coze制作生成文件工作流 + 工作流发送http请求

需求:根据用户要求生成相关的设计方案文件,文件要求word、pdf两种格式
用户提问框文本提问,可附带附件,附件为非必填

最终版流程如下图:
在这里插入图片描述

入参

input: Strng  用户输入的要求
fileUrl: Strng  上传的文件(非必填) ,要求是https域名下的文件url地址
title: Strng  生成文档的标头

在这里插入图片描述
增加if选择器校验
在这里插入图片描述
如果fileurl 参数不为空,说明有附件上传,需要解析附件内容,否则直接将用户input内容传给下一步

在这里插入图片描述
解析文件内容插件
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
增加一个解析用户需求的大模型(这个大模型用来润色用户的需求,以及将文档内容与需求组合起来)
模型不同效果不同,大家可以多试一试选择符合自己的模型
输入要两个参数

input : 用户输入的信息
url_data:插件解析文件后的内容

系统提示词

# 角色
你是一位方案设计文本分析领域的专家,擅长从用户的问题中分析并整合出最合适生成符合客户需求的话术,此话术将交由生成设计方案的大模型进行处理,直接输出话术内容,不要包含“以下是整合后的话术:”这些无意义的文字。

用户提示词

请参考文件解析结果以及用户提出的信息进行整合。
用户提出的信息:{{input}}
文件解析结果:{{url_data}}

在这里插入图片描述
加入生成设计方案的大模型
输入参数是用户需求分析大模型输出的值
在这里插入图片描述
系统提示词的人设是我用通义千问32BDeepSeek-R1-联网满血版生成结合起来的人设,示例是由公司业务给出的
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
将人设信息放到系统提示词处,增加返回数据格式要求Markdown格式,如果有示例增加一个示例内容

## 人设
### 名称
筑梦师智教助手

### 形象
一位深耕建筑领域多年的资深教育专家,对建筑行业的发展趋势和人才需求有着精准的把握,尤其擅长将行业需求转化为系统的教学内容。

### 性格特点
专业严谨:对待建筑领域的教学设计方案生成工作极度认真,对每一个细节都严格把控,确保方案的科学性和准确性。
耐心亲和:能够耐心认真倾听用户的需求,用通俗易懂的语言解答问题。
创新进取:紧跟建筑行业的最新发展趋势,不断学习和掌握新的知识与技术,将创新理念融入到教学设计方案中。

### 背景故事
曾在知名建筑设计公司工作多年,参与过多个大型建筑项目的设计与施工管理。积累了丰富的实践经验后,投身于建筑教育领域,致力于将自己的专业知识和实践经验传授给下一代建筑人才。凭借多年的教学与研究,开发出了一套科学、实用的建筑领域教学设计方法,能够根据不同的需求生成高质量的教学方案。

## 回复逻辑
### 需求理解阶段
需求收集:用户提出的内容中提取关于建筑领域教学设计方案的具体需求,例如专业名称、培养方向、课程重点等信息。

方案生成:根据用户提供的信息,结合建筑领域的专业知识和教育理念,按照通用的教学设计方案框架生成相应的方案。方案通常包含培养目标、培养要求、课程设置等核心内容,即使没有明确的具体需求也要根据内容进行生成,不要再去询问用户。

内容细化:在课程设置部分,会详细列出必修课程和选修课程(如果有需求),并说明每门课程的学时和主要内容。对于培养目标和培养要求,会从知识、能力、素质等多个维度进行阐述,确保方案的完整性和科学性。

方案反馈:将生成的教学设计方案呈现给用户,不需要提问用户。

## 数据格式
将生成的内容直接以Markdown格式进行返回,不需要出现“以下是根据你提供的内容生成”这种文字

## 示例

在这里插入图片描述
用户提示词

用户需求:{{input}}

在这里插入图片描述
加入Markdown格式生成word和pdf文件的插件

在这里插入图片描述
加入两次一个生成word文件,一个生成pdf文件
在这里插入图片描述
插件入参

formatted_markdown :String   生成设计方案模型输出的内容
title :String  工作流开始时传递的标头
to_format : String生成的文件格式  可选值: pdf, docx, html, latex, markdown

在这里插入图片描述
在这里插入图片描述
最终输出

markdownData :设计方案设计的文件内容
wordUrl  : 生成的word文件url地址
pdfUrl  :  生成的pdf文件url地址

在这里插入图片描述

测试:
在这里插入图片描述
生成时间还挺长,点击查看日志,两个大模型的耗时较长一点,这里需要大家自己更换合适的大模型适配
在这里插入图片描述
接下来想做的是让我们的项目使用这个工作流,怎么做呢,在工作流外再套一层,让工作流结束后将结果发送给我们的系统API
将以上生成文件的工作流进行发布
在这里插入图片描述
新建一个新的工作流
在这里插入图片描述
入参

input: Strng  用户输入的要求
fileUrl: Strng  上传的文件(非必填) ,要求是https域名下的文件url地址
title: Strng  生成文档的标头
token: 鉴权  我们业务系统中的token,后续http请求中需要使用(1.调用我们系统API时使用,2.我们系统中可以区分当前操作人是谁,用于存储业务数据记录)

添加工作流,将我们生成文件的工作流添加进来
在这里插入图片描述
在这里插入图片描述
添加http组件
在这里插入图片描述
返回的json对象

{
  "wordUrl": {{block_output_105158.wordUrl}},
  "markdownData": {{block_output_105158.markdownData}},
  "pdfUrl": {{block_output_105158.pdfUrl}}
}

配置接口API
配置请求头鉴权
配置返回格式

Content-Type : application/json

在这里插入图片描述
这里如果报错 Body is not json
在这里插入图片描述
是因为请求体中body格式不对, 我这里是 : 后面有空格删除掉就调用成功了

在这里插入图片描述

然后发布后进行使用
我吐了,一发布就自动把空格拼上了,改完只有试运行使用可以,一点发布就进行格式化了
在这里插入图片描述
换个思路,在工作流中间增加一层代码组装好json的body再使用

在这里插入图片描述
要注意的是在代码中需要在ret 里面定义一个返回的body对象,这个body对象的名称需要和代码节点定义的变量名一致

async function main({ params }: Args): Promise<Output> {
    // 构建输出对象
    const ret = {
        "bodyJson": {
            "id":params.id,
            "markdownData":params.markdownData,
            "pdfUrl":params.pdfUrl,
            "pptUrl":params.pptUrl,
            "wordUrl":params.wordUrl
        }
        
    };

    return ret;
}

在这里插入图片描述
然后在http插件处更改body直接引用就解决了
在这里插入图片描述
调用成功了,但是我的id是整数类型,这边通过代码组装后数字变了,因为位数问题导致精度丢失了

在这里插入图片描述

在这里插入图片描述
在代码处采用 BigInt 试运行解决此问题,但是发布未解决采用log打印发现接收的 params.id 已经是丢失精度的数据了
在这里插入图片描述

数值末尾添加n 可以解决此文件
在这里插入图片描述
在这里插入图片描述

不想浪费太多时间在这里,还是采用字符串进行接收处理
在这里插入图片描述

<think>好的,用户的问题是“如何配置Coze以优先使用工作流”,并且需要方法示例。首先,我需要理解用户的需求。用户可能在使用Coze平台时,希望让系统在处理任务时优先使用他们设计的工作流,而不是直接调用语言模型或其他组件。这可能涉及到工作流的触发条件、优先级设置或配置选项。 接下来,我要回顾Coze的相关文档或已知信息。根据提供的引用,引用[2]提到Coze允许通过拖拉拽方式搭建工作流,并集成语言模型、代码和判断逻辑。这说明工作流可以包含多个步骤和条件。引用[1]讨论了工作流解决的问题和应用场景,比如复杂任务分解。引用[3]涉及API配置,包括鉴权和返回格式,这可能与工作流的接口调用有关。 用户需要配置优先使用工作流的方法,可能涉及两个方面:确保工作流在适当的时候被触发,并调整设置使其优先于其他处理方式。例如,在对话机器人中,当用户输入符合特定条件时,应优先执行工作流而非直接生成回答。 可能的步骤包括:1. 在工作流中设置明确的触发条件,如关键词或意图识别。2. 在Coze的配置中调整工作流的优先级顺序。3. 使用逻辑判断节点来决定是否进入工作流。例如,在流程开始时添加条件判断,符合条件则执行工作流,否则进入其他处理。 需要提供示例配置。比如,在Coze工作流编辑器中,添加一个“意图识别”节点,当检测到用户输入需要复杂处理时,触发工作流。或者,在流程设置中将工作流设为默认处理方式,除非有例外情况。 还需要考虑API配置,如引用[3]中的请求头和返回格式,确保外部系统调用时正确触发工作流。可能需要配置API端点指向工作流,并在鉴权中设置正确的参数。 总结步骤:设置触发条件、调整优先级、逻辑判断、API集成。然后给出具体示例,比如创建意图识别节点,使用条件分支,或者通过API调用工作流。</think>### 如何配置Coze优先使用工作流 #### 方法说明 在Coze平台中,通过**工作流优先级设置**和**意图识别触发条件**可实现优先使用工作流的需求。具体分为以下步骤: 1. **定义明确的工作流触发条件** 在工作流入口节点添加关键词匹配、正则表达式或自然语言理解(NLU)的意图识别模块,确保用户输入符合特定条件时直接触发工作流[^2]。 *示例*:设置关键词如"规划行程"、"生成报告",或通过NLU识别用户意图为"复杂任务"时触发工作流。 2. **调整工作流执行顺序** 在Coze的流程编排中,通过逻辑判断节点(如`Condition`)将工作流置于默认回复生成之前,形成优先级控制。 ```text [用户输入] → [意图识别] → 符合条件? → 执行工作流 → 输出结果 ↓ 不符合条件 → 调用LLM生成回复 ``` 3. **API集成配置(可选)** 若需通过外部系统调用工作流,需在API配置中指定工作流ID,并设置鉴权参数[^3]。 *示例请求头*: ```json { "Content-Type": "application/json", "Authorization": "Bearer YOUR_API_KEY", "Workflow-ID": "wf_travel_plan_v1" } ``` #### 配置示例 以旅行规划场景为例,操作步骤如下: 1. 在Coze工作流编辑器中添加`Condition`节点,设置触发规则: ```python if "行程" in input_text or "酒店" in input_text: return True # 进入工作流 else: return False # 进入常规对话 ``` 2. 将工作流输出节点与LLM回复节点并行排布,通过优先级连线确保工作流优先响应。 #### 注意事项 - 复杂任务建议使用工作流分解步骤,例如引用[1]提到的多条件判断场景 - API返回格式需与工作流输出结构一致,如强制指定`Content-Type: application/json`[^3]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值