该内容为自助投放广告,真伪自辨
立即入驻

FastGPT 可视化工作流入门:连接节点并调试变量传递

广告也精彩

想让 FastGPT 处理一段文字,最容易卡住的地方往往不是画布连线,而是:下一个节点到底有没有拿到上一个节点的内容?下面用一个简单任务练习完整的数据流——输入一句话,让 AI 将它改写得更简洁,再把改写结果作为回复输出。

文本输入、智能处理和回复输出的工作流示意

先搭出一条最短流程

进入 FastGPT 的工作流编辑画布,找到已有的工作流开始节点,再添加 AI 对话节点和指定回复节点。将它们从左到右排列,并从前一个节点的连接点拖线到后一个节点,形成:

工作流开始 → AI 对话 → 指定回复

连线决定流程如何向后执行,但不等于自动把文字填进下一个节点。每个节点还需要单独配置输入和输出引用。不同界面中的名称或操作入口可能略有差异,设置时以实际看到的节点和字段为准。

接下来先检查开始节点中可供后续引用的用户问题。它承接测试时输入的文字;如果画布中已提供该输入,不必为了练习重复添加。随后在 AI 对话节点中选择可用模型,并找到接收用户问题的输入位置。

配置变量引用和回复

在 AI 对话节点中写明任务要求,例如:

请将用户输入的句子改写得更简洁,保留原意,只输出改写后的句子。

然后在该节点接收用户问题的输入位置,通过变量引用选择工作流开始节点的用户问题。这里要选的是变量,而不是只手动输入“用户问题”几个字:前者会取测试时提交的内容,后者只是固定文本。

完成后,AI 对话节点应当同时具备两类信息:固定的改写要求,以及从开始节点传入的待处理文字。FastGPT 的节点输入可以是手动填写的内容,也可以引用全局变量或前序节点的输出;AI 对话节点生成的回复也可以供后续节点引用。

打开指定回复节点,在回复内容中引用 AI 对话节点的回复内容。如果希望最终只出现指定回复节点整理后的内容,可以在上游 AI 对话节点启用隐藏 AI 输出;否则还应留意测试结果中是否出现重复回复。

这条流程里有两处引用,方向不要弄反:AI 对话节点引用开始节点的用户问题;指定回复节点引用 AI 对话节点的回复内容。官方的工作流说明也介绍了输入引用与节点输出的基本关系。

用一条测试输入追踪全过程

在工作流调试界面输入下面这句话并运行:

这家店今天推出了一个新的优惠活动,感兴趣的话可以去店里看一看。

预期结果是一句意思相近、表达更简洁的话,例如“这家店今天有新优惠,感兴趣可以到店看看”。AI 的具体措辞不必与示例完全一致;判断重点是有没有保留原意,以及最终回复是否来自处理后的结果。

运行后,沿着流程顺序查看每个节点的执行信息。若界面支持展开节点详情,可以按下面的顺序核对:

  1. 工作流开始节点:检查用户问题是否为刚输入的测试句子。这里就不对,先确认测试内容是否提交到了当前工作流。

  2. AI 对话节点的输入:检查传入的用户问题是否与开始节点一致。如果为空或是固定文字,回到节点配置,重新选择开始节点的用户问题变量。

  3. AI 对话节点的输出:检查是否生成了改写句子。如果输入正确但没有得到预期输出,查看节点显示的错误信息,并检查模型选择和任务要求。

  4. 指定回复节点:检查引用的是否为 AI 对话节点的回复内容。如果上游已有结果而最终回复为空,重点检查这里的变量引用和节点连线。

沿工作流逐节点检查输入和输出的示意

如果最终看到的是原句而不是改写句,先检查指定回复节点是否误引用了开始节点的用户问题。若内容出现两次,则检查 AI 对话节点是否直接输出了回复,以及指定回复节点是否又输出了一次。

每次修改后重新运行同一条测试输入,观察最先出现异常的节点;确认它恢复正常,再继续往后检查。这样就能区分是节点没有接到数据、AI 没有按要求处理,还是最终回复引用错了输出。

© 版权声明

相关文章

暂无评论

none
暂无评论...