Coze工作流介绍(一)

简介: Coze工作流介绍(一)

Coze工作流介绍

工作流支持通过可视化的方式,对插件、大语言模型、代码块等功能进行组合,从而实现复杂、稳定的业务流程编排,例如旅行规划、报告分析等。

当目标任务场景包含较多的步骤,且对输出结果的准确性、格式有严格要求时,适合配置工作流来实现。

功能概述

工作流由多个节点构成,节点是组成工作流的基本单元。例如,大语言模型 LLM、自定义代码、判断逻辑等节点。

工作流默认包含了 Start 节点和 End 节点。

  • Start 节点是工作流的起始节点,可以包含用户输入信息。
  • End 节点是工作流的末尾节点,用于返回工作流的运行结果。

不同节点可能需要不同的输入参数,输入参数分为引用输入两类。引用是指引用前面节点的参数值、输入则是支持设定自定义的参数值。

扣子为你提供了以下基础节点,除此之外,你还可以添加插件节点或其他工作流。

节点名称 描述
LLM 大语言模型节点。使用输入参数和提示词生成处理结果。
Code 代码节点。通过 IDE 编写代码处理输入参数,并返回输出值。
Knowledge 知识库节点。根据输入参数从关联知识库中召回数据,并返回。
Condition if-else 逻辑节点。用于设计工作流内的分支流程,满足设置条件则运行如果分支,否则运行否则分支。

典型场景

以下提供工作流的典型场景供你参考。

入门场景

仅添加一个节点所构建的简单工作流。

  • 场景一:通过插件节点内的插件能力,自定义工作流。
  • 例如,使用获取新闻插件,构建一个用于获取新闻列表的工作流。详细配置教程可参见搜索新闻。

  • 场景二:使用大语言模型(LLM)节点,接收并处理用户问题。
  • 详细配置教程可参见使用 LLM 处理问题。

  • 场景三:使用 Code 节点,生成随机数。
  • 详细配置教程可参见生成随机数。

进阶场景

通过多节点组合,构建逻辑较复杂的工作流。

  • 场景一:搜索并获取指定信息的详情。
  • 先通过插件能力进行关键词搜索、然后通过 Code 节点过滤指定信息、最后通过插件能力获取信息详情。详细配置教程可参见搜索并获取第一个链接内容。

  • 场景二:通过条件判断,识别用户意图。
  • 例如,通过 LLM 节点处理用户消息,将消息分为不同的类型,然后通过 Condition 节点分别处理不同类型的用户消息。详细配置教程可参见识别用户意图。

目录
相关文章
|
存储 开发工具 数据库
搭建zotero到obsidian的工作流
所谓“工欲善其事,必先利其器”(差生文具多),想要针对一个领域研究出成果,首先需要建立其对于这个领域完善的知识体系,即形成属于自己的知识库。现在有非常多的笔记软件,例如Notion、语雀、Obsidian等等,对于建立知识库非常有帮助,下面我就来谈谈我个人探索出来的一套从zotero管理文献,到阅读文献做笔记再到obsidian中形成阅读笔记的丝滑工作流。
2174 0
|
4月前
|
存储 人工智能 API
RAG-MCP:基于检索增强生成的大模型工具选择优化框架
RAG-MCP是一种通过检索增强生成技术解决大型语言模型(LLM)工具选择困境的创新框架。它针对提示词膨胀和决策效率低的问题,利用语义检索动态筛选相关工具,显著减少提示词规模并提升准确率。本文深入解析其技术原理,包括外部工具索引构建、查询时检索处理等核心步骤,以及实验评估结果。RAG-MCP不仅优化了LLM的工具使用能力,还为AI代理的发展提供了重要支持,未来可在极端规模检索、多工具工作流等方面进一步探索。
379 16
RAG-MCP:基于检索增强生成的大模型工具选择优化框架
|
人工智能 JavaScript IDE
使用Coze工作流(二)
使用Coze工作流(二)
1963 0
|
9月前
|
人工智能 数据可视化 JavaScript
NodeTool:AI 工作流可视化构建器,通过拖放节点设计复杂的工作流,集成 OpenAI 等多个平台
NodeTool 是一个开源的 AI 工作流可视化构建器,通过拖放节点的方式设计复杂的工作流,无需编码即可快速原型设计和测试。它支持本地 GPU 运行 AI 模型,并与 Hugging Face、OpenAI 等平台集成,提供模型访问能力。
375 14
NodeTool:AI 工作流可视化构建器,通过拖放节点设计复杂的工作流,集成 OpenAI 等多个平台
|
数据可视化 开发者
智能体工作流使用最佳实践
工作流(Workflow)通过可视化方式组合大语言模型、条件判断及插件等功能,实现复杂的业务流程编排,适用于多步骤且需高精度输出的场景,如新闻搜索、报告分析等。本文以构建搜索新闻的工作流为例,详细介绍从创建到发布的全流程,并演示如何在Bot中应用及测试该工作流。
647 4
|
8月前
|
人工智能 机器人 API
AppFlow:无代码部署Dify作为钉钉智能机器人
本文介绍如何通过计算巢AppFlow完成Dify的无代码部署,并将其配置到钉钉中作为智能机器人使用。首先,在钉钉开放平台创建应用,获取Client ID和Client Secret。接着,创建消息卡片模板并授予应用发送权限。然后,使用AppFlow模板创建连接流,配置Dify鉴权凭证及钉钉连接凭证,完成连接流的发布。最后,在钉钉应用中配置机器人,发布应用版本,实现与Dify应用的对话功能。
1786 7
AppFlow:无代码部署Dify作为钉钉智能机器人
|
11月前
|
人工智能 JSON 数据格式
Dify开发工作流
这篇文章详细介绍了如何使用Dify平台进行工作流的创建与配置,包括设置变量、条件分支以及集成不同工具和服务来自动化任务处理流程。
3234 1
Dify开发工作流
|
10月前
|
数据采集 人工智能
Dify 工作流分享-小红书文案生成器
本文介绍了生成小红书文案的具体流程和节点设置,包括输入主题、风格、字数,以及处理URL链接和直接主题的两种方式。最后,三金分享了实际测试效果和相关资源。
1819 1
Dify 工作流分享-小红书文案生成器
|
9月前
|
弹性计算 Linux 网络安全
阿里云服务器怎么登陆,常见登陆方式教程参考
在连接实例时,首先需要完成身份验证,确保只有授权用户能够访问和管理服务器资源,以增强安全性。创建实例时,您可以选择一个系统预设的用户作为初始登陆用户。实例创建完成后,即可用该用户身份登陆。本文将详细介绍不同用户的特点与区别,以及如何管理这些用户和添加额外的远程连接用户。
4042 12