方案设计

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。

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。

工作流节点设计

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。