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。
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。
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。
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:
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。
Δ
Ctrl+D