变量赋值

核心概念

在配置赋值节点前，先理解以下概念：

• 赋值目标：变量赋值节点能够修改的变量类型取决于它所在的位置。

  表1 赋值目标

  使用位置	可赋值的目标变量	说明
  循环节点外	对话型工作流中的记忆变量（在全局配置中定义）	记忆变量可以跨节点、跨轮次持久保存，只能通过变量赋值节点修改。 典型用途为存储用户偏好、对话状态标记、跨轮次计数器等。
  循环节点内	循环中间变量（在循环节点中定义）	中间变量仅在当前循环的生命周期内有效，能通过循环体内的变量赋值节点修改。 典型用途为循环中的累加器、临时结果拼接、状态标记等。

• 数据来源：值有多种来源方式。

  表2 数据来源

  来源方式	说明	适用场景
  引用	引用上游节点的输出变量、记忆变量或循环内置变量（index、item）	动态赋值：将计算结果写入变量
  输入（固定值）	直接填写一个常量	重置变量、设置初始状态
  运算赋值	对数值类型（Integer、Number）变量进行自增或自减	循环计数器、余额扣减
  	将变量重置为空 说明： 支持8种数据类型赋空值，包括：String、Integer、Number、Boolean、Object、Array<Number>、Array<String>、Array<Integer>。	清除状态、重新开始

配置变量赋值节点

循环节点外变量赋值节点配置：

变量赋值节点变量名称仅支持选择“全局配置”中记忆变量，如图1所示。

图1 配置循环外变量赋值节点

类型、值：支持“引用”、“输入”和“运算赋值”三种类型。

• 引用：支持引用三类参数源，工作流前置节点的输出参数、全局配置中的记忆变量（需预先设置），以及系统参数。
  系统参数列举如下：

  • “conversation_history”：存储当前对话的历史消息记录。
  • “current_time”：获取当前的系统时间戳或时间字符串。
  • “user_id”：识别当前用户的唯一标识符。
  • “conversation_id”：当前工作流的唯一对话标识。
  • “dialogue_count”：当前对话的轮次数计数。

• 输入：支持用户自定义取值。
• 运算赋值：
  • 支持数值类型进行简单运算，包括变量自增和变量自减。
  • 支持8种数据类型赋空值，包括：String、Integer、Number、Boolean、Object、Array<Number>、Array<String>、Array<Integer>。

循环节点中变量赋值配置：

变量赋值节点支持在循环体内部引用，只支持更改循环体中间变量的值，被赋值变量仅支持选择中间变量，如图2所示。适用于循环过程中动态更新中间变量，自定义循环逻辑中进行参数传递的场景。

图2 配置循环内变量赋值节点

相关操作

• 单击节点名称，可修改节点名称。
• 单击图标，可对节点进行重命名、复制或删除；也可以将节点连接到结束节点。
• 单击名称下面的节点说明，可修改节点的描述信息。
• 单击图标，可查看文档信息。

示例

• 示例1：记忆用户偏好（循环外赋值）

  在开发一个智能客服工作流时，用户在对话中说“请用英文回复”。此时，工作流通过大模型节点识别出语言偏好后，使用变量赋值节点将user_language记忆变量的值从 "中文" 更新为 "en"。在该轮会话中后续所有对话，即使用户没有再次声明语言偏好，大模型节点通过读取user_language变量，仍然会使用英文回复。

  工作流的全景图如图3所示。

  图3 工作流
  

  在配置工作流节点之前，需要先配置“全局配置”中的记忆变量，相关参数配置如下，具体如图4所示。

  记忆变量：

  名称：user_language，类型：String，描述：用户的语言偏好，默认值：中文。

  图4 配置记忆变量
  

  工作流核心节点如表3所示。

  表3 节点配置说明

  节点类型	说明	示例
  开始节点	使用系统默认配置query参数，表示用户输入的内容。
  大模型节点-识别用户语言偏好	此节点根据用户输入的内容检测是否表达用户的语言偏好，如果检测到语言偏好，则返回具体语言名称，如果未检测到语言偏好，则返回none。 模型配置：选择Kimi-K2模型。 输入参数：引用开始节点的query。 输出参数：将用户表达的语言偏好，在输出参数中定义，并在描述中说明输出参数的字段含义，便于大模型理解。 单击输出区域右上角的“”，选择输出格式为“JSON”。 定义内容如下： detected_lang：类型为“String”，描述为用户的语言偏好。 提示词配置： 系统提示词：定义一段系统提示词，如下所示： ## 人设 - 语言偏好检测专家 - 精通多语种关键词匹配与正则表达式 ## 任务描述 - 识别用户输入中是否显式声明语言偏好 - 若检测到，返回对应语言名称；否则返回“none” - 帮助下游模块快速决定响应语言，提升用户体验 ## 约束条件 1. 仅依据用户本次输入判断，不依赖历史上下文 2. 语言名称须使用 ISO 639-1 小写两位字母代码（如 en、zh、es） 3. 若出现多种语言声明，以最先出现的为准 4. 按照<输出格式>输出 5. 按照<执行步骤>一步一步执行 ## 执行步骤 1. 预处理：去除标点、统一小写 2. 构建关键词表：{"english":"en", "chinese":"zh", "spanish":"es", "french":"fr", "german":"de", "japanese":"ja", "korean":"ko"} 3. 扫描输入，匹配关键词表 4. 命中则输出对应值，未命中输出“none” ## 输出格式 单行文本，仅包含检测到的语言代码或“none”，无额外字符 用户提示词：引用当前的输入参数query，即引用用户的原始输入。 {{query}}
  判断节点	此节点用于根据大模型节点输出参数detected_lang的值判断是否需要给“记忆变量”赋值。 IF分支：大模型节点的detected_lang的值不等于none。 ELSE分支：大模型节点的detected_lang的值为none以外的其他值。
  变量赋值节点	当大模型节点检测到用户的语言偏好后，将记忆变量的值更新为对应语言名称。 参数名称：记忆变量中的user_language。 类型、值：引用“识别用户语言偏好”大模型节点的detected_lang。
  大模型节点-回答用户问题	此节点将根据用户偏好语言来回答用户的问题。 模型配置：选择GLM-5模型。 输入参数： query：引用开始节点的query。 user_language：引用记忆变量中的user_language。 提示词配置： 系统提示词：定义一段系统提示词，如下所示： 用{{user_language}}回复用户的问题{{query}} 用户提示词：引用当前的输入参数query，即引用用户的原始输入。 {{query}}
  结束节点	此节点用于输出大模型节点的回答内容。 输入参数： result：引用“回答用户问题”大模型节点的raw_output。

  在试运行配置界面使用默认值“中文”，工作流运行的效果如图5所示，当用户说“请用英文回复”，工作流在后续所有轮次中，即使用户没有再次声明语言偏好，也仍然会使用英文回复。

  图5 效果示例
  
• 示例2：自动循环生成岗位面试题（循环内赋值）

  用户输入一个岗位名称，系统自动循环3次，每次生成1道面试题，将所有面试题逐步拼接为一份完整的面试题集。

  图6 工作流
  

  工作流核心节点如表4所示。

  表4 节点配置说明

  节点类型	说明	示例
  开始节点	添加一个必选的输入参数，即需要出面试题的岗位名称。 参数名称：job_title 参数类型：String 描述：出面试题的岗位名称 必填：勾选。
  循环节点	用于指定生成的面试题的题数，每次循环通过中间变量将每一轮出的题作为变量传递到下次循环中，再通过代码节点将每一轮的面试题拼接为一份完整的面试题集。其中包含3个节点： 大模型节点：根据用户输入的岗位名称，每轮循环对应生成一道面试题。 代码节点：将每一轮循环的面试题进行拼接。 变量赋值节点：用于存储代码节点拼接好的面试题内容，并将其赋给循环节点的中间变量。 循环节点设置如下： 循环类型：选择“指定循环次数”。 循环次数：本示例设置为 3。 中间变量：设置变量all_questions，这个变量用于传递上次已生成的面试题内容，会在下次循环中提供给代码节点进行拼接。 因为首次循环时没有面试题，可以设置为一个空格，也可根据需要设置，此处设置为“面试题”。 输出参数：设置变量output，引用循环节点的中间变量all_questions。
  大模型节点-出题	此节点根据用户输入的岗位名称，对应生成一道面试题。 模型配置：选择DeepSeek-V3模型。 单击，将温度设置为0.8，保证每轮生成不同的题目。 输入参数： query：引用开始节点的query。 job_title：引用开始节点的job_title。 question_number：引用循环节点的index。 previous_questions：引用循环节点的中间变量all_questions。 输出参数： 单击输出区域右上角的“”，选择输出格式为“JSON”。 定义内容如下： question：类型为“String”，描述为岗位的面试题。 提示词配置： 系统提示词：定义一段系统提示词，如下所示： 请为"{{job_title}}"岗位出1道面试题。 已出的题目如下（不要重复）： {{previous_questions}} 要求： - 只输出1道题目的文本，不要编号，不要输出其他内容 - 与已出题目不重复 - 难度适中 用户提示词：引用当前的输入参数query，即引用用户的原始输入。 {{query}}
  代码节点-拼接题目	此节点将每一轮循环的面试题进行拼接。 绑定函数： 单击“新建函数”，在弹出的对话框输入函数名称：merged，函数描述为“文本拼接”，输入完成后单击“确定”。： 单击“编辑源码”，编辑如下代码： def main(args: dict) -> dict: """ 运行代码节点会调用此函数，请勿对下面的函数名做修改 :param args: 输入固定为args字典类型，kv为输入参数键值对，包含： - index: 题目的序号（数字，从0开始） - new_q: 新增题目的具体内容 - prev: 之前已汇总的题目文本（可为空） :return: 输出参数为字典类型，kv为输出参数键值对，包含： - merged: 拼接后的完整题目汇总文本 """ # 从输入字典中提取参数，若参数不存在则赋默认值（增强代码健壮性） index = args.get("index", 0) new_q = args.get("new_q", "") prev = args.get("prev", "") # 按格式拼接当前题目行（序号+1，转为1起始的展示序号） line = f"第{index + 1}题：{new_q}" # 拼接历史文本与当前题目行（空值处理） if prev: result = prev + "\n" + line else: result = line # 构造返回字典 ret = { "merged": result } return ret 输入参数： index：引用循环节点的index。 new_q：引用“出题”大模型节点的question。 prev：引用循环节点的中间变量all_questions。 输出参数： 参数名称：merged 参数类型：String 描述：拼接后的面试题
  变量赋值节点	用于存储代码节点拼接好的面试题内容，将“拼接题目”代码节点的merged的值赋给循环节点的中间变量all_questions。
  结束节点	此节点用于输出面试题目。 输入参数： result：引用循环节点的output。

  在试运行配置界面输入“Java后端工程师”，工作流运行的效果如图7所示。

  图7 效果示例
  

常见问题