coze开发-10、技能-工作流

coze开发-10、技能-工作流
🛠️ 工作流概述
“工作流可以理解成由节点和边串连而成的图，每条边带有方向，其中节点有输入和输出。”

工作流的定义
节点：工作流中的基本单位，表示某个具体的操作或处理步骤。
边：连接节点的箭头，指示数据流动的方向。
工作流的构成
工作流通常包含以下几个部分：

部分 描述
输入节点 传入工作流的数据，可以是默认输入或用户自定义输入
处理节点 执行某个具体的操作或计算
输出节点 返回处理结果，可能是传递给下一个节点或外部系统
工作流的使用场景

1. 热点新闻总结
   在处理热点新闻时，工作流的步骤包括：

数据收集：从多个新闻平台和社交媒体收集信息。
信息筛选：挑选出具有广泛影响力的新闻。
信息提取：提取关键人物和事件的信息。
内容总结：对每个新闻的关键信息进行总结和整理。
2. 复杂任务处理
在处理复杂任务时，工作流能避免大模型的局限性（如理解能力和推理能力），确保最终输出内容的质量。工作流通过可视化的方式将多种功能进行组合，实现稳定的业务流程。

工作流的节点介绍

1. 开始节点
   功能：接收输入，作为工作流的起点。
   输入：默认有一个真实的输入，用户可以自定义添加变量。
2. 结束节点
   功能：处理结果的返回。
   模式：可以选择返回变量或直接输出结果。
3. 插件节点
   功能：集成各种工具，根据执行逻辑判断是否调用插件。
   输入：可以是用户搜索的关键词。
4. 大模型节点
   功能：通过模型处理输入内容，生成响应。
   特性：支持上下文理解，适用于需要依赖上下文的逻辑推理。
5. 代码节点
   功能：处理常规或特定需求的功能。
   特性：支持自然语言描述生成代码。
6. 知识库节点
   功能：根据大量文档进行信息检索。
   特性：输出对象类型的数组，包含搜索到的切片信息。
7. 工作流节点
   功能：嵌套调用其他工作流。
   特性：可以传递输出给下一个节点。
8. 选择器节点
   功能：根据条件产生不同的分支。
   特性：用于执行不同的操作路径。
   插件节点的使用
   单次执行：一次性执行插件。
   批量执行：分批多次运行插件，适合需要处理大量数据的场景。
   示例：批量处理
   假设需要对多个网页进行内容爬取和总结：

输入：关键词进行搜索，获取多个网页。
输出：对每个网页进行解析，生成总结信息。
代码节点的应用示例
功能：通过代码处理输入数据，生成所需输出。
步骤：
输入数据。
代码生成相应的处理逻辑。
输出处理结果。
知识库节点的应用示例
功能：根据输入关键词进行信息检索。
步骤：
输入关键词。
输出相关信息片段。
总结
工作流通过结构化的方式将各类任务分解成可管理的节点，能够有效地处理复杂任务，提高工作效率。每个节点的功能和特性都为实现最终目标提供了支持，确保输出结果的准确性和有效性。

🔍 判 断 的 基 本 原 理
“判断基于实现的原理可以选择器更适用于解决一些数值计算相关的问题。”

选择器的功能
选择器用于根据条件执行不同的操作，主要包括以下几个方面：

分支：通过条件判断来决定执行的路径。
条件：可以是等于、不等于、大于等，具体取决于需要判断的逻辑。
分支的实现
点击右上角可以新增分支或删除分支。
当前练习的三个层级：
第一个层级：基本判断。
第二个层级：否则条件。
第三个层级：鉴别边界。
判 断 的 逻 辑
判断的逻辑需要选择一个引用的变量，进行如下操作：

输入：可以通过变量进行输入。
条件设定：如“等于”、“不等于”、“长度大于”等。
例子：输入决策
假设我们要根据输入的数字来决定今天吃什么：

输入为 1：输出“今天吃火锅”。
输入为 2：输出“今天吃烤肉”。
其他输入：输出“今天吃披萨”。
文 本 处 理
文本处理是实现判断逻辑的另一种方式，主要用于处理特定类型的数据。以下是具体的处理流程：

输入 输出
1 吃火锅
2 吃烤肉
其他 吃披萨
链 路 的 实 现
在实现选择器的过程中，可以通过以下步骤进行输出：

输入处理：根据输入值决定走哪条链路。
输出结果：根据选择的链路输出相应的结果。
参数的传递
在选择器中，音型参数是不可为恐的，文本处理结果不需要输入参数。处理逻辑可以通过随机输入测试，如：

输入 1，输出“今天吃火锅”。
输入 2，输出“今天吃烤肉”。
最终结果
最终的输出将基于选择的链路进行判断，具体结果如下：

依赖输入的具体值，选择不同的输出路径。
每个链路的输出结果将是基于特定的判断条件。
通过以上的讲解，大家可以更好地理解选择器的节点功能和判断逻辑的应用。

🤖 意图识别与文本处理
意图识别
“意图识别是基于特定模型对用户意图进行判断的过程。”

意图识别的功能
意图识别能够判断用户的不同需求，并决定相应的处理路径。
例如，当用户对某些内容提出问题时，可以通过知识库进行查询。
示例
用户可能会询问：“我想了解关于某个主题的信息。”此时，系统需要识别出用户的意图并从知识库中提取相关信息。
意图的描述与增强
可以通过添加与问题相关的关键词来增强意图描述。
例如，添加“关于课程的介绍”作为关键词，提高意图匹配的成功率。
输入与模型总结
在意图识别过程中，两个重要的输入参数是：

输入参数 来源
INPUT 1 知识库的内容
INPUT 2 通过搜索获得的结果
根据输入参数，模型会进行总结并生成最终的答案。
文本处理
“文本处理是对字符串进行转换或相关处理的过程。”

文本处理的目的
处理的主要目的是使输出符合预期格式。
例如，在搜索过程中，需要将多个节点的输出进行合并。
示例
用户输入关键词，系统提取相关信息并进行处理，例如：
搜索“北京最热门的景点”。
系统返回故宫、天安门广场、长城等。
节点与工作流
在工作流中，消息节点的作用是输出中间结果，并在最终结果完成后通过结束节点输出。

节点类型 功能描述
消息节点 输出中间结果
结束节点 输出最终结果
数据库节点与变量
数据库节点的功能
数据库节点用于管理和查询存储的数据。
例如，可以创建一个记账本来管理日常消费。
查询数据的示例
用户可以执行查询操作，获取最近的消费记录。
查询的输出将包括物品、价格等信息。
变量的使用
变量可用于在工作流中引用外部设置的值。
例如，用户可以通过变量来插入或更新数据库中的数据。
实际应用场景
用户查询近三条消费记录。
系统返回每条记录的物品及价格。
结论
意图识别和文本处理是构建智能系统的重要组成部分。
通过使用数据库和变量，系统能够更灵活地处理用户请求并提供精确的反馈。
🗺️ 旅 行 计 划 工 作 流
“工作流主要是旅行计划，我们将逐步演示如何从0到1搭建一个工作流。”

工作流的执行逻辑
在创建一个旅行计划的工作流时，我们需要遵循以下几个步骤：

确定目的地

用户首次输入希望去的地方。
确认目的地的热门景点。
寻找热门景点

确定目的地后，获取该地区的热门景点推荐（例如：H0PEN的景点）。
可能需要使用搜索插件来查找信息。
美食推荐

在景点附近寻找好吃的餐厅。
需要利用地图插件，执行周边搜索。
交通安排

确定各个景点之间的交通路线。
订酒店等细节也可以包含在内。
生成完整旅行计划

依赖于玩几天的计划，最终生成的旅行计划会有所不同。
具体步骤
步骤 描述
步骤 1 用户输入目的地名称。
步骤 2 查找该城市的热门景点推荐（默认三天游玩，6-10个景点）。
步骤 3 使用搜索插件获取最热门的6个景点。
步骤 4 利用高德地图插件获取附近餐厅信息。
步骤 5 生成最终的旅行计划，包括景点和餐厅的详细信息。
示例：生成旅行计划
假设用户选择在北京游玩三天，我们的工作流会如下执行：

查找热门景点

使用关键词搜索，获取北海公园、故宫等6个热门景点。
查找餐厅

对每个景点附近进行餐厅搜索（例如：通过高德地图的周边搜索功能）。
生成计划

整理和输出最终生成的旅行计划，包括每一天的活动安排和对应的餐厅信息。
处理逻辑细节
搜索插件的使用
需要输入关键词，获取相关的热门景点和餐厅。
批处理策略
对于多个景点，需要分别执行搜索，以获得更准确的结果。
最终输出示例
用户最终会得到如下的旅行计划：

第一天

上午：天安门
午餐：故宫附近的餐厅
下午：北海公园
第二天

上午：故宫博物馆
午餐：圆明园附近的餐厅
第三天

上午：颐和园
午餐：巴达林长城附近的餐厅
用户体验优化
为了避免用户在等待信息时感到无聊，可以提前将即将访问的景点信息告知用户。
通过在大模型节点中添加消息节点，提前把信息传递出去。
错误处理机制
如果用户输入的游玩天数不足，系统会提示用户默认设置（例如：游玩三天，访问六个景点）。
需对用户的输入进行判断，确保逻辑流程的正确性。
总结
通过以上步骤，我们可以有效构建一个旅行计划的工作流，确保用户得到满意的旅行安排。下一节课将重点介绍如何在知识库中使用文本、表格和照片等功能。