实战 Coze Studio 工作流搭建

昨天我们初步探索了 Coze Studio 的智能体和插件功能，体验了如何快速构建并扩展 AI 应用。今天，我们将更进一步，深入学习 Coze Studio 的核心功能之一 ------ 工作流（Workflow），它是构建复杂、强大、专业的智能体的关键。

工作流介绍

如果说插件是智能体的 "单兵武器"，那么工作流就是将这些武器组合起来的 "战术编排"。工作流允许我们通过可视化的方式，将大模型、插件、代码、逻辑判断等节点串联起来，形成一个自动化的任务处理流程。Coze Studio 内置了很多处理节点可供选用：

这些组件大致可分为 6 大类，每个组件的功能汇总如下：

• 基础节点
  • 大模型：调用大语言模型，使用变量和提示词生成回复；
  • 插件：调用插件运行指定工具；
  • 工作流：调用其他已发布的工作流，实现工作流嵌套工作流的效果；
• 业务逻辑
  • 代码：支持通过编写代码，处理输入变量来生成返回值；
  • 选择器：连接多个下游分支，若设定的条件成立则仅运行对应的分支，若均不成立则只运行 "否则" 分支；
  • 循环：通过设定循环次数和逻辑，重复执行一系列任务；
  • 意图识别：通过大模型来识别用户输入的意图，实现类似选择器的效果；
  • 批处理：通过设定批量运行次数和逻辑，运行批处理体内的任务，和循环节点的区别在于，循环是按顺序逐个处理，批处理则是按批并行处理，运行效率更高；
  • 变量聚合：对多个分支的输出进行聚合处理；
• 输入&输出
  • 输入：类似于开始节点，支持中间过程的信息输入；
  • 输出：类似于结束节点，支持中间过程的消息输出，支持流式和非流式两种方式；
• 数据库
  • SQL 自定义：基于用户自定义的 SQL 完成对数据库的增删改查操作；
  • 更新数据：修改表中已存在的数据记录，用户指定更新条件和内容来更新数据；
  • 查询数据：从表获取数据，用户可定义查询条件、选择列等，输出符合条件的数据；
  • 删除数据：从表中删除数据记录，用户指定删除条件来删除符合条件的记录；
  • 新增数据：向表添加新数据记录，用户输入数据内容后插入数据库；
• 知识库&数据
  • 知识库检索：在选定的知识中，根据输入变量召回最匹配的信息，并以列表形式返回；
  • 知识库写入：可以向文档类型的知识库写入知识片段，仅可以添加一个知识库；
  • 变量赋值：用于应用变量或用户变量的赋值；
• 组件
  • 文本处理：用于处理多个字符串类型变量的格式，包括字符串拼接和字符串分割；
  • 问答：支持中间向用户提问问题，支持预置选项提问和开放式问题提问两种方式；
  • HTTP 请求：用于发送 API 请求，从接口返回数据；

创建工作流

下面我们来创建一个简单的工作流，假设我们现在要对接 高德的天气查询接口：

这个接口就没有昨天那么直接了，该接口的 city 参数是城市编码，并不是城市名称，然而大模型是不知道每个城市的具体编码的，如果直接将该接口配置在插件里，调用必然会失败。这个时候我们就可以创建一个工作流，先将用户输入的城市名自动转换为城市编码，然后再调用高德的天气查询接口。

首先进入 "资源库" 页面，点击 "+ 资源" 并选择 "工作流"；然后为工作流命名，例如 "amap_weather"，工作流名称只能是英文；接着进入可视化编排画布：

所有工作流都由一个开始节点和一个结束节点构成，我们先从开始节点配起，开始节点用于定义工作流的输入，这里我们添加 city 和 extensions 两个字符串类型的参数，用于接收用户想要查询的城市名称和气象类型；

接着在开始节点后面加一个代码节点，为其定义输入参数 city_name 和输出参数 city_id，注意 city_name 参数设置成引用开始节点的 city 参数，然后编写一段 Python 代码将城市名称转成城市编码：

代码内容如下：

city_list = [
  "北京市,110000",
  "天津市,120000",
  "石家庄市,130100",
  # ...
]
async def main(args: Args) -> Output:
  city_name = args.params['city_name']
  city_id = '110000'
  for city_info in city_list:
    city_info = city_info.split(',')
    if city_name in city_info[0]:
      city_id = city_info[1]
      break
  ret: Output = {
    'city_id': city_id
  }
  return ret

这里的 city_list 为城市编码表，可以从高德官网下载。然后点击上面的小三角测试该节点：

验证没问题后，接着再在代码节点后面加一个 HTTP 请求节点，配置如下参数：

• 接口方式 - GET
• API 地址 - https://restapi.amap.com/v3/weather/weatherInfo
• 请求参数
  • key - 填写高德 API KEY，可以从高德开放平台免费申请
  • city - 引用自代码节点的 city_id 参数
  • extensions - 引用自开始节点的 extensions 参数
  • output - 填写 json 表示希望接口返回 JSON 格式

配置好的 HTTP 请求节点如下：

仍然还是点击小三角测试：

测试通过后，将 HTTP 请求节点和结束节点连接起来，并在结束节点上添加 output 参数，引用 HTTP 请求节点的出参：

结束节点有两种返回方式：

• 返回变量：工作流运行结束后会以 JSON 格式输出所有返回参数，智能体在对话中触发工作流后，会自动总结 JSON 格式的内容，并以自然语言回复用户；
• 返回文本：工作流运行结束后，智能体将直接使用指定的内容回复对话；

这里选择 "返回变量" 方式，至此，整个工作流搭建完成，可以点击下方的 "试运行" 按钮，对整个工作流进行测试：

使用工作流

这样一个简单的工作流就创建好了，发布之后，我们就可以在创建智能体时，像添加插件一样，将这个工作流添加到智能体的技能中。当用户提问时，如果命中了这个工作流的意图，智能体就会自动执行整个流程：

注意，结束节点不要选 "返回文本"，可能导致工作流正常调用，但智能体却显示 "运行中止" 这样的情况。

代码沙箱配置

在上面的工作流示例中，代码节点默认会在服务所处的 Python 虚拟环境中直接运行，进入 Coze 容器，可以看到默认的 Python 版本和已安装的依赖：

如果你有隔离需求，可以开启沙箱功能，沙箱为我们提供了一个安全隔离的代码执行环境。沙箱配置位于 docker/.env 文件：

# 支持 `local` 和 `sandbox` 两种类型，默认 `local`
export CODE_RUNNER_TYPE="sandbox"

Coze Studio 的沙箱功能通过 Deno + Pyodide 实现的。Pyodide 是一个将 Python 运行时编译为 WebAssembly 的项目，使 Python 能够直接在 JavaScript 环境中运行，比如浏览器，无需后端服务器支持。它由 Mozilla 开发并维护，旨在将 Python 的科学计算生态系统带到 Web 平台。

Pyodide 非常适合作为代码沙箱环境，因为它在设计上就具备良好的安全性，可以有效限制代码的执行范围和权限，我们可以通过下面这些环境来限制它：

# 允许访问的环境变量，使用逗号分割，比如 `PATH,USERNAME`
export CODE_RUNNER_ALLOW_ENV=""
# 允许读取的路径，使用逗号分割，比如 `/tmp,./data`
export CODE_RUNNER_ALLOW_READ=""
# 允许写入的路径，使用逗号分割，比如 `/tmp,./data`
export CODE_RUNNER_ALLOW_WRITE=""
# 允许执行的子进程，比如 `python,git`
export CODE_RUNNER_ALLOW_RUN=""
# 允许访问的网络地址，域名或 IP
# pyodide 通过下面的 CDN 地址下载必须的依赖包，用于运行 Python 代码，最好不要删
export CODE_RUNNER_ALLOW_NET="cdn.jsdelivr.net"
# 允许访问的外部函数接口（Foreign Function Interface），例如 `/usr/lib/libm.so`
export CODE_RUNNER_ALLOW_FFI=""
# node_modules 目录位置，默认当前目录
export CODE_RUNNER_NODE_MODULES_DIR=""
# 超时时间，默认 60 秒
export CODE_RUNNER_TIMEOUT_SECONDS=""
# 内存限制，默认 100M
export CODE_RUNNER_MEMORY_LIMIT_MB=""

修改环境变量配置之后，通过下面的命令重启 Coze 服务生效：

$ docker compose --profile '*' up -d --force-recreate --no-deps coze-server

注意，由于修改了环境变量，这里用的 --force-recreate 参数强制容器重新创建，而不是重启。

小结

今天，我们深入学习了 Coze Studio 的工作流功能，我们不仅了解了工作流的基本概念和其丰富的节点类型，还通过一个实际的天气查询案例，动手创建了一个包含代码和 HTTP 请求的完整工作流。此外，我们还探讨了如何将工作流集成到智能体中，以及如何配置代码沙箱以确保执行安全。

接下来，我们将继续探索 Coze Studio 的另一个强大功能 ------ 知识库，学习如何为我们的智能体注入专属知识，让它变得更加专业和智能。

欢迎关注

如果这篇文章对您有所帮助，欢迎关注我的同名公众号：日习一技，每天学一点新技术。

我会每天花一个小时，记录下我学习的点点滴滴。内容包括但不限于：

• 某个产品的使用小窍门
• 开源项目的实践和心得
• 技术点的简单解读

目标是让大家用5分钟读完就能有所收获，不需要太费劲，但却可以轻松获取一些干货。不管你是技术新手还是老鸟，欢迎给我提建议，如果有想学习的技术，也欢迎交流！