工作流进阶实战：从分支、循环到飞书多维表，搭建稳定可用的智能体
11 月 13 日晚，WaytoAGI「AI 智能体训练营」第二期第四节开讲，由一念星球 COO、工信部智能体应用师特聘讲师薛临风主讲。这节课延续上一节的顺序节点基础，聚焦工作流的两大核心逻辑——分支与循环，并加餐演示了如何将工作流输出接入飞书多维表。适合已经跑通基础工作流、想进一步理解复杂流程设计的初学者，以及希望把智能体能力落地到实际业务场景的进阶用户。
用流水线思维理解工作流
薛临风在课程开头反复强调一个核心思考方式：把工作流想象成一条流水线，数据在流水线上流动，每个节点就是一台处理机器。他总结了五条对应原则，帮助学员理解节点运作的底层逻辑：
- 连接：当前节点所能处理的数据来自流水线上方，引用数据前必须把线连好。他建议先连线再在中间加节点，保证数据通路不断。
- 配置：节点会提供可选能力，比如大模型节点可以选择模型，处理节点会显示能力选项。
- 输入：把上游数据拿到工作台上，这一步只是把数据端到盘子里，并没有做任何改动。
- 技能设置：真正开始加工数据。以大模型节点为例，通过系统提示词和用户提示词让模型工作。很多学员报错「没有收到任何数据」，就是因为没有在提示词里引用输入变量。
- 输出：给处理好的数据命名，放到流水线上继续向下传递，后续节点才能收到并继续加工。
薛临风提醒，顺序节点还没练熟的入门同学，一定要把这条链路想清楚：「为什么他不工作？为什么他会这样？」多数报错都源于这五条没有想透。
数据结构：工作流的底层语言
在进入实战前，薛临风快速过了一遍常见数据类型，帮助初学者建立基本认知：
- 整数（int）：只能表示整数，不能表示 1.5 或 2.2。
- 数字（number）：整数、小数、负数都可以。
- 字符串（string）：最常用的类型，一篇文章、一段文字、邮箱地址、手机号都可以是字符串，可以为空。
- 布尔值（boolean）：代表真假，早期用 0 和 1 表示，后来为了与数字区分，专门用布尔类型防止误用。
- 数组（array）：用中括号包起来的一批相同类型的数据。
- 对象（object）：用来存放对应的表征信息，比如一个用户的健身管理信息包含身高、年龄、体重、性别，类型各不相同，就用对象整体包裹。
薛临风还提到变量命名规范，推荐蛇形命名法（中间加下划线），也可以使用驼峰式命名，关键是养成习惯。
分支逻辑实战：小小写作家
第一个练习是搭建一个「小小写作家」工作流，根据用户提供的灵感，自动选择写诗、写微小说或写观点洞察。薛临风强调，之所以用工作流而不是一个大模型节点把所有提示词写进去，是因为「稳定是我们追求工作流的一个核心原则」——要保证输出稳定，且能 100% 命中想要的逻辑。
意图识别节点
在业务逻辑中选择「意图识别」节点。它的本质是一个大模型，根据用户输入进行分类。创建三个匹配选项：写诗、写微小说、写观点洞察。输入引用开始节点的 idea 变量。
薛临风特别提醒：意图识别不适合处理图片等文件类型，因为「我们要的是在这里做一个快速的分支」，对文件的识别建议用大模型节点，更容易调试。
三个分支节点
从意图识别节点分别拉出三个大模型节点，依次命名为写诗大模型、微小说创作、观点洞察。每个节点都配置系统提示词和用户提示词，用户提示词中必须引用 idea 变量——「千万不要忘了引入进来」。
薛临风建议初学者优先关注提示词表达的含义而非结构规范：「提示词从本质上是相对规则相对较宽的……你把它当成一个和人对话一样的形式。」
异常处理与变量聚合
意图识别会多出一个「其他」节点，用于处理灵感与三个选项都不匹配的情况。薛临风强调这是工程化开发必须注意的异常处理：「当流程进入了一个本不希望它进入的流程的时候，它需要对它提前做一个异常处理。」他添加了一个输出节点，提示用户「这触及了我的盲区，我还完成不了，你等我继续进化哈」。
为了让输出美观易用，他引入变量聚合节点。这里有一个关键操作：不要点击新增分组。变量聚合的功能是「返回每一个分组中的第一个非空值」，三个分支节点只有一个会干活，把三个输出都接入同一个分组，谁有值就输出谁。
试运行时，输入一个灵感，观察水流方向，可以看到对应分支开始执行。薛临风提醒注意输出节点要选择「返回文本」，并在结束节点设置好输出内容。
循环逻辑实战：超长篇小说生成
第二个练习是生成超长篇小说，这是理解循环节点的关键案例。核心思路是：先让大模型生成小说大纲，把大纲拆成数组，再用循环逐段创作，最后拼接成完整小说。
大纲生成与数组转换
创建大模型节点生成小说大纲，提示词要求生成 8 个彼此独立的部分，每部分约 500 字。关键一步：将输出类型从字符串改为数组（array of object），每个大纲部分作为独立对象存入数组，包含情节发展和人物关系两个字段。
薛临风解释为什么要这样做：「如果它是一个文本大纲，待会我们怎么逐个地去选到它呢？」改成数组后，循环就可以利用数组来逐项处理。
循环节点配置
添加循环节点，选择「使用数组循环」，引入大纲变量（outline）。循环体内部需要设置一个中间变量 last part，用来记录上一次写作的内容。薛临风画图解释：写第一部分时前面没有内容，last part 为空；写第二部分时，大模型需要知道第一部分写了什么，才能保持连贯。
循环体内添加大模型节点用于写小说，需要引用三个变量：
- outline：完整大纲，让大模型知道整体故事走向。
- item in outline：当前正在写的这一部分大纲，由循环节点自动取出。
- last part：上一次写好的段落，来自循环的中间变量。
变量更新与输出拼接
每次写作完成后，用「设置变量」节点把写小说的输出赋值给 last part，确保下次循环时能拿到最新内容。薛临风强调：「这个中间变量，我们需要在这次循环结束之前把它赶紧改一改。」
循环结束后，输出是一个数组（output 乘以 n，n 为循环次数）。用「文本处理」节点的「字符串拼接」功能，把数组里的所有段落拼成完整小说，最后在结束节点返回文本。
试运行时，薛临风提醒学员注意观察循环节点的执行次数，以及输出为空的核心原因：「要么是你的写小说没有引入你的变量，要么就是线没连上。」
加餐：不用代码接入飞书多维表
课程最后，薛临风演示了如何将工作流输出保存到飞书多维表，全程不用代码节点。他坦言：「过去大家是不是有些同学做得少……我觉得连接到飞书多维表挺复杂的。」但通过插件加大模型节点的组合，可以绕开编程。
插件配置
添加飞书多维表插件，选择「在多维表中新增多条数据」功能。APP TOKEN 直接填多维表链接。records 参数是数组格式，薛临风建议去插件详情里查看官方示例——「如果你在那个插件里看到它提供了参考示例，你就会说这个插件开发得真良心」。
大模型辅助赋值
records 的格式看起来复杂，薛临风的解法是：添加一个大模型节点，让大模型根据用户输入自动生成符合格式的数据。设置三个变量：idea（用户灵感）、content（生成内容）、type（意图类型），输出类型设置为 object 的数组。
类型字段的坑
试运行后发现一个问题：意图识别节点输出的是分类 ID（数字），而不是「诗歌」「微小说」这样的文本。薛临风提供了多种解决思路：可以用大模型节点做转换，输入意图识别的 ID，输出对应的类型名称；也可以用文本处理节点或选择器处理。他强调：「遇到什么问题，想尽办法，这里面有大量的解决办法。」
他还提醒一个容易忽略的细节：多维表一定要改名字，否则字段匹配不上。
现场问答
测试集的作用是什么？
测试集用于工作流较大时提前预设边界情况，避免反复试运行。可以创建测试集覆盖不同场景（如写诗、写微小说），保存后使用时自动填入数据。
人设与回复逻辑和工作流是什么关系？
人设与回复逻辑模式下，外部智能体控制大模型，通过人设与回复逻辑回答问题，技能里可以调用工作流执行流程。如果选择对话流，则直接进入对话流程。
二维码生成器插件生成了图片但扫不出二维码？
问题在于输出变量没有绑定正确。图片链接和二维码链接是两个不同的输出，需要在节点输出中选择正确的变量（QR code URL），并在用户界面绑定该变量。「你把菜做好倒垃圾桶了」——薛临风用这个比喻提醒学员，输出必须绑定并传递出去。
记账工作流输入类型复杂（语音、文字、图片）怎么处理？
单条工作流的输入变量只能是一种类型。解决方案有两种：一是建多条工作流分别处理；二是在输入端设置三个非必填变量，在人设与回复逻辑里判断用户发的是什么，就给对应变量赋值。同时提醒，微信客服和公众号在传递数据时有一定限制，需要自行测试。
智能体事件触发节点和 webhook 触发问题？
平台升级后相关功能有变化，薛临风表示后两节课再探讨这个问题。
要点回顾
- 用流水线思维理解工作流：连接、配置、输入、技能设置、输出五步对应关系要理清。
- 常见数据类型：整数、数字、字符串、布尔值、数组、对象，各有用途。
- 分支逻辑用意图识别节点，本质是大模型分类；记得做异常处理，用变量聚合统一输出。
- 循环逻辑适合处理重复场景：数组循环 + 中间变量（last part）+ 设置变量更新，是核心组合。
- 大模型输出可以改为数组类型，便于后续循环逐项处理。
- 接入飞书多维表不用写代码：插件 + 大模型节点自动生成 records 格式数据。
- 遇到问题多思考解决路径：大模型、文本处理、选择器等节点都可以组合使用。
直播回放约 165 分钟
播放器来自飞书妙记 · 在新窗口打开