对话型工作流

对话型工作流是一款支持多轮交互、流程分支、节点跳转与业务逻辑编排的对话式应用，可实现复杂业务流程自动化办理、多场景任务引导式执行，适用于政务办理、业务申报、工单处理、智能办理助手等强流程化场景。

本章将从零开始，构建一个知识库问答助手：能够根据输入问题去检索知识库文档，召回最匹配的段落，最终给出精准回复。

创建应用

进入 AIGC 应用/应用中心，点击「创建应用」按钮，应用类型选择对话型业务流，填写应用名称，点击「保存创建」按钮。

画布节点

创建完成后，系统自动跳转至对话型工作流的画布页，默认有开始节点-模型节点-结束节点。需要按照需求在左侧拖拽节点或者在画布的节点后点击添加，选择需要的节点连接。

步骤一：配置开始节点

开始节点是工作流的入口，负责接收用户输入并注入系统变量。

点击画布中的开始节点，在右侧配置面板中可以看到两部分内容：

输入字段（可选）

如需在对话开始前收集额外信息，可在此添加输入字段。本次可以无需额外配置，保持默认即可。

系统变量

开始节点自动注入以下系统变量，后续所有节点均可直接引用，无需手动配置：

变量名	数据类型	说明
sys.query	String	用户当前轮次输入的文本内容
sys.files	Array[File]	用户当前轮次上传的文件列表
sys.conversation_id	String	当前会话的唯一标识，同一会话内保持不变
sys.user_id	String	当前使用应用的用户唯一标识

步骤二：添加知识库节点

在开始节点后添加知识库节点，从私域知识库中检索与用户问题相关的文本段落：

1. 在开始节点后点击 + 号，选择「知识库」节点
2. 查询变量：选择 sys.query（用户当前输入）
3. 选择知识库：从下拉列表中选择已创建的私域知识库（需提前在私域知识库页面创建并完成权限分配）
4. 召回策略：保持默认多路召回，按需调整以下参数：

配置项	建议值	说明
Top K	3	返回相关度最高的前 3 个文本分段
分数阈值	0.5	过滤相似度低于该值的召回结果

5. 将知识库节点的输出连接至下游模型节点

知识库节点的输出变量为 result，包含从知识库中检索到的相关文本分段列表，需在下游模型节点的上下文中关联引用。

步骤三：添加模型节点

在知识库节点后添加模型节点，基于检索结果生成回复：

1. 选择模型：选择适合问答的模型，如：gpt-5-chat
2. 上下文：将知识库节点的 result 变量关联至上下文
3. 系统提示词示例：

作为gpt-5-chat，你需要提供专业、严谨且详细的回应。请遵循以下规范：

1. 内容要求：
   - 基于事实和专业知识，确保信息准确无误
   - 逻辑清晰，层次分明，使用适当的结构组织内容
   - 对复杂概念进行必要解释，保持专业性的同时兼顾易懂性

2. 代码呈现：
   - 所有代码必须放在代码块中，使用```+编程语言名称开头，```结尾
   - 代码应完整可运行，包含必要注释
   - 复杂代码需提供简要说明其功能和实现思路

3. 回应风格：
   - 回复内容要思路清晰，内容丰富，但是要避免冗余表述
   - 客观中立，基于问题本身提供解决方案
   - 针对技术问题，优先提供可验证的方法和步骤

4. 回复要求：
   - 需要严格参考知识库内容回复
   - 知识库内容：【上下文】
   - 如果用户问的问题知识库中不存在则提示：此问题不在我的回复范围内

请根据上述要求，对我的问题提供高质量回应。

步骤四：添加直接回复节点

在每个模型节点后添加直接回复节点，将模型输出流式返回给用户：

1. 在模型节点后点击 +，选择「直接回复」
2. 在文本编辑器中插入上游模型节点的输出变量，例如 {#模型节点.text#}
3. 直接回复节点支持图文混排，可在固定文本中穿插变量

直接回复节点可作为中间节点，在流程执行过程中分阶段输出内容，无需等待整个流程结束。

步骤五：调试与发布

调试

点击画布右上角「调试」按钮，在右侧调试面板中输入测试问题，观察流程是否按预期执行：

• 每个节点执行后会展示输入/输出详情，便于排查问题
• 若知识库未召回相关内容，检查知识库是否已完成文档导入和向量化
• 若模型回复不准确，调整提示词中的上下文引用位置

发布

调试通过后，点击右上角「发布」按钮，选择发布选项（发布更新、运行）

完整流程示意

开始节点（sys.query）
    ↓
知识库节点（检索相关文本分段 → result）
    ↓
模型节点（上下文引用 result，生成回复）
    ↓
直接回复节点（流式输出模型回复）
    ↓
结束节点

会话变量功能

对话型工作流支持通过变量赋值节点将信息写入会话变量，实现跨轮次状态持久化。

例如，记录用户在第一轮对话中设置的语言偏好，后续所有轮次均自动沿用：

1. 在开始节点的「会话变量」中创建变量 language（String 类型，默认值为空）
2. 使用参数提炼节点从用户输入中提取语言偏好值
3. 通过变量赋值节点将提取结果写入 language（赋值方式：覆盖）
4. 在模型节点的系统提示词中引用该变量

会话变量的值在整个对话生命周期内持久存在，不会因单轮对话结束而清除。

运行历史

对话型工作流天然支持多轮对话，每一轮用户输入都会触发完整的工作流执行。平台会自动保存每次对话的历史记录，您可以在应用右上角的运行历史图标，点击查看所有历史会话，包括：

• 每轮用户输入与模型回复内容
• 各节点的执行详情与耗时
• 知识库召回的文本分段来源

历史记录可用于分析用户行为、优化提示词和召回策略，持续提升应用回复质量。