这是一篇关于字节智能体平台扣子制作工作流的笔记。

完整智能体可参考：基于扣子(Coze)打造第一个智能体——个性化对话机器人

使用工作流优化机器人输出

1 旅游机器人的业务流程

提到工作流，不要感觉有什么高大上的，工作流本质就是我们完成一件事情的流程。

比方说，我们这个对话机器人“说走就走的旅行”，它的工作就是根据用户的要求给出旅游攻略，其工作流程如下：

理解用户提出的要求，从用户的需求描述中提取出发地与目的地，以及用户的其他要求，比如酒店预算根据用户的要求调用搜索引擎，找到最热门的攻略作为参考，这就要用到我们配置的必应搜索插件调用携程插件搜索酒店信息调用携程插件查询出行方式并给出推荐调用必应插件搜索目的地推荐景点输出旅行计划、酒店推荐、出行推荐、景点推荐

画出流程图如下：

2 工作流的实现

① 新建工作流

点击添加工作流进入工作流编辑界面。

在编辑器左侧是各种不同的工作流结点，我们常用的结点：

大模型，这个是必须的文本处理消息，消息就是最后的输出，也是必须，不然就相当于这个机器人是个哑巴，能听懂，也能干活，就是没有结果给你

② 初识工作流

每次创建新的工作流，进入编辑界面后，默认有两个工作流结点，一个开始一个结束。

③编辑开始结点

开始结点是必须的，这个界面就对应机器人对话界面，用来接收用户的输入。

注意这个节点有一个输入模块，代表传输到这个节点的信息，每个节点都必须有输入。

下面是存储输入信息的变量名称，如果有一点编程知识，就比较好理解。

变量名是为了方便在后面的结点中引用当前结点的信息。

比如用户在对话机器人中输入“我要从佛山去北京3天旅游，酒店预算不超过500元”，这句话就会被存入到变量"BOT_USER_INPUT"或者“query”中，在后面的结点中就可以通过这两个名称来获取用户的输入了。

这里说是用户的输入，主要是这个节点是开始结点，接受的就是用户的输入。

后续节点的输入一般是其前面节点的输出。

注意，"BOT_USER_INPUT”是默认的变量，不能修改，“query”是我们新增的变量，为了演示用，不加也可以，这两个变量存储的都是用户的输入。

④增加大模型节点-处理用户输入

接收到用户输入后，就要将输入交给大模型进行文本处理，所以开始结点后需要一个大模型结点。

在左侧节点类型列表中选择大模型，点击+号或者拖拽到编辑区都可以。

节点之间需要用连线表示先后关系，把鼠标放在图中小蓝点上，按下鼠标右键拖出一条线，指向下一个节点的边框的小蓝点，就有一条线把这两个节点连接在一起，表示前后顺序关系。

注意，上一步不可缺少，只有连上之后，后节点才能获取前节点的信息。

⑤编辑大模型节点

选择大模型

扣子提供了很多大模型可供选择，我们选择字节的豆包大模型。

选择输入

大模型的输入就是开始结点的输出，点击右侧输入框就会打开一个下拉列表，选择开始结点，开始结点提供两个输出，就是我们前面提到的变量，这两个随便选一个。

给大模型设置提示词

大模型必须要配合提示词才能工作，且提示词的好坏影响最终的结果。

注意下面的提升词中“{ {input}}”，表示的是用户输入的文本内容。

sourceCity是指从用户输入的文本中匹配到旅游的起点，sourceCity也是变量名，会作为大模型节点的输出，在后续的节点中使用。

其他依次类推。

<code># 角色

你是一个文本分析器，能够准确地从给定文本中提取信息，并按照特定格式输出为 JSON 数据。

给定文本

{ { input}}

## 技能

### 技能 1：提取信息

1. 从输入的文本中提取出发地城市名称、目的地城市名称、日期和返程日期等信息。

2. 如果无法确定某个信息，可以询问用户以获取更多上下文。

### 技能 2：转换信息

1. 将提取到的城市名称转换为拼音写法，如“佛山”转换为“foshan”。

2. 将提取到的日期描述转换为实际的具体日期，格式为 YYYY-MM-DD。

3. 根据提取到的交通工具信息，若没有交通信息，则默认选为“飞机”。

4. 若没有固定的出发地，则默认从"北京"出发

5. 若没有固定的出发日期，则默认从“明天”出发

### 技能 3：输出 JSON

1. 按照指定的 JSON 格式输出结果，包括 sourceCity（出发地城市拼音）、sourceCityZh（出发地城市名称）、destinationCity（目的地城市拼音）、destinationCityZh（目的地城市名称）、departureDate（出发日期）、returnDate（返程日期）和 transportation（交通工具）。

## 限制

- 只处理与提取和转换文本信息相关的任务，拒绝回答与该任务无关的问题。

- 输出的 JSON 数据必须严格按照给定的格式，不能有任何偏差。

- 如果输入的文本中缺少关键信息，应尽可能询问用户以获取更多上下文，而不是随意猜测或假设。

给大模型设置输出

大模型从用户输入的信息中匹配到关键信息，并提取保存，以便下游节点获取使用。

比如规划路线的节点就需要使用出发地城市和目的地城市。

⑥增加必应搜索结点

接下来要根据前面的大模型结点提取到的关键信息搜索小红书，获取优质笔记，并参考笔记生成新的推荐。

所以需要一个搜索结点。

注意，要连接前面的大模型结点和搜索结点，连线由大模型指向搜索结点。

搜索节点的关键词就是用户的输入，所以这个节点的输入变量<code>query选择应用开始节点的变量query。

⑦在搜索节点后增加大模型节点-输出小红书攻略

必应搜索到结果后，会将交给大模型，以便大模型进行处理 ，输出规划。

分别设置大模型、选择输入、给出提示词，后续不再详述。

为了后续方便，将这个大模型命名为：攻略大模型

提示词参考：

<code>你是一名资深的小红书旅游博主，擅长对旅行计划进行管理和输出。

针对查询到的旅游攻略进行整理，并以小红书爆款旅行文案的方式输出。

获取到的旅游攻略参考如下

{ { input}}

⑧增加酒店搜索插件节点

有两点需要注意：

①这个结点是搜索目的酒店，所以输入是大模型提取出来的目的地城市。②连线是由开始节点后的大模型指向酒店搜索节点

⑨增加大模型节点处理酒店搜索结果-输出酒店攻略

加入一个大模型节点，注意以下两点：

由酒店搜索节点指向大模型做如下配置

这个大模型命名为：酒店大模型

提示词：

<code>## 回答

请回答以下内容：

{ { input}}

⑩增加插件-天气查询节点

选择墨迹天气插件作为天气查询节点，做如下配置：

start_time: 大模型输出字段 departureDatecity: 大模型输出字段 destinationCityZhend_time: 大模型输出字段 returnDate

⑪增加大模型节点处理天气结果-输出天气结果

在天气查询节点后增加大模型节点处理天气查询结果。

这个大模型命名为：天气大模型

提示词：

<code>## 分析

分析以下使用 ```括起来的文本：

{ { input}}

⑫增加插件-航班查询节点-出发机票

这个节点是第一个处理用户输入的大模型节点的后续节点。

增加一个查询出发航班的节点。

arr_city，目的城市，destinationCityZhdep_city，出发城市，sourceCityZhflight_date，出发日期，departureDate

⑬ 增加大模型节点处理出发机票搜索结果-输出去程机票

这个大模型命名为：去程机票大模型

提示词：

<code>## 分析

分析以下使用 ```括起来的文本：

{ { input}}

## 返回

解析文本内容，将相关的旅游出行的结果以表格方式呈现给用户，并提出相应的体贴建议等

⑭增加插件-航班查询节点-返程机票

处理出发机票后，接着查询返程机票，注意节点依赖关系。

增加一个查询出发航班的节点。

arr_city，目的城市，sourceCityZhdep_city，出发城市，destinationCityZhflight_date，出发日期，returnDate

⑮ 增加大模型节点处理返程机票搜索结果-输出返程机票

这个大模型命名为：返程机票大模型

提示词：

<code>## 分析

分析以下使用 ```括起来的文本：

{ { input}}

## 返回

解析文本内容，将相关的旅游出行的结果以表格方式呈现给用户，并提出相应的体贴建议等

⑯ 增加5个消息结点用以输出前面5个大模型的结果

这五个消息节点分别用来输出5个大模型的结果：

总攻略的结果天气结果酒店结果去程航班结果返程航班结果

3 工作流整体概览