扣子工作流开发

在扣子（Coze）平台上，工作流（Workflow）是实现复杂 AI 任务的核心工具。它通过可视化拖拽节点的方式，将大模型、插件、代码、数据库等组件组合成自动化流程。这种“确定性流程控制”与“概率性智能生成”结合的架构，使得 AI 任务的执行更加稳定、可控。

以下是扣子工作流开发的完整指南：

一、 核心概念与适用场景

工作流（Workflow）：适合功能类、自动化任务（如生成报告、海报、调研），顺序执行节点，输入输出结构化。

对话流（Chatflow）：基于对话场景的特殊工作流，适合 Chatbot、智能客服等，支持会话记忆和用户交互。

适用时机：当任务需要多步逻辑、条件分支、循环、外部工具调用，或希望 Bot 输出更稳定、可预测时，应使用工作流。

二、 基础开发流程

规划流程：先画思维导图（开始 → 各步骤 → 结束），明确输入输出参数。

创建与搭建：在资源库中创建新工作流，进入可视化画布。从左侧面板拖拽节点到画布，并使用连线将上游节点的右侧连接到下游节点的左侧。

配置节点：设置节点的输入参数（支持固定值或引用上游变量，如 {{上游节点.输出字段}}）。对于大模型节点，需编写清晰的 Prompt 并指定输出格式（推荐 JSON）。

调试与优化：点击“试运行”输入测试数据，逐节点验证输出和日志。支持添加条件分支、循环和错误处理（如忽略异常）。

发布与集成：确认无误后点击发布生成版本。在 Bot 编辑页的“技能”中添加该工作流，并在人设与回复逻辑中指示 Bot 何时调用它。

三、 核心节点类型

基础节点：开始节点（定义输入参数）、结束节点（定义最终输出）。

大模型节点（LLM）：调用各类大模型（如 GPT、Kimi、豆包等），配置 Prompt 与温度等参数。

插件节点：调用外部工具（如网页搜索、图像生成、飞书多维表格等）。

代码节点：编写 Python 或 JavaScript 代码处理数据，支持变量引用，可实现复杂的自定义逻辑。

逻辑控制节点：选择器（If-Else 条件分支）、循环/批处理节点（处理列表或多次执行）。

其他节点：知识库检索、变量赋值/聚合、数据库操作（SQL）、嵌套工作流等。

四、 进阶技巧：代码节点的妙用

代码节点是工作流实现复杂逻辑和定制化功能的核心组件：

数据预处理与清洗：对大模型输出的文本进行格式清洗，或使用正则表达式提取关键信息（如 URL、书籍名称）。

格式转换：将数据转换为符合特定插件要求的格式（如将用户信息转换为飞书表格所需的 JSON 结构）。

复杂逻辑与错误处理：实现条件判断、循环处理，或捕获异常并返回自定义错误信息，提升工作流稳定性。

注意事项：代码输出的变量类型需与下游节点要求严格一致；复杂代码建议拆分为多个节点，避免单节点超时（默认最长5分钟）。

五、 新手避坑建议

名称限制：工作流名称只能包含字母、数字和下划线。

逐步调试：不要等全部连好再测，每个节点都应单独测试，逐步连通。

数据类型匹配：特别注意数组（Array）在循环处理时的数据类型匹配问题。

设备建议：拖拽连线等操作推荐使用电脑端，大屏体验更友好。

版本更新：工作流更新发布后，引用它的 Bot 可能需要重新发布才能生效