方案设计

在某学术研究场景中，用户需要基于某篇文章进行研读或者研究，并通过与人工智能大模型的交互对于该篇文章进行深层次的理解，因此产生如下应用场景：

图1 AI研读研究助手业务交互流程图
点击放大

此系统采用应用Agent平台进行构建，通过图形化界面快速设计、配置各项功能模块，无需代码开发，降低开发门槛，为学术研究领域的读者或者作者提供基于上传文档或者本地文献库进行深度研读或者研究场景等。

用户通过AI研读研究助手前端页面上传文档后，并基于文档内容向大模型提问，触发在Agent应用中预先设定的工作流，并实现用于与大模型之间的交互过程。

选取工作流的几个重要节点，每个节点负责特定的任务。以下是各节点的功能和设计思路：

开始节点：作为工作流的入口，开始节点负责接收用户输入的文本。
判断节点：判断节点是一个IF-ELSE节点，提供了多分支条件判断的能力，用于设计分支流程，实现逻辑判断功能，如：判断用户是否上传文档，判断是否存在用户上传文档等。
插件节点：插件节点是工作流中实现第三方能力调用的核心组件。作为功能扩展的重要载体，该节点允许通过调用插件来执行特定功能任务。每个插件实质上是经过标准化封装的API工具集合，提供即插即用的模块化服务，拓宽工作流的能力边界，完成更复杂的任务，如：平台预置的Read_File插件可以完成读取用户上传文档的功能。
知识检索节点：
- 支持用户进行知识信息的配置。
- 根据用户输入问题进行知识检索。

大模型节点：大模型节点提供了使用大模型的能力，可在节点中配置已部署的模型，用户可以通过编写Prompt、设置参数让模型处理相应任务，如：大模型对读取文档进行输出、对答案进行优化输出、对生成结果的格式优化输出等。
变量聚合节点：变量聚合节点能够对多个分支的输出进行聚合处理，方便后置节点统一配置。
工作流中设计了两个分支，需要一个节点来汇总所有分支的输出结果。在这种场景下，可以使用变量聚合节点聚合多路分支的输出变量，变量聚合节点会读取多路分支中第一个不为空的值，供流程下游的节点使用和操作，不用额外处理未运行分支的输出结果，简化了数据流的管理。
结束节点：工作流的终结节点，负责输出最终结果。