句组成。

---

2.2 基础数据类型（Basic Data Types）

在配置参数时，选错数据类型是新手最常见的 Bug 来源。

• String（字符串）
  文本信息，必须用引号包裹，例如 "Hello World"。

• Integer / Number（整数 / 数值）
  用于计算。
  Integer 只表示整数，Number 通常包含整数和小数。
  注意："123" 是字符串，而 123 才是数字。

• Boolean（布尔值）
  只有两个取值：true / false，常用于条件判断或开关控制。

• Object（对象）
  用于描述复杂事物，是键值对的集合。

例如：

json

{
  "name": "iPhone",
  "price": 5999
}

2.3 数组类型（Array）

当你有一堆同类数据时，就需要使用数组（列表）。

• Array<String>

json

["苹果", "香蕉", "橘子"]

• Array<Object>

包含多个对象的列表，在处理 API 返回的
“多条新闻”“多个商品”“多条搜索结果”时极其常见。

2.4 JSON 数据：工作流的“普通话”

JSON 是工作流节点之间沟通的通用语言。
无论你用的是哪种节点，最终传输的数据大概率都是 JSON 格式。

下面是一个包含对象嵌套和数组的典型 JSON 返回示例（工作流中非常常见）：

json

{
  "status": "success",
  "data": {
    "user_id": 101,
    "roles": ["admin", "editor"],
    "preferences": {
      "theme": "dark",
      "notifications": true
    }
  }
}
 

三、常用节点实战：让流程真正跑起来

理解了数据之后，我们来看它们在真实节点中是如何被使用的。

3.1 大模型节点（LLM）

这是 AI 工作流的“大脑”。

• 参数配置
  通常需要将上一步得到的 String 类型数据（如用户问题）
  填入 Prompt 或输入变量中。

• 结果处理
  大模型默认输出的是一段文本。
  如果你需要结构化数据（例如 JSON），
  一定要在 Prompt 中进行明确约束。

---

3.2 条件节点

• 核心逻辑：判断某个变量的值

• 典型场景：
  score > 60 → 及格
  否则 → 挂科

⚠️ 注意：
比较时，数据类型必须一致！
不要用数字 1 去对比字符串 "1"。

---

3.3 数据操作节点（新手神器）

这是很多人容易忽略，但非常强大的节点类型。

• 数据映射
  将 A 格式的数据转换为 B 格式。

• 数据过滤
  从 Array<Object> 中筛选出你真正需要的那几条数据。

四、进阶与避坑指南（拓展内容）

这一部分，是区分新手和老手的关键。

4.1 数据类型转换规则

• 有些平台支持隐式转换

• 但更多时候需要手动处理

例如：
将 Number 转成 String，才能拼接进 Prompt。

---

4.2 嵌套使用是常态

数组里套对象，对象里再套数组，
这是处理复杂 API（如天气预报、搜索结果）的常见情况。

👉 一定要学会看懂 JSON 的层级结构。

---

4.3 调试（Debug）技巧

遇到报错时，优先按这个顺序排查：

1. 查看运行日志

2. 检查输入数据是否为 null

3. 核对数据类型是否匹配

4. 确认字段路径是否正确

---

结语

掌握工作流的数据与接口基础，就像学会了乐高积木的接口原理。
无论你是在 Coze 上捏 Bot，还是自己写 Python 脚本，
这套 “输入 → 处理 → 输出” 的思维模型都是通用的。

如果你刚开始接触 AI Agent 或低代码开发，
强烈建议从“看懂 JSON”开始练起。
找一个简单的 API（例如“每日一句”），
手动解析它的返回结果，是理解数据流转的最佳方式。

关注我，下期我们将聊聊：

通过工作流搭建直播话术生成的智能体。