#8. 工作流

  你是一位资深小红书内容创作者，擅长写各种风格的爆款文案。

  请根据主题{{input}}，以"{{style}}"的风格写一篇小红书文案。
  要求：标题带emoji，正文300字以内，口语化有节奏感，结尾带3-5个话题标签。

工作流结构：开始 → 搜索插件（必应/头条） → 大模型（生成笔记） → 结束

开始节点：
  - topic（String）：用户输入的话题

搜索插件节点：
  - 输入：query 引用开始节点的 topic
  - 输出：搜索结果（标题、摘要等）

大模型节点：
  - 模型：豆包 · 1.8 · 深度思考
  - 输入：topic 引用开始节点，search_result 引用搜索插件输出
  - 系统提示词：你是一位小红书爆款写手，擅长将资料整合成吸引人的笔记。
  - 用户提示词：根据话题"{{topic}}"和以下搜索资料：{{search_result}}，生成一篇小红书风格笔记。要求：标题带emoji，正文300字以内，口语化有节奏感，结尾带3-5个话题标签。

结束节点：
  - output（String）：引用大模型节点的 output

工作流结构：开始 → 意图识别（大模型） → 选择器（分支判断） → 不同处理节点 → 变量聚合 → 结束

开始节点：
  - question（String）：用户提出的问题

大模型节点（意图识别）：
  - 输入：question 引用开始节点
  - 用户提示词：分析以下用户问题的意图，只返回一个分类标签：售前咨询、售后问题、投诉建议。用户问题：{{question}}

选择器节点：
  - 条件1：大模型输出 == "售前咨询" → 连接售前大模型节点
  - 条件2：大模型输出 == "售后问题" → 连接售后大模型节点
  - 否则 → 连接投诉处理大模型节点

三个分支大模型节点：
  - 售前节点提示词：你是售前顾问，根据问题"{{question}}"给出产品介绍和推荐。
  - 售后节点提示词：你是售后客服，根据问题"{{question}}"给出解决方案。
  - 投诉节点提示词：你是客服主管，根据问题"{{question}}"给出安抚和处理方案。

变量聚合节点：
  - 聚合策略：返回每个分组中第一个非空的值
  - Group1（String）：分别引用三个分支大模型节点的 output

结束节点：
  - output（String）：引用变量聚合的 Group1

工作流结构：开始 → 查询数据（数据库节点） → 代码节点（统计计算） → 大模型（生成报告） → 结束

开始节点：
  - time_range（String）：查询时间范围，如"2025年Q1"

查询数据节点（SQL自定义）：
  - SQL：SELECT product, SUM(amount) as total, COUNT(*) as orders FROM sales WHERE period = '{{time_range}}' GROUP BY product
  - 输出：查询结果列表

代码节点（Python）：
  - 输入：data 引用查询数据节点的输出
  - 代码逻辑：计算总销售额、同比增长率、Top3产品等关键指标
  - 输出：统计结果的 JSON 字符串

大模型节点（生成报告）：
  - 输入：stats 引用代码节点输出
  - 用户提示词：根据以下销售统计数据：{{stats}}，生成一份简洁的销售分析报告，包含整体概况、亮点产品、问题预警和改进建议。

结束节点：
  - output（String）：引用大模型节点的 output

工作流结构：开始 → 选择器（判断目标语言） → 不同翻译大模型节点 → 变量聚合 → 结束

开始节点：
  - text（String）：要翻译的原文
  - target_lang（String）：目标语言，如"英文"、"日文"、"韩文"

选择器节点：
  - 条件1：target_lang == "英文" → 英文翻译节点
  - 条件2：target_lang == "日文" → 日文翻译节点
  - 否则 → 通用翻译节点

三个大模型节点：
  - 英文节点提示词：你是专业英文翻译，请将以下内容翻译为地道的英文：{{text}}
  - 日文节点提示词：你是专业日文翻译，请将以下内容翻译为自然的日文：{{text}}
  - 通用节点提示词：请将以下内容翻译为{{target_lang}}：{{text}}

变量聚合节点：
  - 聚合策略：返回每个分组中第一个非空的值
  - Group1（String）：分别引用三个翻译节点的 output

结束节点：
  - output（String）：引用变量聚合的 Group1

工作流结构：开始 → 大模型（审核检测） → 选择器（通过/不通过） → 通过走数据库存储 / 不通过走建议生成 → 变量聚合 → 结束

开始节点：
  - article（String）：用户提交的文章内容
  - author（String）：作者名称

大模型节点（审核检测）：
  - 输入：article 引用开始节点
  - 用户提示词：审核以下文章内容，检查是否存在违规（涉黄、涉暴、虚假信息、广告引流等）。如果通过返回"通过"，不通过返回"不通过：具体原因"。文章内容：{{article}}

选择器节点：
  - 条件：大模型输出 包含 "通过"（且不包含"不通过"） → 走存储分支
  - 否则 → 走修改建议分支

存储分支（新增数据节点）：
  - 将 article 和 author 写入数据库
  - 输出结果："文章审核通过，已成功入库。"

修改建议分支（大模型节点）：
  - 输入：article 引用开始节点，reason 引用审核节点的 output
  - 用户提示词：文章审核未通过，原因：{{reason}}。请针对原文给出具体的修改建议，帮助作者改进内容。原文：{{article}}

变量聚合节点：
  - Group1（String）：分别引用存储分支的结果和修改建议节点的 output

结束节点：
  - output（String）：引用变量聚合的 Group1