大家好，我是阿童麦。

扣子工作流是由多个节点组成，每个节点通过连线，把变量不断处理、传递，最终输出我们想要的结果。

节点是什么？

你可以把“工作流”理解成一条流水线，而“节点”就是这条流水线上的不同工位的员工。每个员工只做一件事，但组合起来，就能完成复杂任务。

刚接触工作流的新手朋友，对于各个节点如何使用、每个节点适用于什么场景，往往一头雾水，甚至看完教程也不知道该从哪里下手。

还有一个很常见的误区：许多人以为节点越多、越复杂，工作流就越高级。实则恰恰相反：真正成熟的工作流，往往结构清晰、节点克制。

本篇开始，我会带你从 0 建立一套“节点认知体系”，系统梳理常见节点的作用与使用方式。

作为节点的第一篇，我们先从最基础、也是最重大的三个节点开始：开始节点、结束节点，以及大模型节点。

开始节点

开始节点作为工作流的入口，用来接收输入数据。它的使用很简单，你需要交给工作流处理的数据，都是在这个节点输入。

我这边在开始节点建立了 4 个变量，用来接收相应的 4 个数据。我们可以对变量勾选必填，还可以点击「展开」图标，对变量设置默认值和描述。

必填：勾选后，该变量必须输入数据，否则工作流无法运行。

默认值：在运行时自动填入预设内容，作为默认输入。

描述：用于说明这个变量的用途，方便自己或他人理解。

提议：如果变量勾选了“必填”，尽量设置默认值，避免运行时遗漏导致无法运行。

许多新手一开始都会有个疑问：是不是所有数据，都应该从开始节点传进来？

实则开始节点只负责一件事情：接收数据，也就是这条工作流一开始就必须确定的信息。

这些数据，我归纳为以下两类。

1、外部输入

最常见的一类的就是我们在运行时，需要输入的数据。

列如你要搭建一个“把动物放进冰箱”的工作流，可以把“动物名称”作为变量配置在开始节点。在运行时输入“大象”，那工作流接下来处理的就是“把大象放进冰箱”这件事。

另外，在后续你会接触到工作流节点，当一个工作流被当作子节点使用时，父工作流传入的数据，本质上也是通过“开始节点”进入子流程。

2、配置信息

一些不常常变化，但又必须存在的数据。

第三方插件节点需要的 api_key ，工作流的固定配置信息，列如语言类型、时间参数等，后续我会在实战项目中详细讲到。

把这些信息统一放在开始节点，有两个好处：聚焦管理 + 减少重复配置。

一句话总结开始节点的使用原则：一开始就必须知道的数据，才放在开始节点；中途才产生的数据，一律放到后面的节点处理。

结束节点

结束节点作为工作流的出口，当所有节点处理完成之后，最终的结果，会从这里输出。

你可以在结束节点中，选择需要输出的变量，把它们作为最终结果返回。我这边输出了开始节点中的四个数据。这也是最常用的返回形式：“返回变量”。

另外，你也可以对结束节点配置为“返回文本”，运行时工作流就会把输出变量，按你的方式组合成一段话来输出。如果工作流中有大模型节点，还可以打开「流式输出」，这样子更像聊天方式，逐字逐句的输出结果。

一般我们在用扣子开发智能体应用时会用到这种方式来输出。可以看到运行结果中输出的效果如下图所示。

一句话理解：结束节点不会做任何处理，它只负责“拿结果”，并把结果“交出去”。

大模型节点

大模型，也叫大语言模型（英语：Large Language Model，LLM），它让工作流具备了“理解”和“生成”的能力，是整个流程中最重大的一环。

扣子工作流的核心在于通过 AI 来处理问题，而大模型节点，正是承载这一能力的关键节点，它让流程真正“活了起来”。

大模型节点可以做什么？

你肯定通过豆包、ChatGPT等来改写文案，问知识问题，这种智能体，背后的核心就是大模型。

我们在扣子工作流中也一样，通过大模型节点来处理文本相关的工作，列如生成视频的分镜脚本，成语故事的旁白文案，图片的提示词。

这里许多新手都有一个误区，觉得大模型节点是万能的，直接可以生成视频或者图片。这里要分清楚一点：大模型节点“不能做视频渲染和图片生成”，但可以参与视频、图片生成的前半段工作。

下面我对大模型节点的各个配置进行详细讲解。

模型

大模型节点可以选择许多模型，列如豆包、DeepSeek、Kimi等，每个模型官方都写明了介绍，适用于什么场景。

点击右边的「设置」按钮，还可以对模型进行更细化的设置。一般情况保持默认就可以，如果模型处理时间过长，可以把「深度思考开关」关闭。

技能

如果你直接问大模型：“今天天气怎么样？”，它没有办法直接告知你具体天气情况，而是让你通过其他查询方式来获取。

这是由于大模型本身不具备查询天气的技能，如果要让它实现查询天气，我们就需要对它配置技能。列如，我这边添加了“墨迹天气”的技能，给它赋予了查询天气的能力。

输入

输入用来接收其他节点输出的变量，我这边接收了开始节点的 input 变量。

视觉理解输入

图片、视频这些数据，大模型节点通过“视觉理解输入”来接收，类似于上传功能。这样子模型可以获取并分析这些数据中的内容。

我这里接收了开始节点的 image 变量。

系统提示词

可以理解为：你在大模型节点里给 AI 定的身份 + 规则 + 工作方式。它是写给模型看的“最高优先级说明”，用来规定它该怎么思考、怎么输出、不能做什么。

列如你建一个“文章生成节点”，系统提示词可以这样写：“你是一个专业写作助手。你需要根据用户提供的主题生成一篇结构清晰的文章。文章必须包含标题、正文和总结。输出必须为中文，不要输出多余解释。”

系统提示词可以插入“变量”和“技能”，输入 {} 后就会弹出相应的“变量”和“技能”，点击添加就可以。

用户提示词

可以理解为：你在大模型节点里具体要 AI 处理的这一次任务内容。它和系统提示词的区别用一句话理解：系统提示词规定 AI “怎么做”，用户提示词告知 AI “做什么”。

用户提示词一样可以插入“变量”和“技能”，输入 {} 后和系统提示词一样操作。

这里要注意的是，你在输入中接收的变量，不会自动出目前用户提示词中，需要自己插入。

输出

把模型回答的内容，通过输出配置来传递变量，输出格式一般都是选择 JSON。

异常处理

大模型实际工作中会有超时，导致我们的工作流没法正常运行，我们需要对其进行异常处理。

我这边把“整体执行超时”设置成最高 “600 s”，“重复次数”设置为“重试 1 次”，“异常处理方式“设置为“中断流程”，“备选模型”设置为“豆包 2.0 mini”。

按这样配置，大模型第一次如果超过 600 秒后还未处理完成，就会调用备选模型来执行第二次工作，如果第二次还是超时，那就中断整个流程。

大模型节点，是整个工作流的核心节点。如果说开始节点负责“输入”，结束节点负责“输出”，那么大模型节点，负责的就是中间最关键的一步：处理内容。

结语

许多人学工作流，一开始是在记“节点怎么用，参数这么配”。但慢慢你会发现，这些都不是最关键的。

真正决定你能不能把工作流做起来的，是另一件事：你有没有把“要解决的事情”拆清楚。

节点只是工具，模型只有能力。

当你能把一件事情拆清楚，每一步做什么，用哪个节点做，这个时候，你会发现：工作流，不再是“搭节点”，而是在“设计流程”。

你不再关心“这个节点能不能用”，而是会自然地想到：这一步，本来就应该用这个节点。

下一篇，我将通过为大模型节点添加技能，一步步带你完成一个简单实战：查询天气。