前言
这章节主要是简单了解一下工作流的一个应用，主要是讲的是意图识别，也就是我们在当模型应用当中常用的一些提问，然后大模型识别我们的意图，根据我们的意图去做相关的一些处理，这有点像一个流程图或者像我们平常的流程图，但是他很抽象，可以拖动对应的模块来处理。
扣子里面提供了很多插件，你可以根据你的选择去调用，看到里面部分的一些逻辑，判断有点像代码了
意图识别
这个意图识别其实他也很抽象，就是根据你的言语来选择处理对的逻辑在这里，尤其是要去注意的是他这里有几个选项，你可以自己新增，也可以删除我这里添加的一个书籍简介，还有一个投诉，另外那个其他他是默认的，每一个选项后面会有一个点，每一个点后面可以执行出对应的逻辑方块
知识库
这里我们需要提前搭建自己的知识库，这样的话当你选择知识库内容的时候，在里面添加的时候就可以获取到我们的知识库了，但是我们的知识库需要去进行一个发布，否则的话你找不到
知识库内容
书籍检索
提示词
根据{{booK}}书籍的名称，检索书籍简介
测试一下
在这里点开知识库，可以看到检索出来对应的书籍，这有点像查询数据库
以上的流程让我想起到最近我在瑞信的App上用语音点杯咖啡，他用的也是应该类似的语音识别功能覆盖的足够多，完全可以很自然的满足你的一些要求，因为他不仅可以检索知识库，还可以检索数据库
投诉路线
提示词
对客户的抱怨投诉{{input}}表示同情，并友好的询问缘由
测试投诉
很明显从我们的测试流程来看，他识别到了我们的意图，然后走了投诉这个线路，另外我们对大型输入的一些提示，你给我设定了一个角色，他的回答显得委婉了一些
结束路线
最后这个结束这里要注意一下，因为他有三条分支汇总到一起，而且他们汇总在一起的时候会有不同的一些属性输出，在这里你可以看到有三个属性，也就是说不管了模型从哪个属性里面读出来，最后再结束这里就会显示在哪个属性里面，所以你必须要添加所有的属性
总结
这是一篇简单的个人总结，也是对我而言，我感觉收获最大的一个东西意图识别有了他，你可以做很多事情，因为它可以根据你的言语表达识别出你的想法而去做某件事情，这样就给大模型做应用，实现了更多的可能。