⼯作流

Coze⼯作流是⼀系列可执⾏指令的集合，核⼼功能在于实现业务逻辑或完成特定任务。作为AI应⽤开发的结构化框架，它为应⽤/智能体的数据流动和任务处理提供标准化路径，其设计初衷是解决⼤模型能⼒与业务场景落地之间的衔接问题。
⼯作流并⾮简单的任务序列，⽽是结构化的能⼒整合载体⸺既包含对⼤模型调⽤、数据处理、逻辑判断等基础指令的编排，也⽀持通过可视化界⾯实现零代码/低代码配置，使不同技术背景的开发者均能参与AI应⽤构建。

• 智能“旅⾏规划⼤师”智能体
  假设⽤⼾向智能体提出了⼀个复杂需求：
  “帮我规划⼀个下周末从北京出发去西安的三天两夜⾏程，预算5000元，包括机票、酒店和景点推荐。规划好后，直接把⾏程发到我的邮箱。”
  这个任务⾮常复杂，单⼀步骤⽆法完成。它需要：

1. 查询知识库（了解西安景点）。
2. 调⽤多个插件（查机票、查酒店、查天⽓）。
3. 操作数据库（保存⽤⼾偏好）。
4. 做出逻辑判断（⽐较价格和时间）。
5. 最终执⾏动作（发送邮件）。
   ⼯作流就是⽤来定义和执⾏这⼀系列步骤的“⾃动化剧本”

• 如果没有⼯作流会怎样？
  智能体可能会尝试⼀次性回答，但结果会是：

1. 信息过时：它可能推荐不存在的航班或已满房的酒店。
2. ⽆法执⾏：它只能给出建议，⽐如“你可以去某某⽹站查机票”，但⽆法替你查询。
3. 没有逻辑：它⽆法根据机票价格和酒店价格的组合来判断是否超预算。
4. ⽆法持久化：它不会记住你的偏好，下次⼜要重新问。
   有了⼯作流：分步⾃动化执⾏
   我们为“旅⾏规划⼤师”设计⼀个⼯作流。当⽤⼾提出复杂旅⾏需求时，⾃动触发此⼯作流。
   

相⽐于单⼀的智能体，⼯作流更细化分步骤地来执⾏任务，针对于⽐较复杂的任务，采⽤⼯作流可以保证整个过程是可控的。

⼯作流的分类

• Workflow（⼯作流）：⾯向数据⾃动化处理场景，通过顺序执⾏节点链实现特定功能，适⽤于标准化、批量化任务。

• Chatflow（对话流）：基于对话场景的特殊⼯作流，通过多轮交互动态调整流程逻辑，适⽤于需要上下⽂理解的服务场景。

• 使⽤【⼯作流】处理结构化订座请求
  ⽬标：⾼效、⾃动地完成⼀个明确的、多步骤的任务（收集信息->查询数据库->返回结果）。
  这个⼯作流的执⾏过程是线性的、⾃动的，像⼀个填表程序，⼏乎不需要来回对话。
  顾客体验：快速、⾼效、像在使⽤⼀个⾃动化⼯具。顾客通过⼏个点击就完成了预订，得到了⼀个明确的结果（成功 or 失败）。
  本质：⼯作流是任务导向（Task-Oriented）的，⽤于处理确定性的、结构化的业务流程。

• 使⽤【对话流】处理开放式咨询
  ⽬标：应对⽤⼾开放、多变、充满不确定性的⾃然语⾔对话
  此时，不会触发⼀个严格的⼯作流，⽽是进⼊对话流的逻辑。对话流的核⼼是意图识别和多轮对话。这个过程是⽹状的、灵活的，像⼀个真正的对话：
  本质：对话流是对话导向（Dialogue-Oriented）的，⽤于处理⾮确定的、开放的、多轮的聊天场景。

⼯作流核⼼组件

• 开始节点
  功能定位：作为⼯作流的起点，负责设定启动参数与提取⽤⼾输⼊信息，是流程执⾏的触发源。其核⼼作⽤是将⽤⼾对话中的关键信息转化为可被后续节点引⽤的变量。
• 结束节点
  功能定位：结束节点是⼯作流的最终节点，⽤于返回⼯作流运⾏后的结果。结束节点⽀持两种返回⽅式，即返回变量和返回⽂本。
  
  
  

大模型节点

• 功能定位:集成⼤语⾔模型能⼒处理⽂本⽣成任务,⽀持基于输⼊内容(如⽤⼾问题、外部数据)⽣成结构化或⾮结构化输出,是实现⾃然语⾔理解与⽣成的核⼼节点。
• 技能:⽀持为⼤模型节点配置技能，添加插件、⼯作流或知识库，扩展模型能⼒的边界。⼤模型节点运⾏时，会根据⽤⼾提⽰词⾃动调⽤插件、⼯作流或知识库，综合各类信息输⼊后输出回复。
  
  
  
  
  
  
  

插件节点

• 核⼼功能：插件节点是Coze⼯作流中实现⼯具集成的核⼼单元，通过连接外部服务与内部逻辑，扩展机器⼈的功能边界。其核⼼价值在于将第三⽅API、服务能⼒转化为可编排的⼯作流组件，⽀持与其他节点（如变量节点、条件节点）的数据交互，构建⾃动化业务流程。
  Coze插件体系分为内置插件与⾃定义插件两类，分别满⾜不同功能需求：
• 内置插件：平台提供超过60种开箱即⽤的⼯具，覆盖信息检索（如必应搜索、头条搜索）、多模态处理（如GPT4V图⽚转⽂字、DALLE3图像⽣成）、⽣产⼒⼯具（如代码执⾏器、⽂档⽣成器DocMaker）等领域。典型场景包括：电商客服通过「商品推荐插件」实时调取库存数据，教育Bot借助「英语名⾔警句插件」辅助语⾔教学。
• ⾃定义插件：⽀持⽤⼾通过API配置创建专属⼯具，适⽤于企业内部系统集成或个性化需求。例如，通过配置天⽓API实现城市天⽓查询，或集成剪映插件的 add_videos 接⼝实现⾃动化视频混剪。
  ⾃定义插件需遵循「同⼀插件内⼯具域名⼀致」原则，每个插件可包含多个API⼯具。插件节点在本质上是⼀个外部服务的可调⽤API，每⼀个插件节点需要清楚地知道输⼊参数与输出参数。
  
  
  
  
  
  

工作流节点

• 功能定位：在⼀个⼯作流中，你可以将另⼀个⼯作流作为其中的⼀个步骤或节点，实现复杂任务的⾃动化。例如将常⽤的、标准化的任务处理流程封装为不同的⼦⼯作流，并在主⼯作流的不同分⽀内调⽤这些⼦⼯作流执⾏对应的操作。
• 输⼊与输出：⼯作流节点的输⼊和输出结构取决于⼦⼯作流定义的输⼊输出结构，不⽀持⾃定义设置。在⼯作流节点中你需要为必选的输⼊参数指定数据来源，⽀持设置为固定值或引⽤上游节点的输出参数。
• 批处理：⼯作流节点默认单次运⾏，对于输⼊信息只做⼀次处理。你也可以设置此节点使⽤批处理模式，按照配置多次运⾏。每次运⾏都会分配参数值，直到达到次数限制或者列表的最⼤⻓度。
• 异常设置：⼯作流节点⽀持忽略异常功能。开启此功能后，如果试运⾏⼯作流时此节点运⾏失败，⼯作流不会中断，⽽是继续运⾏后续下游节点。如果下游节点引⽤了此节点的输出内容，则使⽤此节点预先配置的默认输出内容。
  
  
  
  
  
  
  
  

业务逻辑节点

业务逻辑节点是处理⼯作流中的逻辑判断的节点，主要包括：选择器节点、意图识别节点、循环节点、批处理节点、变量聚合节点、代码节点。

• 选择器节点
  核⼼功能：实现条件分⽀逻辑，类似编程中的if-else语句
  核⼼配置：

• 条件判断：⽀持等于、不等于、包含、不包含等多种判断⽅式

• 多条件组合：使⽤"且"（所有条件需满⾜）和"或"（任⼀条件满⾜）逻辑

• 分⽀优先级：可通过拖拽调整分⽀顺序，系统按顺序匹配⾸个满⾜条件的分⽀
  注意事项：

• 单个选择器节点仅⽀持是/否判断，多分⽀需嵌套使⽤多个选择器

• 条件中引⽤变量需使⽤ {{变量名}} 格式

• 确保每个分⽀都有下游节点，否则⼯作流可能报错
  
  

• 意图识别节点
  核⼼功能：意图识别节点能够让智能体识别⽤⼾输⼊的意图，并将不同的意图流转⾄⼯作流不同的分⽀处理，提⾼⽤⼾体验，增强智能体的落地效果。
  类似于分⽀选择功能：
  

• 循环节点
  核⼼功能：循环是⼀种常⻅的控制机制，⽤于重复执⾏⼀系列任务，直到满⾜某个条件为⽌。扣⼦⼯作流提供循环节点，当需要重复执⾏⼀些操作，或循环处理⼀组数据时，可以使⽤循环节点实现。
  类型与应⽤场景：

• 数组循环：遍历数组元素，循环次数等于数组⻓度

• 指定循环次数：按设定次数重复执⾏任务

• ⽆限循环：需配合"终⽌循环"节点结束流程
  核⼼配置：

• 循环数组：引⽤上游节点输出的数组变量

• 中间变量：⽤于在多次循环中传递数据

• 循环体：包含需重复执⾏的节点组合
  注意事项：

• 循环体内节点不可移出循环体外

• ⽆限循环必须设置终⽌条件，避免死循环

• 循环变量需与循环体内部节点正确绑定
  

• 批处理节点
  核⼼功能：⼯作流执⾏时，每个节点按顺序运⾏⼀次，如果需要⼀次性运⾏多次，批处理节点适⽤于⼤量数据并⾏处理的场景。相对于添加多个相同的节点执⾏任务，批处理节点的效率更⾼。
  配置批处理节点：批处理节点的处理对象为输⼊参数引⽤的数组结构，例如上游某个节点输出的多条数据结果。批处理节点会遍历数组中的每个元素，对所有元素同时执⾏⼀次性处理，直到所有元素处理完成，或达到指定的次数上限。
  批处理设置：为避免并⾏运⾏数量过⼤导致性能⻛险，批处理节点是分批运⾏的，默认每批执⾏10次，最多运⾏200次。通过批处理设置，你可以调整每⼀批运⾏的最⼤次数，和多批处理的总次数上限。

• 并⾏运⾏数量上限：每⼀批运⾏的最⼤次数。默认并⾏运⾏10次。此参数可指定为某个固定值，例如5；也⽀持引⽤上游节点数值类型的的输出参数。

• 批处理次数上限：批处理执⾏总次数达到此上限时，此节点终⽌运⾏。默认批处理次数上限为100，最⼤⽀持设置为200。此节点的执⾏逻辑是处理数组中的元素，当批处理次数达到设置的上限时，即使节点未遍历数组中的每个元素，也会停⽌运⾏。
  批处理体：批处理体和循环体类似，每个批处理节点都会⽣成⼀个批处理体画布。开发者需要选中批处理体，通过拖拉拽的⽅式将待批处理的节点添加到批处理体中，并使⽤连接线依次将批处理体和各个节点顺序连接起来。你还需要在批处理节点和上下游节点之间添加连线，但⽆需调整批处理体和批处理节点之间的连线。
  

• 变量聚合节点
  核⼼功能：⼯作流变量聚合节点能够将多路分⽀的输出变量整合为⼀个，⽅便下游节点统⼀配置。
  

• 代码节点
  核⼼功能：通过Python/JavaScript编写脚本实现⾼阶数据处理，覆盖JSON解析、格式转换、复杂计算等场景。⽀持AI辅助⽣成代码，降低开发⻔槛，我们重点使⽤python语⾔来编写脚本。扣⼦⾥⾯的代码节点有限制，不能访问外部服务，仅限于处理⼯作流中的数据。
  
  

数据库节点

核⼼功能：实现⼯作流与数据库的双向交互，⽀持完整的数据表读写操作。需注意单表操作限制，所有数据库交互需基于Bot中预创建的Table对象。

• 新增数据节点
  此节点中需要指定待操作的数据库表和待插⼊的字段名称及字段值，每次执⾏此节点时⾃动插⼊⼀⾏数据。
  
  
  
  

• 查询数据节点
  此节点中需要指定待操作的数据库表，如果你有更精细化的查询需求，可以添加查询字段、查询条件、排序⽅式和查询上限等配置。
  
  

• 更新数据节点
  此节点中需要指定待操作的数据库表、更新条件、待更新的字段名称及字段值，每次执⾏此节点时将更新所有符合条件的数据。
  
  
  
  

• 删除数据节点
  此节点中需要指定待操作的数据库表和删除条件，每次执⾏此节点时将删除所有符合条件的数据。
  
  
  

知识库节点

• 知识库写⼊节点
  核⼼功能：知识库写⼊节点⽤于向指定的知识库中添加内容。
  
  
  
  

• 知识库检索节点
  核⼼功能：知识库检索节点可以基于⽤⼾输⼊查询指定的知识库，召回最匹配的信息，并将匹配结果以列表形式返回。
  
  

• 知识库删除节点
  核⼼功能：知识库删除节点可以基于⽤⼾输⼊的⽂档ID来删除知识库中的⽂档。
  

其他节点

• 图像⽣成节点
  核⼼功能：图像⽣成节点是Coze⼯作流中实现AIGC图像⽣成的核⼼组件，通过集成第三⽅插件（如通义万相⽂⽣图⼯具）⽀持⽂⽣图与图⽣图双模式创作。其中，⽂⽣图模式可直接根据⽂字描述⽣成图像，图⽣图模式则能基于参考图进⾏⻛格迁移或元素重构，⼆者共同构成可视化内容⾃动化⽣产的基础能⼒。
  在⼯作流架构中，该节点需接收上游输⼊参数（如⽣成数量、描述⽂本、尺⼨规格等），调⽤插件接⼝完成图像渲染后，返回包含 image_urls 的结果数据；若⽣成失败，则输出错误标识
  （ log_id 、 msg 、 code ）供调试分析。
  
  

• ⾳视频处理节点
  核⼼功能：⾳视频处理节点是Coze⼯作流中实现⾳频、视频素材⾃动化处理与合成的核⼼组件，⼴泛应⽤于短视频⽣成、智能配⾳等场景。
  ⾳频处理模块：⾳频处理是⾳视频⼯作流的基础环节，主要包括⾳频合成与⾳频时⻓管理两⼤功能。
  ⾳频合成通过语⾳合成节点实现，⽀持⽂本输⼊与多维度参数配置。⾳频时⻓获取则是后续视频剪辑的关键前提，通过提取⾳频⽂件的时⻓信息，可精准控制视频⽚段的⻓度匹配，确保⾳画同步。
  视频⽣成模块：视频⽣成环节涵盖静态素材动态化与多元素整合两⼤能⼒。图⽣视频需完成提⽰词⽣成与动态转换两步：⾸先通过LLM节点基于⽂⽣图提⽰词扩展⽣成图⽣视频专⽤提⽰词，再调⽤即梦AI的 image2video_task_create 插件将静态图⽚转换为动态视频，同时搭配image2video_task_query 插件，通过死循环机制实时获取⽣成的视频地址。视频合成则聚焦多素材整合，剪映插件节点不仅⽀持视频剪辑，还能将语⾳、图⽚等素材统⼀整合，实现⽆需⼿动操作的⾃动化合成。