Dify 流程节点配置完全指南

Dify 流程节点配置完全指南文档说明本文档依据 Dify 官方文档整理覆盖工作流、对话流全部节点配置每个节点附带可直接复制使用的实操配置示例适配 Version1.13.3 版本。目录一、基础入口与输出节点 21.1 开始节点Start Node 2功能概述 2两种启动类型 2完整配置示例智能客服场景 21.2 结束节点End Node/ 直接回复节点Answer Node 2功能区分 2配置示例直接回复节点回复模板 3二、AI 模型核心节点 32.1 LLM 大语言模型节点 3功能概述 3前置使用要求 3核心配置项说明 3User 提示词 52.2 Agent 智能体节点 5功能概述 5Agent 两种执行策略 5核心配置项 5输出变量清单 6三、知识库检索节点 73.1 知识检索节点Knowledge Retrieval 7四、流程逻辑控制节点 84.1 条件分支节点If-Else 84.2 迭代循环节点Iteration 8五、数据处理通用节点 95.1 代码执行节点 CodePython / JavaScript 95.2 模板转换节点 TemplateJinja2 115.3 变量赋值器 Variable Assigner 125.4 参数提取器 Parameter Extractor 13六、外部集成节点 146.1 独立工具节点 Tools 146.2 HTTP 请求节点 15七、通用编排规范 167.1 串行与并行执行规则 167.2 全局变量引用语法 16八、标准业务流程串联模板 17模板 1标准 RAG 知识库问答 17模板 2自然语言参数提取 API 查询 17模板 3多轮会话记忆对话流 17模板 4复杂任务自主 Agent 流程 17一、基础入口与输出节点1.1 开始节点Start Node功能概述开始节点是整个工作流的唯一入口决定工作流启动方式。所有下游节点均可读取开始节点定义的输入变量。两种启动类型用户输入启动由终端用户或者 API 调用触发工作流支持自定义文本、数字、文件、图片等输入字段。只有以用户输入启动的工作流才能发布为 Web 应用、MCP 服务器、后端服务 API或在其他 Dify 应用中作为工具复用。对话流应用始终以用户输入开始。触发器自动启动无需人工操作自动运行包含三种类型定时触发器按指定时间或间隔运行集成触发器通过触发器集成的事件订阅在外部系统发生事件时运行Webhook 触发器当工作流收到外部系统的 HTTP 请求时运行切换开始节点用户输入和触发器在同一画布上互斥。要切换右键点击当前开始节点并选择“更改节点”或删除后重新添加。完整配置示例智能客服场景自定义输入字段配置表字段名称 字段类型 是否必填 字段说明query 文本 必填 用户输入的提问内容user_id 文本 选填 用户唯一身份标识attachment 文件 选填 用户上传截图、文档附件1.2 结束节点End Node/ 直接回复节点Answer Node功能区分结束节点End Node工作流应用专用 仅能放置在流程末尾支持输出多字段 JSON 结构化数据适用于 API 调用、批量数据输出场景。直接回复节点Answer Node对话流应用专用 定义了在对话流应用中向用户传递的内容支持流式打字输出效果可放置在任意分支中间节点。多模态响应直接回复节点支持丰富的内容传递包括在单个响应流中传递文本、图像和文件。多个直接回复节点你可以在对话流应用中的不同位置放置多个直接回复节点实现渐进式响应在处理继续的同时提供即时确认、条件响应基于分支逻辑发送不同内容、流式更新在长时间运行过程中部分结果可用时立即传递。配置示例直接回复节点回复模板您好根据您的提问 “{{start.query}}”我们为您找到了以下信息{{llm_response.text}}如需进一步帮助请随时告诉我。变量释义• {{start.query}}引用开始节点传入的用户提问内容• {{llm_response.text}}引用上游 LLM 节点生成的文本结果二、AI 模型核心节点2.1 LLM 大语言模型节点功能概述调用语言模型来处理文本、图像和文档。它向你配置的模型发送提示词并捕获其响应支持结构化输出、上下文管理和多模态输入。前置使用要求前往 集成 模型供应商 页面完成至少一个大模型服务商密钥配置。核心配置项说明1、模型与基础参数参数名称 参数作用 推荐配置区间Temperature温度 控制生成内容随机性范围从 0确定性到 1创造性 问答/分类0.10.3创意写作0.70.9Top P 核采样 通过概率限制词汇选择 0.3~0.8Max Tokens 单次输出最大文本长度 根据模型上下文上限配置频率惩罚 减少重复 1.0~1.2存在惩罚 鼓励新话题 1.0~1.2系统提供快捷预设精确、平衡、创意三种参数组合一键切换。2、提示词分层配置你的界面根据模型类型自适应• 对话类模型分为 System角色定义、User用户输入、Assistant少样本示例三段• 补全类模型仅支持纯文本续写模板在提示词中使用双花括号引用工作流变量{{variable_name}}。变量在到达模型之前会被实际值替换。3、上下文注入将知识检索节点的输出连接到 LLM 节点的上下文输入并引用它。当使用来自知识检索的上下文变量时Dify 会自动跟踪引用以便用户看到信息来源。4、结构化输出三种配置方式• 可视化编辑器用户友好的界面适用于简单结构• JSON Schema直接编写 Schema适用于具有嵌套对象、数组和验证规则的复杂结构• AI 生成用自然语言描述需求让 AI 生成 Schema5、记忆和文件处理• 记忆启用后在聊天流对话中的多个 LLM 调用之间维护上下文。记忆是节点特定的不会在不同对话之间持续存在• 文件处理将文件变量添加到多模态模型的提示词中。userinput.files 会自动从用户输入节点获取文件• 视觉能力处理图像时可控制细节级别——高细节对复杂图像具有更好的准确性但使用更多令牌或低细节对简单图像进行更快处理使用较少令牌6、Jinja2 模板支持LLM 提示词支持 Jinja2 模板以进行高级变量处理允许在提示词中进行循环、条件和复杂数据转换。示例 1意图分类 LLM 完整配置• 节点名称意图识别 LLM• 选用模型gpt-4o-mini• 温度参数0.1保证分类结果稳定无偏差System 提示词你是专业客服意图分类器仅输出分类标签禁止输出任何额外解释文字。可选分类标签共三类complaint 投诉inquiry 咨询suggestion 建议User 提示词用户说{{start.query}}输出变量说明llm.text 最终值为 complaint / inquiry / suggestion 三者其一。示例 2RAG 文档问答 LLM 完整配置• 节点名称文档问答 LLM• 选用模型claude-3.5-sonnet• 上下文数据源{{knowledge_retrieval.result}}System 提示词你是专业文档助手仅能依据下方参考资料回答用户问题。如果参考资料中不存在相关信息统一回复资料库中未找到相关答案禁止编造任何内容。【参考资料】{{knowledge_retrieval.result}}User 提示词用户问题{{start.query}}2.2 Agent 智能体节点功能概述Agent节点让你的LLM自主控制工具使其能够迭代决定使用哪些工具以及何时使用它们。Agent不是预先规划每一步而是动态地推理问题根据需要调用工具来完成复杂任务。Agent 两种执行策略策略名称 底层原理 适配模型函数调用Function Calling 使用 LLM 原生函数调用能力通过工具参数直接传递工具定义。LLM 使用其内置机制决定何时以及如何调用工具 GPT-4、Claude 3.5 等支持函数调用的模型推理与行动ReAct 使用结构化提示词引导 LLM 通过明确的推理步骤遵循 思维 → 行动 → 观察 循环进行透明的决策制定 全系列通用模型可通过 市场 → Agent 策略安装其他策略。核心配置项模型选择选择支持所选 Agent 策略的 LLM。如果使用函数调用策略请确保你的模型支持函数调用工具配置配置 Agent 可访问的工具每个工具需要授权API 密钥和凭据、描述清楚说明工具的作用以及何时使用它、参数必需和可选输入带有适当验证指令和上下文使用自然语言指令定义 Agent 的角色、目标和上下文。使用 Jinja2 语法引用上游工作流节点的变量。查询指定 Agent 应该处理的用户输入或任务最大迭代次数设置安全限制以防止无限循环。简单任务 3-5 次复杂研究 10-15 次记忆控制 Agent 使用 TokenBufferMemory 提供更多上下文但会增加标记成本工具参数自动生成工具可以将参数配置为自动生成或手动输入。自动生成的参数由 Agent 自动填充而手动输入参数需要明确的值输出变量清单• 最终答案 - Agent 对查询的最终响应• 工具输出 - 执行期间每次工具调用的结果• 推理轨迹 - 逐步决策过程ReAct 策略特别详细在 JSON 输出中可用• 迭代计数 - 使用的推理循环次数• 成功状态 - Agent 是否成功完成任务• Agent 日志 - 带有元数据的结构化日志事件用于调试和监控工具调用完整配置示例旅行规划 Agent• 节点名称旅行规划 Agent• 执行策略函数调用Function Calling• 选用模型gpt-4o• 最大迭代次数8 次绑定可用工具列表• 工具 1get_weather(city) - 获取目的地天气• 工具 2search_hotels(city, check_in, check_out) - 检索酒店信息• 工具 3calculate_budget(days, people) - 计算行程总预算系统指令你是资深旅行规划师需要依次调用天气查询、酒店搜索、预算计算三类工具为用户生成完整 3 日出游方案。最终回复语言自然亲切必须包含天气、住宿推荐、总预算三项核心信息。查询输入内容我想在 {{start.destination}} 游玩 3 天2 个人出行下个月 1 号出发。预期输出示例为您定制的成都 3 日游计划天气下月 1-3 日多云18-25℃适合出行。推荐住宿春熙路亚朵酒店均价 600 元/晚。总预算约 4500 元住宿 1800 元餐饮 1200 元门票及交通 1500 元。需要我细化每日行程吗三、知识库检索节点3.1 知识检索节点Knowledge Retrieval功能概述你可以通过知识检索节点将已有知识库集成到 Chatflow 或 Workflow 应用中。该节点在指定知识库中检索与查询相关的信息并将检索结果作为上下文内容传递给下游节点如 LLM使用。典型用例用户输入节点收集用户问题知识检索节点在指定知识库中检索与用户问题相关的内容并输出检索结果LLM 节点基于用户问题和检索结果生成回复直接回答节点将 LLM 的回复输出给用户前置使用要求• 后台已创建知识库并完成文档上传• 注意知识检索操作受每分钟频率限制具体数值因订阅计划而异核心配置步骤1、指定查询内容• 查询文本选择一个文本变量。在 Chatflow 中可用 userinput.query 引用用户输入在 Workflow 中则可选择文本类型的用户输入变量• 查询图片选择一个图片变量进行跨模态检索每张图片不得超过 2 MB。仅当添加了至少一个多模态知识库时才会出现此选项此类知识库会带有 Vision 图标2、选择检索的知识库• 为节点添加一个或多个知识库。添加多个知识库时会同时检索所有知识库合并结果并根据节点级检索设置进行处理• 带有 Vision 图标的知识库支持跨模态检索基于语义相关性同时检索文本和图片3、调整节点级检索设置• Rerank 设置检索设置分为知识库级和节点级两层——知识库设置决定初步的检索结果池而节点设置对结果进行重排序或进一步筛选• 权重设置语义相似度与关键词匹配的权重。语义权重高则更注重语义相关性关键词权重高则更偏向精确匹配。仅当所有已添加的知识库使用的索引方式均为高质量时才会出现权重设置选项• Rerank 模型根据与查询内容的相关性对所有结果的相似度分数进行重新评定和排序。若添加了多模态知识库需同时选择多模态 Rerank 模型完整配置示例• 节点名称检索产品手册• 查询文本变量{{start.query}}• 绑定知识库2025 产品使用手册库、常见 FAQ 库• 权重配比语义相似度 0.7关键词匹配 0.3• Rerank 模型启用 BAAI/bge-reranker-v2-m3输出变量说明knowledge_retrieval.result 为数组格式单条数据包含文档片段 content、相似度 score、文档名称、文档来源 ID。LLM 节点引用方式参考资料{{knowledge_retrieval.result}}四、流程逻辑控制节点4.1 条件分支节点If-Else功能概述根据变量文本、数值特征分流工作流执行路径支持多分支、多条件 AND/OR 逻辑组合。支持条件判断类型• 文本操作包含/不包含、开头匹配/结尾匹配、为空/不为空、等于/不等于• 数值比较大于、小于、等于、不等于完整配置示例客服分流逻辑分支判断规则IF 分支{{llm_classify.text}} 等于 complaint → 执行投诉专属安抚 LLMELIF 分支{{knowledge_retrieval.result[0].score}} 大于 0.85 → 直接使用知识库答案回复ELSE 默认分支以上条件均不满足提示用户转接人工客服4.2 迭代循环节点Iteration功能概述迭代节点通过对每个元素按顺序或并行运行相同的工作流步骤来处理数组。用于批处理任务这些任务若作为单一操作会遇到限制或效率低下的问题。核心组件• 输入变量来自上游节点的数组数据• 内部工作流对每个元素执行的处理步骤• 输出变量从所有迭代收集的结果也是一个数组核心配置项数组输入连接来自上游节点的数组变量如参数提取器、代码节点、知识检索或 HTTP 请求响应内置变量{{items}}当前遍历对象、{{index}}当前下标从 0 开始处理模式o 顺序模式项目按顺序逐一处理支持流式结果返回较低的内存使用量可预测的执行顺序o 并行模式最多同时处理 10 个项目独立操作的更快执行高效处理大型数组错误处理策略o 终止出现任何错误时停止处理并返回错误消息o 错误时继续跳过失败的项目并继续处理为失败的元素输出 nullo 移除失败结果跳过失败的项目并仅返回成功的结果完整配置示例批量新闻摘要使用场景上游 HTTP 接口返回多条新闻数组逐条生成 20 字以内摘要。数组输入变量{{http_request.body.articles}}处理模式并行模式内部子流程配置内部 LLM 节点输入 {{items.title}}、{{items.content}}提示词请为以下新闻生成一句 20 字以内摘要{{items.content}}内部结束节点收集 LLM 输出文本迭代节点输出iteration.output 摘要数组输出处理将数组转换为文本方法一代码节点def main(articleSections: list) - dict:return { “result”: “\n”.join(articleSections) }方法二模板节点{{ articleSections | join(“\n”) }}五、数据处理通用节点5.1 代码执行节点 CodePython / JavaScript功能概述代码节点执行自定义 Python 或 JavaScript 来处理工作流中复杂的数据转换、计算和逻辑。当预设节点无法满足你的特定处理需求时可以使用它。配置步骤定义输入变量以访问工作流中其他节点的数据在代码中引用这些变量函数必须返回一个包含已声明输出变量的字典语言支持• Python包含标准库如 json、math、datetime 和 re。非常适合数据分析、数学运算和文本处理• JavaScript提供标准内置对象和方法适合 JSON 操作和字符串操作错误处理和重试• 允许最多 10 次自动重试并可配置间隔最大 5000ms• 可定义代码执行失败时的回退策略输出限制• 字符串最多 400,000 个字符• 数字整数最多 19 位小数最多 20 位• 对象和数组嵌套最多 5 层安全考虑代码在隔离的沙箱中运行阻止文件系统访问、出站网络请求和系统命令。任何试图访问沙箱外部的操作都会被自动阻止。依赖支持代码节点支持 Python 和 JavaScript 的外部依赖。沙箱环境中预装了一组标准包如 numpy、pandas、requests、lodash、moment 等。导入这组之外的包会在执行时失败。示例 1Python 文本清洗代码输入变量raw_text {{ocr_node.text}}输出变量cleaned_text、word_countimport redef main(raw_text: str) - dict:# 移除非中文、英文、数字、常用标点之外的特殊符号cleaned re.sub(r’[^\u4e00-\u9fa5a-zA-Z0-9\s。、]‘, ‘’, raw_text)# 统计去除空格后的有效字符数量char_count len(re.sub(r’\s’, ‘’, cleaned))return { cleaned_text: cleaned, word_count: char_count}下游引用方式{{code_node.cleaned_text}}示例 2JavaScript 数组统计代码输入变量scores {{http_request.data}}输出变量avg_score、max_scorefunction main(scores) {if (!scores || scores.length 0) {return { avg_score: 0, max_score: 0 };}const sum scores.reduce((a, b) a b, 0);const avg sum / scores.length;const max Math.max(…scores);return { avg_score: avg, max_score: max };}5.2 模板转换节点 TemplateJinja2功能概述模板转换节点使用 Jinja2 模板语法将来自多个来源的数据转换和格式化为结构化文本。可使用它来组合变量、格式化输出并为下游节点或终端用户准备数据。常用语法对照表功能 语法示例变量渲染 {{ variable_name }}、{{ user.name }}、{{ items[0].title }}条件判断 {% if user.subscription ‘premium’ %}…{% else %}…{% endif %}循环遍历 {% for item in search_results %}…{% endfor %}数据过滤 {{ name | upper }}、{{ price | round(2) }}、{{ tags | join(, ) }}错误处理 {{ user.email | default(‘No email provided’) }}交互式表单模板转换节点可在 Chatflow 中生成交互式 HTML 表单用于收集结构化数据。提交后表单值会作为终端用户的下一条聊天消息发送•>{% for ticket in tickets %}序号 {{ loop.index }}. 工单 #{{ ticket.id }}标题{{ ticket.title }}状态{% if ticket.status ‘open’ %} 未处理{% else %} 已关闭{% endif %}优先级{% if ticket.priority 5 %}紧急{% else %}普通{% endif %}{% endfor %}请相关人员尽快处理未关闭工单。5.3 变量赋值器 Variable Assigner功能概述变量赋值器节点通过写入会话变量来管理对话流应用中的持久化数据。会话变量 vs 工作流变量• 工作流变量仅在单次工作流执行期间存在并在工作流完成时重置• 会话变量在同一聊天会话中的多个对话轮次之间持续存在支持有状态交互和上下文记忆支持操作类型数据类型 支持的操作字符串 覆写、清除、设置数字 覆写、清除、设置、算术运算加、减、乘、除布尔值 覆写、清除、设置对象 覆写、清除、设置数组 覆写、清除、追加、扩展、移除第一个/最后一个常见实现模式智能记忆系统构建能够自动检测和存储对话中重要信息的聊天机器人提取结构化信息并追加到持久化记忆数组中用户偏好存储存储用户偏好如语言设置、通知偏好或显示选项在所有后续 LLM 响应中引用它们渐进式清单构建跨多个对话轮次跟踪完成状态的引导式工作流配置示例存储用户对话偏好预设会话变量• user_language字符串默认值 en• chat_count数字默认值 0赋值操作配置• 操作 1覆写 user_language {{parameter_extractor.language}}• 操作 2算术自增 chat_count {{session.chat_count}} 1下游引用方式{{session.user_language}}5.4 参数提取器 Parameter Extractor功能概述参数提取器节点使用 LLM 智能将非结构化文本转换为结构化数据。它弥合了自然语言输入与工具、API 和其他工作流节点所需的结构化参数之间的差距。配置步骤输入和模型选择选择包含要提取参数的文本的输入变量。选择具有强大结构化输出能力的模型参数定义指定参数名称、数据类型字符串、数字、布尔值、数组或对象、描述帮助 LLM 了解要提取的内容、必需状态提取指令编写清晰的指令描述要提取什么信息以及如何格式化。在指令中提供示例可以提高复杂参数的提取准确性和一致性两种推理模式模式 说明函数调用/工具调用 使用模型的结构化输出功能进行可靠的参数提取具有强类型合规性基于提示词的方法 依赖纯提示词技术适用于可能不支持函数调用的模型记忆启用记忆功能以在提取参数时包含对话历史有助于 LLM 在交互式对话中理解上下文。输出变量• 提取的参数作为与你的参数定义匹配的单个变量出现可供下游节点使用• 内置变量__is_success - 提取成功状态成功为 1失败为 0__reason - 提取失败时的错误描述完整配置示例机票预订信息提取输入文本{{start.query}}选用模型gpt-4o-mini推理模式函数调用/工具调用参数定义表参数名 数据类型 描述 是否必填destination String 目的地城市名称 是departure String 出发城市名称 是departure_date String 出发日期格式 YYYY-MM-DD 是passengers Number 乘机人数默认值 1 是class String 舱位等级economy/business/first 否提取指令从用户自然语言中提取机票预订关键信息严格按照参数定义输出 JSON 格式。用户未提及出发日期时默认填写次日日期。测试输入文本我想订一张从北京去上海的机票三个人下周一出发提取输出 JSON 结果{“destination”: “上海”,“departure”: “北京”,“departure_date”: “2026-07-14”,“passengers”: 3,“class”: null}下游引用方式{{parameter_extractor.departure_date}}六、外部集成节点6.1 独立工具节点 Tools功能概述将 Dify 工具作为独立节点添加到你的工作流中。这使你的工作流能够与外部服务和 API 交互以访问实时数据并执行操作例如网页搜索、数据库查询或内容处理。基础配置步骤在画布上点击 添加节点 工具然后从可用工具中选择一个操作可选如果工具需要认证选择已有凭证或创建新凭证。要更改默认凭证前往 集成 工具 工具插件完成其他所需的工具设置配置示例Google 搜索工具• 节点名称实时热点查询• 选用工具Google SearchSerpAPI 凭证• 查询参数{{parameter_extractor.keyword}}• 输出变量tools_node.organic_results 搜索结果数组6.2 HTTP 请求节点功能概述HTTP 请求节点将你的工作流连接到外部 API 和 Web 服务。使用它来获取数据、发送 webhooks、上传文件或与任何接受 HTTP 请求的服务集成。HTTP 方法方法 用途GET 从服务器检索数据而不修改任何内容HEAD 获取响应头而不包含完整的响应正文用于检查资源是否存在或获取元数据POST 向服务器发送数据通常用于创建新资源PUT 创建或完全替换资源PATCH 对现有资源进行部分更新DELETE 从服务器移除资源核心配置项变量替换使用双花括号引用工作流变量 {{variable_name}}支持深度对象访问如 {{api_response.data.items[0].id}}超时配置连接超时、读取超时、写入超时身份验证支持无认证、API KeyBasic/Bearer/Custom请求正文JSON用于结构化数据、表单数据用于传统 Web 表单、二进制用于文件上传、原始文本用于自定义内容类型文件检测自动检测文件响应——通过 Content-Disposition 分析、MIME 类型评估、内容采样对于模糊类型采样前 1024 字节文件操作文件上传使用二进制请求正文选项和文件下载自动处理下载的文件可作为文件变量重试设置自动重试失败的请求最多 10 次具有可配置的间隔最大 5000ms错误处理定义 HTTP 请求失败时的替代工作流路径SSL 验证支持 SSL 验证配置响应处理• 响应正文 - API 返回的主要内容• 状态码 - 用于条件逻辑的 HTTP 状态• 头部 - 作为键值对的响应元数据• 文件 - API 返回的任何文件内容• 大小信息 - 内容大小以字节为单位具有可读格式KB/MB示例 1天气接口查询配置• 请求方式GET• 请求 URLhttps://api.openweathermap.org/data/2.5/weather• Query 参数o q {{parameter_extractor.city}}o appid 填写个人 API 密钥o units metric• 超时配置连接超时 5 秒读取超时 10 秒最多重试 2 次下游模板引用示例当前 {{http_request.body.name}} 的天气温度{{ http_request.body.main.temp }}°C天气状况{{ http_request.body.weather[0].description }}湿度{{ http_request.body.main.humidity }}%示例 2飞书机器人 Webhook 推送配置• 请求方式POST• 请求 URL飞书机器人 Webhook 地址• 请求头Content-Type: application/json请求体 JSON{“msg_type”: “text”,“content”: {“text”: “【告警通知】\n用户 {{start.user_id}} 提交了紧急工单\n{{llm_response.summary}}”}}七、通用编排规范7.1 串行与并行执行规则串行排列节点按顺序依次执行下游节点可读取前面所有节点输出变量并行排列多条分支同步运行分支之间无法互相读取变量所有分支汇合后末尾节点可读取全部分支输出数据举例并行分支 A天气查询、并行分支 B航班查询汇合后的汇总节点可同时读取 {{branch_A.weather}} 和 {{branch_B.flight_status}} 两条分支数据。7.2 全局变量引用语法全节点统一使用双花括号引用流程变量基础变量{{节点名.变量名}}数组深度取值{{http_request.body.data[0].id}}快捷插入输入框内输入 / 或者 { 可快速唤起变量选择菜单八、标准业务流程串联模板模板 1标准 RAG 知识库问答开始节点用户输入 query→知识检索节点绑定产品知识库→LLM 问答节点注入检索上下文作为参考资料→直接回复节点流式输出最终答案模板 2自然语言参数提取 API 查询开始节点用户自然语言提问→参数提取器提取城市、日期、人数结构化字段→HTTP 请求节点调用第三方业务 API引用提取出的参数→模板转换节点格式化 API 返回 JSON 数据→结束节点结构化输出结果模板 3多轮会话记忆对话流开始节点用户输入→变量赋值器会话计数自增保存用户偏好→LLM 节点读取 session 会话变量实现多轮记忆→直接回复节点流式回复对话内容模板 4复杂任务自主 Agent 流程开始节点复杂任务指令→Agent 节点绑定搜索/计算器/数据库工具最大迭代 10 次→模板转换节点美化 Agent 原始推理结果→直接回复节点输出