配置节点

配置节点

节点是工作流的基本执行单元。其配置决定了数据如何被处理、流转，并最终达成业务目标。一个节点遵循 “输入-处理-输出” 的核心逻辑，并可嵌入执行前后的控制与后置动作。

节点核心架构

一个完整节点的执行逻辑遵循以下流程：

graph TD
    subgraph NODE ["一个完整节点"]
        direction LR
        PRE["节点执行前<br>(PRE-CHECK)"]
        CORE_Sub["核心处理"]
        POST["节点执行后<br>(POST-ACTION)"]
    end

    START["上游节点/开始"] -->|"输入数据"| PRE
    PRE -->|"条件满足"| CORE_Sub
    CORE_Sub -->|"处理结果"| POST
    POST -->|"输出数据"| END["下游节点/结束"]

    subgraph CORE ["核心处理"]
        INPUT["输入资源<br>(INPUT)"]
        PROCESS["AI处理<br>(PROCESS)"]
        INPUT -->|"提供上下文"| PROCESS
    end

    CORE_Sub -.-> INPUT
    PROCESS -.-> CORE_Sub

    style NODE fill:#e3f2fd,stroke:#1976d2
    style CORE fill:#fff3e0,stroke:#f57c00
    style START fill:#e8f5e9,stroke:#388e3c
    style END fill:#e8f5e9,stroke:#388e3c

配置详解

1. 输入资源 (INPUT)

在此处绑定从资源仓库中已上传的各类文件或数据，作为本节点 AI 处理的上下文原料。

  • 内容类型：图片、文档（PDF/Word/PPT等）、数据库表、文本片段等。
  • 配置方式**：从资源仓库列表中勾选或拖拽添加。

使用场景：为“合同审核”节点上传待审的 PDF 合同；为“周报生成”节点关联本周的 Jira 任务数据库。

2. AI处理 (PROCESS)

调用 AI 模型对输入资源智能分析、总结、改写或生成。

  • 模型选择：支持本地部署或在线大模型（如 GPT、Claude 等）。
  • 关键参数：
    • Temperature：控制生成文本的随机性与创造性。值，输出越多样；值越低，输出越确定。
    • 提示词 (Prompt)：指导 AI 执行具体任务的指令文本。清晰的提示词是获得预期结果的关键。
  • 优化工具：
    • AI优化点击后，AI 将自动分析并优化您填写的提示词，使其更清晰、有效。
    • 测试运行：在不保存节点的情况下，快速验证当前配置下的 AI 输出结果。
    • 执行步骤优化： 将分析您的处理目标，并建议更高效或更精准的处理步骤组合。

3. 节点执行前 (PRE-CHECK)

在核心的 AI 处理开始前，设置执行条件或前置动作。

  • 逻辑组件：进行“是/否”判断。例如：“输入文档字数 > 1000？”。
  • 应用组件：执行一个自动化操作。例如：“弹出窗口，请用户确认是否继续”。
  • 条件类型：
    • AND与)：所有条件均需满足，节点才执行。
    • OR (或)：多个条件中，满足任意一个即可执行。
  • 使用场景：在“发送营销邮件”节点前，判断“客户是否已订阅（逻辑）”且“邮件模板是否已就绪（逻辑）”；或在“数据导出”节点前，先执行“申请管理员权限（应用）”。

4. 节点执行后 (POST-ACTION)

在核心 AI 处理完成后，成功或失败的状态，触发后续动作。

  • 执行依据：可选择在节点“运行成功”或“运行失败”时触发。
  • 动作类型：同样可调用逻辑组件或应用组件。
  • 使用场景：在“数据备份”节点成功后，执行“发送成功通知到钉钉（应用）”；在“模型训练”节点失败后，执行“记录错误日志到数据库（应用）”。

5. 节点规则

此处规则仅在本节点执行时生效，用于微调节点行为。

  • 忽略执行错误：此开关默认关闭。
    • 关闭状态：节点执行出错时，整个工作流立即停止。这是确保流程严谨性的默认行为。
    • 开启状态：节点执行出错时，跳过此节点，继续执行后续节点。适用于非核心、可容错的节点。

配置流程图解

以下图表概括了从创建到配置一个节点的决策路径：

graph TD
    START["开始配置节点"] --> STEP1["1. 填写节点名称"]
    STEP1 --> STEP2["2. 配置 INPUT<br>从资源仓库选择"]
    STEP2 --> STEP3["3. 配置 PROCESS<br>选择模型、填写提示词"]
    STEP3 --> DEC1{“需要优化提示词？”}
    DEC1 -->|是| OPT1["使用 AI 优化"]
    OPT1 --> TEST
   1 -->|否| TEST["点击 测试运行"]
    TEST --> DEC2{“结果符合预期？”}
    DEC2 -->|否| STEP3
    DEC2 -->|是| STEP4["4. 配置 PRE-CHECK<br>设置执行条件"]
    STEP4 --> STEP5["5. 配置 POST-ACTION<br>设置后置动作"]
    STEP5 --> STEP6["6. 设置节点规则<br>（如：忽略执行错误）"]
    STEP6 -->ISH["节点配置完成"]

    style START fill:#e1f5fe
    style FINISH fill:#e1f5fe

最佳实践建议

  1. 先测试，后串联：充分利用 “测试运行” 功能，确保单个节点的输出稳定可靠，再将其接入复杂工作流。
  2. 善用条件控制：通过 PRE-CHECK 为关键节点增加“检查点”，避免无效或错误的执行，提升流程壮性。
  3. 明确错误处理：根据节点重要性，慎重决定是否开启 “忽略执行错误”。对于核心节点，建议保持关闭以保证流程完整性。
  4. 提示词求精：提示词是驱动 AI 的“指令”。描述越具体、角色和格式越清晰，输出质量越高。积极使用 AI优化 功能。