大模型节点

大模型节点调用所选语言模型，根据输入参数、提示词、会话历史和已配置技能生成结果。适合文本生成、总结改写、分类判断、信息抽取、视觉理解和结构化输出等任务。

与把插件、工作流等能力直接放到流程图中不同，大模型节点中的技能由模型结合上下文决定是否调用、调用哪一个以及如何组织参数。因此，确定性的关键业务步骤更适合使用独立节点；允许模型自主选择工具的开放任务，才适合配置为大模型技能。

最小可运行配置

配置一个可运行的大模型节点，至少需要完成以下步骤：

1. 选择可用的模型。
2. 在“输入”中声明变量，并为变量绑定固定值或上游节点输出。
3. 编写系统提示词和用户提示词；在用户提示词中引用输入变量。
4. 选择文本、Markdown 或 JSON 输出格式，并确认输出字段。
5. 将大模型节点的输出连接到后续节点；需要向工作流调用方返回结果时，再由结束节点返回相应变量。

运行模式

当前编辑器提供“单次”和“批处理”两种运行模式。

模式	输入方式	运行特点	适合场景
单次	每个输入参数绑定一个值	每次执行发起一次模型任务	问答、总结、分类、单条数据抽取
批处理	选择一个或多个列表作为批处理数据源	按批次逐项执行，并汇总批次结果	多条文案生成、批量分类、列表数据处理

批处理时应先用少量数据试运行，再根据模型限流、单次耗时和费用调整批次大小及并发数量。运行时会限制批量规模；当前定义的默认上限为 20，实际执行会把上限约束在 1～200 之间。使用异常分支时，编辑器不会允许切换到批处理模式。

选择模型与模型设置

模型选择器展示当前空间中可用的模型。不同模型开放的配置不同，不能假设所有模型都支持技能、图片、视频、深度思考或推理过程展示。

模型能力	对节点配置的影响
Function Call	支持把插件、工作流和知识库配置为模型技能
图片理解	“视觉理解输入”中可添加图片
视频理解	“视觉理解输入”中可添加视频
推理过程展示	输出区域会出现只读的 reasoning_content 字段
结构化输出	更适合生成 JSON；仍需通过试运行检查实际返回是否符合字段定义

当前模型设置可能包含：

• 协议：Chat API 或 Responses API。可选项取决于模型接入配置。
• 生成随机性：精确、均衡、创意和自定义。自定义模式可调整温度与 Top P。
• 最大回复长度：约束最终回答的 token 数；当前界面允许配置到 32768。
• 推理与回答总长度：对支持深度思考的模型约束推理和回答总 token 数；当前界面允许配置到 65536。
• 包含当前时间：需要模型理解“今天”“现在”等相对时间时开启。
• SP 防泄漏：降低系统提示词被套取或原样输出的风险，但不能替代权限控制和敏感信息治理。
• 深度思考：支持的模型可开启，并选择低、中、高思考强度。

模型参数越大不一定效果越好。增加最大长度或思考强度通常会增加耗时和费用，应以真实样例的试运行结果为准。

技能

大模型节点可配置以下技能：

技能类型	作用	使用前提
插件	调用已发布插件中的工具	插件版本和工具可用，所需授权已完成
工作流	把已发布工作流作为工具调用	存在可执行的已发布版本，输入输出定义清晰
知识库	检索知识内容并辅助回答	知识库可用，检索范围和权限配置正确

只有模型支持 Function Call 时，技能配置才可用。没有完成授权、没有可用工具或没有已发布版本的资源，不能作为可靠的模型技能使用。

技能参数分为两类：

• 模型可见的输入参数：模型根据当前上下文生成参数值。
• 模型不可见的输入参数：由开发者绑定固定值或节点变量，避免模型自由生成关键参数。

技能输出也可控制是否提供给模型。关闭后，模型不会根据该字段组织回答，但工作流仍应按资源的实际输出契约处理结果。

如果某个调用必须执行、顺序必须固定，或参数不能由模型猜测，应在流程图中直接使用对应的插件、工作流或知识节点，而不是只把它配置为模型技能。作为模型技能调用的工作流还应能自主运行完成，不宜依赖人工中断后再继续。

输入参数

输入参数可以绑定固定值，也可以引用开始节点或其他上游节点的输出。参数名必须以英文字母开头，只能包含英文字母、数字和下划线，并且在当前节点内保持唯一。

建议只把任务真正需要的数据传入大模型节点，避免把大对象、敏感字段或无关上下文全部交给模型。输入为空、类型不匹配或上游分支没有产出时，应在前置节点中显式处理。

提示词变量

系统提示词和用户提示词都可以引用已声明的输入变量。当前运行时可靠支持以下写法：

• 顶层变量：{{变量名}}
• 对象字段：{{变量名.子字段}}

当占位符是整段内容时，运行时会尽量保留变量原有类型；占位符嵌在普通文字中时，非字符串值会被序列化后拼入文本。引用不存在的变量通常会渲染为空，因此变量名拼错不一定直接报错，发布前必须通过试运行核对实际提示词和输出。

当前运行时不会解析 {{列表变量[0]}} 这类数组下标语法。需要单个元素时，应先在上游节点中取值；需要整组数据时，可以直接传入完整列表，并在提示词中说明其结构。

视觉理解输入

选择支持图片或视频理解的模型后，“视觉理解输入”区域才会开放相应类型。视觉内容应在该区域配置，不要把图片地址当作普通文本输入期待模型自动识别。

配置时需要注意：

• 图片或视频必须来自模型运行环境能够访问的地址或平台文件资源。
• 视觉输入类型必须与模型能力一致；只支持图片的模型不能处理视频。
• 提示词中应明确说明需要观察的对象、判断标准和输出格式。
• 多个视觉输入会增加 token、处理时间和费用，应控制数量和尺寸。

会话历史

在对话流中，大模型节点可以携带最近若干轮会话历史；普通工作流不会显示该配置。当前可设置 1～20 轮，默认 3 轮。

历史轮数越多，上下文越完整，但也会增加 token 消耗，并可能把无关旧话题带入当前任务。需要稳定结构化处理时，优先通过明确输入传递数据，而不是依赖较长会话历史。

提示词

配置项	作用	建议写法
系统提示词	设定角色、长期规则、任务边界和安全约束	写不随单次输入变化的规则，避免加入临时数据
用户提示词	描述本次任务并引用输入变量	明确任务、数据、步骤、异常情况和期望输出

一个稳定的提示词通常需要说明：

1. 要完成什么任务，以及哪些内容不应推断。
2. 输入数据的含义、可能为空时如何处理。
3. 判断或抽取规则，规则冲突时的优先级。
4. 输出语言、格式、字段和长度限制。
5. 无法确认时应返回什么，而不是让模型编造答案。

输出格式

格式	节点输出	适合场景
文本	一个字符串字段	分类标签、短答案、供下游文本处理
Markdown	一个字符串字段；内容约定使用 Markdown	报告、列表、富文本展示
JSON	按配置声明多个字段及类型	信息抽取、条件判断、下游节点稳定取值

选择 JSON 时，可以逐项添加字段，也可以导入一个 JSON 对象生成字段。导入内容的顶层必须是对象。字段名应语义明确，字段类型必须与提示词中的输出约束一致。

仅把一个字符串字段命名为 output 并不会自动获得可靠的结构化结果；需要结构化数据时，应真正声明所需字段和类型，并在提示词中逐项说明。模型返回非法 JSON 时，运行时可能保留原始字符串，后续字段不一定可取，因此必须用正常、空值、长文本和异常输入分别试运行。

支持推理过程展示的模型会额外提供只读的 reasoning_content。不要让下游关键业务依赖推理文本的固定格式。单个大模型节点的总输出受 2 MiB 限制。

“支持续写”开关

旧文档把“续写”描述为达到模型最大输出长度后必然自动多次请求并拼接结果。当前版本中，编辑器显示“支持续写”开关，但续写还取决于模型能力、运行协议和实际执行链路，不能把打开开关当作稳定的完整输出保证。

对不能截断的长内容，建议同时采取以下措施：

• 选择明确支持续写的模型，并先做试运行验证。
• 合理提高最大回复长度，但同时评估耗时和费用。
• 缩小单次任务范围，使用循环或批处理分段生成。
• 在下游检查结束标记、字段完整性或 JSON 是否可解析。

异常处理

配置项	当前行为
整体执行超时	默认 180 秒；当前界面允许配置到 1800 秒
首次响应超时	限制模型返回首个 token 的等待时间，最大 100 秒，并且不得大于整体执行超时
重试次数	可配置 0～3 次；默认不重试
中断流程	节点失败后结束本次工作流运行
返回设定内容	节点失败后返回预设字段值并继续后续流程
执行异常流程	节点失败后转入异常分支；批处理模式不可使用此方式

选择“返回设定内容”或“执行异常流程”后，节点会增加只读的 isSuccess 和 errorBody，供后续节点判断是否成功并读取错误详情。当前版本不会因此强制把整个输出切换为 JSON；原有输出格式仍按节点配置执行。

流式执行一旦已经向下游发出内容，再次重试或改走异常分支可能造成重复或不完整结果，因此不能假设此时仍可安全重试。涉及计费、发消息、写数据库等有副作用的后续操作，应先确认大模型节点完整成功，再执行后续动作。

当前错误设置中没有旧文档所述的“备用模型”选择项。需要模型降级时，应通过明确的流程分支或上层运行策略实现，并验证不同模型的输出契约一致。

试运行检查清单

发布前至少核对以下内容：

• 模型已选择，并具备当前配置所需的 Function Call、视觉或推理能力。
• 每个输入参数都有合法名称和确定的数据来源。
• 提示词中的变量名与输入定义一致，没有使用数组下标占位符。
• 技能已发布、已授权，模型可见与固定参数的边界符合预期。
• JSON 输出字段、类型和提示词约束一致，空值和非法输入不会破坏后续流程。
• 超时、重试和异常处理不会造成有副作用的动作被重复执行。
• 批处理先以小数据量运行，确认汇总结果、并发限制、耗时和费用。
• 长输出验证是否完整，不能只依赖“支持续写”开关。

常见问题

为什么不能添加技能？

先检查所选模型是否支持 Function Call，再检查插件或工作流是否存在可用的已发布版本、工具是否启用，以及当前账号是否完成所需授权。知识库还需要确认资源权限和可用状态。

为什么不能添加图片或视频？

视觉输入项由模型能力决定。请换用支持图片或视频理解的模型，并把媒体配置在“视觉理解输入”区域，而不是普通文本输入。

为什么占位符没有报错，但模型也没收到数据？

缺失变量通常会被渲染为空。检查变量拼写、上游分支是否实际产出，以及是否使用了当前不支持的数组下标语法。

为什么模型输出看起来是 JSON，后续字段却取不到？

“看起来像 JSON 的文本”和经过解析的 JSON 对象不是一回事。请使用 JSON 输出格式，声明真实字段和类型，在提示词中约束只返回符合结构的 JSON，并检查试运行结果是否成功解析。

大模型技能和独立插件节点应该如何选择？

需要模型根据语义自主选择工具时使用技能；需要固定执行、固定顺序、明确参数映射和可预测错误处理时，使用独立节点。