全部产品
Search
文档中心

大模型服务平台百炼:工作流应用

更新时间:Dec 17, 2024

工作流应用将复杂的任务拆分成一系列有序执行的步骤,以降低系统复杂度。在百炼,通过工作流组合使用大模型、API和函数计算等节点,可有效降低编码成本。本文介绍如何创建工作流。

应用介绍

使用场景

  • 旅行规划:用户可通过工作流插件选择目的地等参数,自动生成旅行计划,包括航班、住宿、景点推荐等。

  • 报告分析:针对复杂数据集,通过组合数据处理、分析和可视化插件,生成结构化和格式化的分析报告,满足不同业务需求。

  • 客服支持:通过自动化工作流处理客户咨询,包括问题分类等,提高客服响应速度和准确性。

  • 内容创作:实现文章、市场营销文案等内容的生成,用户只需输入主题和要求,系统自动生成符合要求的文稿。

  • 教育培训:通过工作流设计个性化学习方案,包括学习进度跟踪、测评等,实现学生的自主学习。

  • 医疗问诊:根据患者输入的症状,通过组合多种分析工具生成初步诊断或推荐相关检查,辅助医生进行进一步判断。

支持模型

  • 通义千问-Max

  • 通义千问-Plus

  • 通义千问-Turbo

  • 通义千问VL-Plus

  • 通义千问VL-Max

模型详情请参见模型列表

具体案例

入门案例

本段落以创建一个判断短信是否涉及电信诈骗的工作流应用为例进行说明。

  1. 阿里云百炼大模型服务平台左侧导航栏中,单击我的应用

    image

  2. 单击新增应用,选择工作流应用,单击创建任务型工作流,进入工作流配置页面。

    image

  3. 进入页面后,输入节点会预设两个参数,可自主更改,不影响后续操作。

  4. 将左侧大模型节点拖入画布配置页面,将输入节点连接到大模型节点,并配置对应参数。

    • 配置输入节点:删除默认的city,date参数。输入节点内置一个默认参数query,故此处不需要参数。

    • 配置大模型节点:

      参数

      配置对应参数

      模型配置

      通义千问-Max

      温度系数

      默认值

      最长回复长度

      1024

      enable_search

      关闭

      Prompt

      System Prompt: 
      分析并判断所给信息是否存在诈骗嫌疑。给出肯定答案,是否存在诈骗嫌疑。
       处理要求:细致审查信息内容,关注关键词汇和典型诈骗模式,如请求紧急转账、提供个人信息、承诺不切实际的利益等。 
      操作步骤: 
      1. 识别信息中的关键要素,包括但不限于发件人身份、提出的请求、承诺的回报及任何紧迫性表述。 
      2. 对比已知的诈骗案例特征,检查信息中是否有类似的操作手法或语言模式。 
      3. 评估信息的整体合理性,考虑所提要求是否符合常规逻辑和常规流程。 
      4. 若信息中包含链接或附件,不要直接点击或下载,以避免潜在的安全风险,并提醒用户注意此类内容的危险性。 
      输出格式:明确指出该信息是否展现出诈骗的特征,并简要说明判断依据。如果存在诈骗嫌疑,提供一些建议或预防措施以保护用户安全。
      User Prompt:
      判断“${sys.query}”该信息是否涉嫌诈骗信息。
      说明

      也可以输入/插入变量。选择系统变量query

      image

      输出

      默认

    image

  5. 将左侧意图分类节点拖入画布配置页面,将大模型节点连接到意图分类节点,并配置对应参数。

    参数

    配置对应参数

    输入

    选择LLMresult

    模型配置

    通义千问-Plus

    意图配置

    添加参数

    • 该信息涉及诈骗

    • 该信息不涉及诈骗

    其他意图

    默认

    输出

    默认

    image

  6. 将左侧文本转换节点拖入画布配置页面,将意图分类节点中所有节点连接到该文本转换节点,并配置对应参数。

    参数

    配置对应参数

    输入模板

    输入/插入变量。分别选择Classifierresultsubjectthought,以及LLMresultimage

    image

  7. 文本转换节点连接到输出节点,并配置对应参数。

    参数

    配置对应参数

    输出模式

    选择文本输出

    输入

    输入/插入变量。选择TextConverterresultimage

    image

  8. 单击右上角测试,在query参数输入值你妈想你了,有空打个电话,单击执行

    image

  9. 等待工作流运行结束后,输出节点会输出运行结果

    image

  10. 继续单击右上角测试,在query参数输入值你有一条中奖信息,请查收,单击执行

    image

  11. 等待工作流运行结束后,输出节点会输出运行结果

    image

  12. 单击右上角发布,即可发布成功。

进阶案例

本段落以创建一个智能导购员(可推荐手机、电视,冰箱)的对话性型工作流为例进行说明。在对话型工作流中,${sys.query}为应用使用者在对话框中输入的内容。

  1. 阿里云百炼大模型服务平台左侧导航栏中,单击我的应用

    image

  2. 单击创建应用,选择工作流应用,单击创建对话型工作流,进入工作流配置页面。

    image

  3. 进入页面后,输入节点会预设两个参数,可自主更改,不影响后续操作。

  4. 将左侧意图分类节点拖入画布配置页面,将输入节点连接到意图分类节点,并配置对应参数。

    • 配置输入节点:删除默认的city,date参数。输入节点内置一个默认参数query,故此处不需要参数。

    • 配置意图分类节点:

      参数

      配置对应参数

      输入

      选择系统变量query

      模型配置

      通义千问-Plus

      意图配置

      添加参数

      • 电视

      • 手机

      • 冰箱

      其他意图

      意图未匹配时,匹配此链路,默认

      输出

      默认

    image

  5. 将左侧大模型节点拖入画布配置页面,将意图分类节点电视节点连接到该大模型节点,并配置对应参数。

    参数

    配置对应参数

    模型配置

    通义千问-Max

    温度系数

    默认值

    最长回复长度

    1024

    enable_search

    关闭

    Prompt

    System Prompt:
    你是负责给顾客推荐电视的智能导购员。
    你需要按照下文中【电视的参数列表】中的顺序来主动询问用户需要什么参数的电视,一次只能问一个参数,不要对一个参数进行重复提问。
    如果用户告诉了你这个参数值,你要继续询问剩余的参数。
    如果用户询问这个参数的概念,你要用你的专业知识为他解答,并继续向他询问需要哪个参数。
    如果用户有提到不需要继续购买商品,请输出:感谢光临,期待下次为您服务。
    【电视的参数列表】
    1.屏幕尺寸:【50英寸、70英寸、80英寸】
    2.刷新率:【60Hz、120Hz、240Hz】
    3.分辨率:【1080P、2K、4K】
    如果【电视的参数列表】中的参数都已收集完毕,你要问他:“请问您是否确定购买?”,并同时将顾客选择的参数信息输出,如:50英寸|120Hz|1080P。问他是否确定需要这个参数的电视。如果顾客决定不购买,要问他需要调整哪些参数。
    如果顾客确定这个参数符合要求,你要按照以下格式输出:
    【屏幕尺寸:50英寸,刷新率:120Hz,分辨率:1080P】。请你只输出这个格式的内容,不要输出其它信息。
    User Prompt:
    用户的问题是:${sys.query}
    说明

    也可以输入/插入变量。选择系统变量queryimage

    上下文

    关闭

    输出

    默认

    image

  6. 同理,将左侧大模型节点拖入画布配置页面,将意图分类节点手机节点连接到该大模型节点,并配置对应参数。

    参数

    配置对应参数

    模型配置

    通义千问-Max

    温度系数

    默认值

    最长回复长度

    1024

    enable_search

    关闭

    Prompt

    System Prompt:
    你是负责给顾客推荐手机的智能导购员。
    你需要按照下文中【手机的参数列表】中的顺序来主动询问用户需要什么参数的手机,一次只能问一个参数,不要对一个参数进行重复提问。
    如果用户告诉了你这个参数值,你要继续询问剩余的参数。
    如果用户询问这个参数的概念,你要用你的专业知识为他解答,并继续向他询问需要哪个参数。
    如果用户提到不需要继续购买商品,请输出:感谢光临,期待下次为您服务。
    【手机的参数列表】
    1.使用场景:【游戏、拍照、看电影】
    2.屏幕尺寸:【6.4英寸、6.6英寸、6.8英寸、7.9英寸折叠屏】
    3.RAM空间+存储空间:【8GB+128GB、8GB+256GB、12GB+128GB、12GB+256GB】
    如果【参数列表】中的参数都已收集完毕,你要问他:“请问您是否确定购买?”,并同时将顾客选择的参数信息输出,如:用于拍照|8GB+128GB|6.6英寸。问他是否确定需要这个参数的手机。如果顾客决定不购买,要问他需要调整哪些参数。
    如果顾客确定这个参数符合要求,您要按照以下格式输出:
    【使用场景:拍照,屏幕尺寸:6.8英寸,存储空间:128GB,RAM空间:8GB】。请你只输出这个格式的内容,不要输出其它信息。
    User Prompt:
    用户的问题是:${sys.query}
    说明

    也可以输入/插入变量。选择系统变量queryimage

    上下文

    关闭

    输出

    默认

    image

  7. 同理,将左侧大模型节点拖入画布配置页面,将意图分类节点冰箱节点连接到该大模型节点,并配置对应参数。

    参数

    配置对应参数

    模型配置

    通义千问-Max

    温度系数

    默认值

    最长回复长度

    1024

    enable_search

    关闭

    开启搜索

    关闭

    Prompt

    System Prompt:
    你是负责给顾客推荐冰箱的智能导购员。
    你需要按照下文中【冰箱的参数列表】中的顺序来主动询问用户需要什么参数的冰箱,一次只能问一个参数,不要对一个参数进行重复提问。
    如果用户告诉了你这个参数值,你要继续询问剩余的参数。
    如果用户询问这个参数的概念,你要用你的专业知识为他解答,并继续向他询问需要哪个参数。
    如果用户有提到不需要继续购买商品,请输出:感谢光临,期待下次为您服务。
    【冰箱的参数列表】
    1.使用场景:【家用、小型商用、大型商用】
    2.容量:【200L、300L、400L、500L】
    3.能效等级:【一级能效、二级能效、三级能效】
    如果【参数列表】中的参数都已收集完毕,你要问他:“请问您是否确定购买?”并同时将顾客选择的参数信息输出,如:用于小型商用|300L|一级能效。问他是否确定需要这个参数的冰箱。如果顾客决定不购买,要问他需要调整哪些参数。
    如果顾客确定这个参数符合要求,你要按照以下格式输出:
    【使用场景:家用,容量:300L,能效等级:一级能效】。请你只输出这个格式的内容,不要输出其它信息。
    User Prompt:
    用户的问题是:${sys.query}
    说明

    也可以输入/插入变量。选择系统变量queryimage

    上下文

    关闭

    输出

    默认。

    image

  8. 将左侧文本转换节点拖入画布配置页面,将三个大模型节点连接到文本转换节点,并配置对应参数。

    参数

    配置对应参数

    输入模板

    输入/插入变量。分别选择三个LLMresultimage

  9. 再将左侧文本转换节点拖入画布配置页面,将意图分类节点其他意图节点连接到该文本转换节点,并配置对应参数。

    参数

    配置对应参数

    输入模板

    输入此商品不在导购范围内。感谢关临,期待下次为你服务。

    image

  10. 将两个文本转换节点链接到输出节点,并配置对应参数。

    参数

    配置对应参数

    输出模式

    选择文本输出

    输入

    输入/插入变量。分别选择两个TextConverterresult

    image

  11. 单击右上角测试,在对话框输入给我介绍一下你们的冰箱,我要家用的?,单击执行。

    image

  12. 等待工作流运行结束后,输出节点会输出运行结果

    image

  13. 可继续追问,在对话框输入介绍一下200L的家用冰箱?运行结果如下。

    image

  14. 可继续问,在对话框输入给我介绍一下你们的耳机?运行结果如下。

    image

  15. 单击右上角发布,即可发布成功。

节点说明

开始/结束节点

  • 定义:开始节点用于开启一个工作流,结束节点用于输出工作流的结果。请注意,每个工作流都必须包含一个开始节点和一个结束节点。结束节点为最后节点,后面不能再添加其他节点,工作流应用中运行到结束节点后才输出执行结果。结束节点至少需要声明一个或多个输出变量,声明中可运用任意上游节点的输出变量。

  • 开始节点参数配置:

    参数名

    参数说明

    变量名

    输入参数key。

    类型

    参数类型,支持StringBooleanNumber

    描述

    参数描述。

    说明

    开始节点提供了内置系统变量:sys.query , 用于对话应用中的用户输入问题。

  • 结束节点参数配置:

    参数名

    参数说明

    输出模式

    可选文本输出JSON输出

    输入

    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:

    在以下百炼手机咨询工作流中,结束节点声明的变量Retrieval_DRce/result为上游节点的输出,即该工作流会在知识库节点执行完成后结束,并输出知识库节点的执行结果。

    测试界面,query参数中输入你们有哪些手机

    image

    结束节点输出:

    image

知识库节点

  • 定义:配置知识库,搜索相关内容或片段,输出搜索结果及相关信息。知识库节点可作为大模型节点的前置节点。

  • 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。

    选择知识库

    可选择自己指定的知识库,可多选。

    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:

    常见场景:建立基于外部数据或知识的人工智能问答系统(RAG)。

    以下是一个简单的知识库问答示例。其工作流程逻辑如下:知识库节点作为大模型的前置节点。当用户提出问题时,系统会将该问题传递给知识库节点进行检索。知识库节点首先在知识库中查找与用户问题最相关的文本内容,并将其召回。接下来,用户的问题和召回的内容会一起传递给大模型,以便大模型根据内容来回复问题。

    测试界面,query参数中输入给我介绍一下你们的手机

    image

    知识库节点输出:

    rewriteQuery:表示对用户查询的重写版本,这通常用于优化查询,以便更好地匹配可用的信息或文档。
    documentName:文档的名称或标识符,用于引用具体的文档。
    title:文档的标题,通常是文档的名称或者描述,帮助用户快速理解文档的主题。
    content:文档的主要内容,通常是一小段文本,能够提供与用户查询相关的信息。
    score:评分值,用于表示该文档与查询的相关性,分数越高,表示该文档与查询的匹配度越好。
    {
      "result": {
        "rewriteQuery": "给我介绍一下你们的手机",
        "chunkList": [
          {
            "score": 0.3639097213745117,
            "documentName": "百炼系列手机产品介绍",
            "title": "百炼手机产品介绍",
            "content": "参考售价:5999- 6499。百炼 Ace Ultra -游戏玩家之选:配备 6.67英寸 1080 x 2400像素屏幕,内置 10GB RAM与 256GB存储,确保游戏运行丝滑无阻。百炼 Ace Ultra -游戏玩家之选:配备 6.67英寸 1080 x 2400像素屏幕,内置 10GB RAM与 256GB存储,确保游戏运行丝滑无阻。5500mAh电池搭配液冷散热系统,长时间游戏也能保持冷静。高动态双扬声器,沉浸式音效升级游戏体验。参考售价:3999- 4299。百炼 Zephyr Z9 -轻薄便携的艺术:轻巧的 6.4英寸 1080 x 2340像素设计,搭配 128GB存储与 6GB RAM,日常使用游刃有余。4000mAh电池确保一天无忧,30倍数字变焦镜头捕捉远处细节,轻薄而不失强大。参考售价:2499- 2799。百炼 Flex Fold+ -折叠屏新纪元:集创新与奢华于一身,主屏 7.6英寸 1800 x 2400像素与外屏 4.7英寸 1080 x 2400像素,多角度自由悬停设计,满足不同场景需求。512GB存储、12GB RAM,加之 4700mAh电池与 UTG超薄柔性玻璃,开启折叠屏时代新篇章。此外,这款手机还支持双卡双待、卫星通话,帮助您在世界各地都能畅联通话。参考零售价:9999- 10999。",
            "score": 85.7
          },
          {
            "score": 0.3558429479598999,
            "documentName": "百炼系列手机产品概述",
            "title": "百炼手机产品概述",
            "content": "欢迎来到未来科技的前沿,探索我们精心打造的智能手机系列,每一款都是为了满足您对科技生活的无限遐想而生。百炼 X1 -畅享极致视界:搭载 6.7英寸 1440 x 3200像素超清屏幕,搭配 120Hz刷新率,流畅视觉体验跃然眼前。256GB海量存储空间与 12GB RAM强强联合,无论是大型游戏还是多任务处理,都能轻松应对。5000mAh电池长续航,加上超感光四摄系统,记录生活每一刻精彩。参考售价:4599- 4999通义 Vivid 7 -智能摄影新体验:拥有 6.5英寸 1080 x 2400像素全面屏,AI智能摄影功能让每一张照片都能展现专业级色彩与细节。8GB RAM与 128GB存储空间确保流畅操作,4500mAh电池满足日常所需。侧面指纹解锁,便捷又安全。参考售价:2999- 3299星尘 S9 Pro -创新视觉盛宴:突破性 6.9英寸 1440 x 3088像素屏下摄像头设计,带来无界视觉享受。512GB存储与 16GB RAM的顶级配置,配合 6000mAh电池与 100W快充技术,让性能与续航并驾齐驱,引领科技潮流。参考售价:5999- 6499。百炼 Ace Ultra -游戏玩家之选:配备 6.67英寸 1080 x 2400像素屏幕,内置 10GB RAM与 256GB存储,确保游戏运行丝滑无阻。",
            "score": 85.2
          },
          {
            "score": 0.28801095485687256,
            "documentName": "百炼系列手机概述",
            "title": "百炼系列手机概述",
            "content": "此外,这款手机还支持双卡双待、卫星通话,帮助您在世界各地都能畅联通话。参考零售价:9999- 10999。每一款手机都是匠心独运,只为成就您手中的科技艺术品。选择属于您的智能伙伴,开启未来科技生活的新篇章。",
            "score": 86.3
          }
        ]
      }
    }

    结束节点输出:

    image

大模型节点-任务型工作流

  • 定义:通过大模型处理输入的变量或内容,输出处理结果作为变量向后传递。大模型节点是工作流的核心,运用语言模型的对话、生成、分类等能力,根据提示词处理多种任务,适用于工作流的各个环节。

  • 节点参数配置:

    参数名

    参数说明

    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

    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。

    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。

    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。

    enable_search

    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enable_search。

    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:

    测试界面,query参数中输入芯片工程师

    image

    结束节点输出:

    短期规划(1-3年):
    
    1. 技能提升:
       - 技术技能:深入学习集成电路设计、模拟/数字电路原理、半导体物理、VLSI设计、版图设计(LAYOUT)、Verilog或VHDL等硬件描述语言。掌握主流EDA工具(如Cadence, Synopsys, Mentor Graphics)的使用,特别是针对特定工艺节点的设计与验证工具。
       - 软件与编程:强化Python、C/C++编程能力,了解机器学习基础,因为这些技能在自动化设计、算法优化等方面越来越重要。
       - 项目管理:学习基本的项目管理知识,如敏捷开发、Scrum框架,以提高团队协作效率。
    
    2. 项目参与:
       - 选择涉及前沿技术的项目,如5G/6G通信芯片、AI加速器、自动驾驶芯片等,这些领域不仅技术挑战大,也是行业发展的热点。
       - 参与从概念设计到流片(tape-out)的完整流程,尤其是关键环节如前端设计(RTL设计)、后端实现(物理设计)、验证和测试,以获得全面经验。
    
    3. 职位晋升路径:
       - 从初级芯片设计工程师开始,逐步晋升为中级工程师,负责更复杂的模块设计或项目领导职责。
       - 考虑向专业技术方向发展(如模拟电路设计师、数字电路设计师、物理设计工程师)或向管理方向发展(如项目负责人、团队经理)。
    
    长期规划(5-10年):
    
    1. 行业趋势分析:
       - 关注物联网、人工智能、高性能计算、量子计算等领域的技术进展,这些将是推动芯片行业发展的主要动力。
       - 随着摩尔定律放缓,三维集成、新材料(如碳纳米管、二维材料)的应用、以及后摩尔时代的新架构将成为研究重点。
    
    2. 高级职位或跨领域转型:
       - 高级技术专家:成为特定技术领域的权威,如射频芯片设计专家、AI芯片架构师等,通过发表论文、申请专利等方式建立个人品牌。
       - 跨领域融合:结合芯片技术与其他领域(如生物医疗、新能源)的知识,探索新的应用方向,如可穿戴设备中的智能芯片、能源管理系统中的高效控制芯片。
       - 管理层发展:争取成为部门总监或更高层级的管理职位,负责战略规划、团队建设及业务拓展。
    
    3. 累积经验和资源:
       - 网络构建:积极参与行业会议、研讨会,加入专业社群,与业界领袖建立联系,拓宽视野,寻找合作机会。
       - 持续学习:紧跟技术发展,定期参加专业培训、在线课程,甚至考虑攻读MBA或相关领域研究生学位,提升管理和商业理解能力。
       - 国际视野:如果条件允许,尝试在不同国家或地区的公司工作,了解全球市场动态,积累国际工作经验。
    
    总之,芯片工程师的职业发展应聚焦于深化技术专长的同时,保持对行业趋势的敏感性,灵活适应技术变革,不断拓宽知识边界,以实现个人职业生涯的持续成长和成功转型。

大模型节点-对话型工作流

  • 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。

    image

  • 上下文:声明大模型需要的上下文输入,默认的 ${sys.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。

    image

    image

API节点

  • 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POSTGET

    Header设置

    设置Header参数,设置KEYVALUE

    Param设置

    设置Param参数,设置KEYVALUE

    Body设置

    可选:noneform-dataramJSON

    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:

    使用POST方法,调用接口。

    image

    结束节点输出:

    image

意图分类节点

  • 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。

    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:

    以下是一个简单的意图分类节点示例。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售前咨询还是售后反馈类别,或者其他类别,思考模式选择效率模式,高级配置填写配置信息。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。

    image

  • 测试结果:在测试界面,query参数中输入你们手机怎么买啊

    结束节点输出:

    image

文本转换节点

  • 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

    输入模板

    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。

    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。

    测试界面,query参数中输入数学

    image

    结束节点输出:

    image

脚本转换节点

  • 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。

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

    image

    结束节点输出:

    image

条件判断节点

  • 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,结束节点将输出生成的回复。

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

    image

    结束节点输出:

    image

函数计算节点

  • 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。

    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

    image

    结束节点输出:

    image