AI Agent 节点
AI Agent 节点是构建智能 AI 代理的核心节点。它允许 AI 根据用户需求自主决定调用哪些工具、如何组合工具，以完成复杂的任务。这是实现真正智能化、自主化 AI 助手的关键。
核心概念
什么是 AI Agent？
AI Agent 不是简单地执行预定义的流程，而是：
- 自主决策 - AI 根据任务需求决定做什么
- 工具调用 - AI 可以调用多个工具获取信息或执行操作
- 多步推理 - AI 可以执行多轮思考和工具调用
- 目标导向 - AI 专注于完成用户的目标
传统流程 vs AI Agent:
传统流程 (固定):
用户输入 → 调用 API A → 调用 API B → 返回结果
AI Agent (智能):
用户输入 → AI 分析需求
→ 需要天气信息? 调用天气 API
→ 需要订单信息? 调用订单 API
→ 需要计算? 调用计算工具
→ 综合信息，返回结果AI Agent 的工作流程
- 接收用户请求 - 用户提出问题或任务
- 理解意图 - AI 分析用户真正想要什么
- 规划行动 - AI 决定需要调用哪些工具
- 执行工具 - 逐个或组合调用工具
- 综合结果 - 整合所有信息
- 生成回答 - 以自然语言返回给用户
使用场景
典型应用
- 智能客服 - 自动查询订单、库存、物流等信息
- 个人助理 - 管理日程、发送邮件、查询信息
- 数据分析助手 - 查询数据、生成图表、分析趋势
- 开发助手 - 搜索文档、生成代码、执行测试
- 业务流程自动化 - 根据业务规则自动处理任务
- 多渠道集成 - 跨多个系统协调工作
节点配置
基础设置(参数面板)
模型 (model)
选择用于 AI Agent 的大语言模型。
字段属性:
- 必填字段
- 支持主流 LLM 提供商
推荐模型:
yaml
GPT-4: 最强推理能力，适合复杂 Agent 任务
GPT-3.5-turbo: 性价比高，适合简单 Agent
Claude 3 Opus: 强大的工具调用能力，长文本处理
Claude 3 Sonnet: 平衡性能，适合大多数场景选择建议:
- 复杂任务: GPT-4, Claude 3 Opus (更好的推理和工具选择)
- 简单任务: GPT-3.5, Claude 3 Haiku (更快更便宜)
- 工具较多: GPT-4, Claude 3 系列 (更准确的工具选择)
用户提示 (userPrompt)
用户的输入或任务描述。
字段属性:
- 必填字段
- 支持表达式
配置示例:
javascript
// 1. 从 Chat Trigger 获取
userPrompt: $("Chat Trigger").message
// 2. 从 Webhook 获取
userPrompt: $("Webhook Trigger").body.query
// 3. 组合上下文
userPrompt: `用户问题: ${$("Chat Trigger").message}
用户信息:
- ID: ${$("Chat Trigger").userId}
- 会员等级: ${$("User Info").vipLevel}
请根据用户等级提供个性化服务。`
// 4. 多轮对话
userPrompt: $("Chat Trigger").conversationHistory多模态消息支持
AI Agent 节点的用户提示（User Prompt）支持多模态输入。您可以在提示框中传入一个字符串，或一个包含文本与文件引用的数组，使 Agent 能够处理图像等非文本内容。
用法说明
- 字符串模式：直接输入文本，如 "我是谁？"。
- 数组模式：提供一个数组，元素可以是：
- 文本字符串
- 通过表达式 $(...) 返回的文件引用（file ref）或文本内容 数组模式允许您将文本与文件（如图片、PDF等）混合发送给 AI Agent，从而构建多模态对话。
javascript
// 从其他节点引用一个图片
userPrompt: ["这张图片里有几辆汽车？", '{{ $("upstream_node").file_ref }}']
/**
* 引用一个包含文本和文件引用的数组
* 这里的 `query` 参数实际是一个包含两个元素的数组:
* - "这张图片里有几辆汽车？"
* - file_ref object
*/
userPrompt: '{{ $("Chat").query }}'启用系统提示 (enableSystemPrompt)
是否使用系统提示词来定义 Agent 的角色和行为。
字段属性:
- 布尔值
- 默认值:
false
系统提示 (systemPrompt)
定义 AI Agent 的角色、能力、限制和行为准则。
字段属性:
- 可选字段(需要启用 enableSystemPrompt)
- 支持表达式
- 支持多行文本
配置示例:
javascript
// 1. 基础角色定义
systemPrompt: `你是一个智能客服助手。
你的能力:
- 查询订单状态
- 查询产品库存
- 解答常见问题
- 处理退换货请求
你的限制:
- 不能直接修改订单
- 不能透露其他用户信息
- 遇到复杂问题应转人工
你的风格:
- 友好、专业、耐心
- 回答简洁明了
- 主动提供帮助`
// 2. 详细的工作流程
systemPrompt: `你是订单处理助手。
工作流程:
1. 首先确认用户身份和订单号
2. 查询订单状态
3. 根据状态决定下一步:
- 如果已发货: 提供物流信息
- 如果未发货: 说明原因和预计时间
- 如果异常: 提供解决方案
4. 询问是否还需要其他帮助
注意事项:
- 敏感操作需要二次确认
- 记录所有查询和操作
- 异常情况立即上报`
// 3. 带上下文的动态提示
systemPrompt: `你是 ${$("Config").companyName} 的智能助手。
当前时间: ${new Date().toISOString()}
用户等级: ${$("User Info").vipLevel}
可用工具: 订单查询、库存查询、价格计算
根据用户等级调整服务:
- VIP: 优先处理，提供专属优惠
- 普通: 标准服务
- 新用户: 引导和教育`结构化输出 (structuredOutput)
是否要求 AI Agent 返回结构化的 JSON 数据。
字段属性:
- 布尔值
- 默认值:
false
使用场景:
- 需要提取特定信息
- 需要后续节点处理
- 需要保存到数据库
JSON Schema (jsonSchema)
定义结构化输出的数据格式。
字段属性:
- 可选字段(需要启用 structuredOutput)
- 支持完整的 JSON Schema 规范
配置示例:
json
{
"type": "object",
"properties": {
"intent": {
"type": "string",
"description": "用户意图",
"enum": ["查询订单", "查询库存", "咨询价格", "投诉建议"]
},
"orderId": {
"type": "string",
"description": "订单号(如果涉及订单)"
},
"summary": {
"type": "string",
"description": "对话总结"
},
"toolsUsed": {
"type": "array",
"description": "使用的工具列表",
"items": { "type": "string" }
},
"needsHumanSupport": {
"type": "boolean",
"description": "是否需要人工支持"
}
}
}最大迭代次数 (maxIterations)
AI Agent 最多可以执行多少轮工具调用。
字段属性:
- 数字类型
- 默认值:
3
说明:
- 每次工具调用算一次迭代
- 防止 Agent 陷入无限循环
- 超过限制会停止执行
配置建议:
yaml
简单任务: 2-3 次 (查询1-2个信息源)
中等复杂: 5-8 次 (多个工具组合)
复杂任务: 10-15 次 (多步骤推理)流式输出 (stream)
是否启用流式输出(逐字返回)。
字段属性:
- 布尔值
- 默认值:
false
使用场景:
- 实时对话体验
- 长文本生成
- 提升用户体验
连接工具节点
AI Agent 节点的特殊之处在于可以连接多个 Tool 节点：
→ Code Tool (计算器)
↓
AI Agent Node → Entity Recognition Tool (提取信息)
↓
→ HTTP Request Tool (查询 API)连接方式:
- AI Agent 节点底部有 "Tool" 端口
- 将 Tool 端口连接到各个 Tool 节点的顶部
- AI 会自动发现所有连接的工具
- AI 根据工具描述决定调用哪个
高级设置(设置面板)
总是输出 (alwaysOutput)
执行失败时是否也输出空项。默认: false
仅执行一次 (executeOnce)
是否仅使用第一个输入项执行一次。默认: false
失败重试 (retryOnFail)
执行失败时是否自动重试。默认: false
最大重试次数 (maxTries)
失败后最多重试几次。默认: 3
重试间隔 (waitBetweenTries)
重试之间的等待时间(毫秒)。默认: 1000
错误处理 (onError)
如何处理执行失败。
可选值:
stopWorkflow- 停止整个工作流(默认)continueRegularOutput- 继续执行continueErrorOutput- 继续并输出错误
输出数据
AI Agent 节点的输出包含:
javascript
// 1. AI 的最终回答
$("AI Agent").output
$("AI Agent").answer
// 2. 如果启用结构化输出
$("AI Agent").structuredData.intent
$("AI Agent").structuredData.orderId
// 3. 执行信息(可能包含)
$("AI Agent").toolsUsed // 使用的工具列表
$("AI Agent").iterations // 执行的迭代次数
$("AI Agent").thinkingProcess // 思考过程(如果启用)工作流示例
示例 1: 智能客服助手
Chat Trigger
→ AI Agent Node
Model: GPT-4
System Prompt: "你是客服助手，可以查询订单、库存、处理退换货。"
User Prompt: $('Chat Trigger').message
Max Iterations: 5
Tools:
→ HTTP Request Tool (查询订单)
Tool Description: "根据订单号查询订单详情。输入: orderId。返回: 订单对象。"
URL: "https://api.example.com/orders/{orderId}"
→ HTTP Request Tool (查询库存)
Tool Description: "查询商品库存。输入: productId。返回: quantity。"
URL: "https://api.example.com/inventory/{productId}"
→ HTTP Request Tool (创建退货)
Tool Description: "创建退货申请。输入: orderId, reason。返回: refundId。"
URL: "https://api.example.com/refunds"
Method: POST
→ Answer Node
Answer: $('AI Agent').output
对话示例:
用户: "我的订单 #12345 还没到，能退货吗?"
AI 执行流程:
1. 调用"查询订单"工具 → 获取订单信息
2. 检查订单状态 → 发现已发货
3. 回复: "您的订单已发货，预计明天送达。如果到时未收到，我可以帮您处理。"
用户: "算了，我不等了，直接退货"
AI 执行流程:
1. 调用"创建退货"工具 → 创建退货申请
2. 回复: "已为您创建退货申请，退款单号 #R67890..."示例 2: 数据分析助手
Chat Trigger
→ AI Agent Node
Model: GPT-4
System Prompt: "你是数据分析助手，可以查询数据、生成图表、分析趋势。"
User Prompt: $('Chat Trigger').message
Tools:
→ HTTP Request Tool (查询销售数据)
Tool Description: "查询指定时间范围的销售数据。输入: startDate, endDate。"
→ Code Tool (数据分析)
Tool Description: "分析销售数据，计算增长率、趋势等。输入: salesData。"
Code: |
def main(salesData):
# 分析逻辑
growth_rate = calculate_growth(salesData)
trend = analyze_trend(salesData)
return {
"growth_rate": growth_rate,
"trend": trend
}
→ Code Tool (生成图表)
Tool Description: "根据数据生成图表URL。输入: data, chartType。"
→ Answer Node
用户: "分析一下上个月的销售情况"
AI 执行:
1. 调用"查询销售数据"(startDate="2024-01-01", endDate="2024-01-31")
2. 调用"数据分析"(salesData=查询结果)
3. 调用"生成图表"(data=分析结果, chartType="line")
4. 综合回答: "上月销售额xxx元，环比增长15%...[图表]"示例 3: 多步骤任务执行
Chat Trigger
→ AI Agent Node
Model: GPT-4
System Prompt: `你是自动化助手，可以执行多步骤任务。
任务类型:
- 数据同步: 从A系统获取数据，转换格式，保存到B系统
- 报表生成: 收集数据，分析，生成报表，发送邮件
- 批量处理: 获取列表，逐个处理，记录结果
执行要求:
- 显示当前进度
- 处理错误继续执行
- 最后提供总结`
Tools:
→ HTTP Request Tool (获取数据)
→ Code Tool (转换数据)
→ HTTP Request Tool (保存数据)
→ HTTP Request Tool (发送通知)
→ Answer Node
用户: "把A系统的用户数据同步到B系统"
AI 执行:
1. 调用"获取数据" → 获取用户列表
2. 调用"转换数据" → 转换格式
3. 对每个用户调用"保存数据"
4. 调用"发送通知" → 通知完成
5. 回复: "同步完成，共处理 150 个用户，成功 148 个，失败 2 个..."示例 4: 智能决策助手
Chat Trigger
→ Entity Recognition Tool (提取需求)
Tool Description: "从用户消息中提取需求信息。"
→ AI Agent Node
Model: GPT-4
System Prompt: `你是产品推荐助手。
决策流程:
1. 理解用户需求(预算、特性、用途)
2. 查询库存和价格
3. 根据需求筛选产品
4. 比较和排序
5. 推荐最合适的3-5款
6. 解释推荐理由`
User Prompt: `用户需求: ${$('Entity Recognition Tool')}
请为用户推荐合适的产品。`
Tools:
→ HTTP Request Tool (搜索产品)
→ HTTP Request Tool (查询价格)
→ HTTP Request Tool (查询库存)
→ Code Tool (评分排序)
→ Answer Node
用户: "我想买个笔记本，预算8000左右，主要写代码，要轻薄"
AI 执行:
1. 调用"搜索产品"(category="笔记本", priceRange=[7000, 9000])
2. 调用"查询库存"(批量查询)
3. 调用"评分排序"(按需求打分)
4. 综合推荐: "根据您的需求，我推荐以下几款..."示例 5: 结构化输出用于后续处理
Chat Trigger
→ AI Agent Node
Model: GPT-4
System Prompt: "你是工单处理助手，分析用户问题并创建工单。"
User Prompt: $('Chat Trigger').message
Structured Output: true
JSON Schema: {
properties: {
category: {type: "string", enum: ["技术问题", "账号问题", "支付问题", "其他"]},
priority: {type: "string", enum: ["低", "中", "高", "紧急"]},
summary: {type: "string"},
needsInfo: {type: "array", items: {type: "string"}},
suggestedSolution: {type: "string"}
}
}
Tools:
→ HTTP Request Tool (查询历史工单)
→ HTTP Request Tool (查询用户信息)
→ Entity Recognition Tool (提取问题详情)
→ Code Node (验证和处理)
Code: |
const ticket = $('AI Agent').structuredData;
// 自动分配处理人
const assignee = assignTicket(ticket.category, ticket.priority);
return {
...ticket,
assignee,
ticketId: generateTicketId(),
createdAt: new Date().toISOString()
};
→ HTTP Request Node (创建工单)
URL: "https://api.example.com/tickets"
Method: POST
Body: $('Code').output
→ Answer Node
Answer: `工单已创建:
ID: ${$('Code').ticketId}
类别: ${$('AI Agent').structuredData.category}
优先级: ${$('AI Agent').structuredData.priority}
处理人: ${$('Code').assignee}
预计响应时间: 2小时`
用户: "登录一直失败，显示密码错误，但我确定密码是对的，很着急"
AI 分析并输出:
{
category: "账号问题",
priority: "高", // 识别到"很着急"
summary: "用户无法登录，疑似账号锁定",
needsInfo: ["用户ID", "最后登录时间"],
suggestedSolution: "检查账号状态，可能需要重置密码"
}最佳实践
1. 编写清晰的 System Prompt
javascript
// 好的 System Prompt
systemPrompt: `你是客服助手。
你的角色:
- 帮助用户查询订单
- 解答产品问题
- 处理简单的售后
你的能力(工具):
- 查询订单状态
- 查询产品信息
- 查询物流信息
你的限制:
- 不能修改订单
- 不能直接退款
- 复杂问题转人工
工作流程:
1. 先确认用户身份
2. 理解用户问题
3. 使用合适的工具获取信息
4. 提供清晰的答案
5. 询问是否还需要帮助
注意事项:
- 保护用户隐私
- 记录所有操作
- 敏感操作需确认`
// 不好的 System Prompt
systemPrompt: "你是客服" // 太简单，Agent 不知道该做什么2. 为每个工具写好描述
javascript
// 好的工具描述
HTTP Request Tool
Tool Description: `查询订单详细信息。
输入参数:
- orderId: 订单号(必填，格式: ORD-XXXXX)
返回数据:
- orderStatus: 订单状态("pending"|"shipped"|"delivered"|"cancelled")
- items: 商品列表
- totalAmount: 订单总额
- shippingInfo: 物流信息(如果已发货)
使用场景:
- 用户询问"我的订单在哪"
- 用户提供订单号
- 需要查看订单详情时
示例:
用户: "订单 ORD-12345 到哪了?"
AI 调用: queryOrder(orderId="ORD-12345")`
// 不好的工具描述
Tool Description: "查询订单" // 信息太少，AI 不知道何时调用3. 合理设置 maxIterations
javascript
// 根据任务复杂度设置
简单查询: maxIterations = 2-3
// 查询1-2个信息源就够了
中等任务: maxIterations = 5-8
// 可能需要多个工具组合
复杂任务: maxIterations = 10-15
// 多步骤推理和验证
// 监控实际使用
Code Node
Code: |
const agent = $('AI Agent');
if (agent.iterations >= maxIterations * 0.8) {
console.warn('Agent 接近迭代上限');
}
return agent;4. 处理工具调用失败
javascript
System Prompt: `当工具调用失败时:
1. 不要直接暴露技术错误给用户
2. 尝试使用替代方案
3. 如果无法继续，礼貌地说明情况
4. 提供人工支持选项
示例:
如果订单查询失败:
不要说: "API 返回 500 错误"
应该说: "抱歉，暂时无法查询订单信息，请稍后重试或联系人工客服"`
// 在后续节点验证
Code Node
Code: |
const agent = $('AI Agent');
// 检查是否有工具失败
if (agent.toolErrors && agent.toolErrors.length > 0) {
// 记录错误
logErrors(agent.toolErrors);
// 发送警报
if (agent.toolErrors.length >= 3) {
sendAlert('AI Agent 工具调用频繁失败');
}
}
return agent;5. 使用结构化输出用于自动化
javascript
// 结构化输出 + 条件分支
AI Agent
Structured Output: true
JSON Schema: {
properties: {
needsHumanSupport: {type: "boolean"},
urgency: {type: "string", enum: ["low", "medium", "high"]},
category: {type: "string"}
}
}
Conditional Branch
→ [needsHumanSupport === true] → 转人工
→ [urgency === "high"] → 立即处理
→ [urgency === "medium"] → 正常队列
→ [urgency === "low"] → 延迟处理6. 监控和优化
javascript
// 记录 Agent 执行情况
Code Node
Code: |
return {
sessionId: $('Chat Trigger').sessionId,
userMessage: $('Chat Trigger').message,
agentOutput: $('AI Agent').output,
toolsUsed: $('AI Agent').toolsUsed,
iterations: $('AI Agent').iterations,
executionTime: $('AI Agent').executionTime,
model: $('AI Agent').model,
timestamp: new Date().toISOString()
};
HTTP Request Node
URL: "https://api.example.com/agent-logs"
Method: POST
Body: $('Code').output
// 定期分析日志:
// - 哪些工具使用最频繁?
// - 平均需要几次迭代?
// - 哪些场景 Agent 表现不好?
// - 用户满意度如何?7. 成本控制
javascript
// 1. 使用合适的模型
简单任务: GPT-3.5-turbo // 便宜
复杂任务: GPT-4 // 贵但准确
// 2. 控制迭代次数
maxIterations: 5 // 防止过多调用
// 3. 缓存常见查询
Code Tool
Tool Description: "查询FAQ，返回缓存的答案"
Code: |
const cache = {
"营业时间": "...",
"退货政策": "...",
// ...
};
if (cache[question]) {
return {cached: true, answer: cache[question]};
}
// 4. 监控成本
Code Node
Code: |
const cost = estimateCost(
model: 'gpt-4',
inputTokens: 500,
outputTokens: 200,
toolCalls: 3
);
if (cost > threshold) {
sendAlert('Agent 成本过高');
}常见问题
Q1: AI Agent 和 LLM 节点有什么区别?
A:
| 特性 | LLM 节点 | AI Agent 节点 |
|---|---|---|
| 功能 | 纯文本生成 | 文本生成 + 工具调用 |
| 工具调用 | 不支持 | 核心功能 |
| 多步推理 | 单轮 | 多轮迭代 |
| 适用场景 | 对话、内容生成 | 复杂任务、自动化 |
| 自主性 | 无，按提示生成 | 高，自主决策 |
选择建议:
- 只需要文本回复 → 使用 LLM 节点
- 需要查询数据、执行操作 → 使用 AI Agent 节点
Q2: AI Agent 如何选择调用哪个工具?
A: AI 根据以下因素决定:
- 工具描述 - 工具功能是否匹配需求
- 当前上下文 - 对话中提到了什么
- 任务目标 - 完成任务需要什么信息
- 之前的调用 - 已经获取了什么信息
优化工具选择:
- 工具描述要详细明确
- 说明使用场景和示例
- 区分相似工具的差异
- 避免工具功能重叠
Q3: AI Agent 会陷入无限循环吗?
A: 有保护机制:
- maxIterations - 限制最大迭代次数
- 超时机制 - 执行时间上限
- 重复检测 - 检测是否重复调用同一工具
预防措施:
javascript
System Prompt: `工具调用规则:
- 同一工具不要重复调用超过2次
- 如果获取不到需要的信息，不要继续尝试
- 3次迭代内无法完成任务，说明情况并转人工`
maxIterations: 5 // 设置合理上限Q4: 如何处理工具返回的大量数据?
A:
方案 1: 使用 Code Tool 预处理
HTTP Request Tool (返回大量数据)
→ Code Tool (提取关键信息)
Code: |
def main(apiResponse):
# 只返回AI需要的字段
return {
"summary": extract_summary(apiResponse),
"key_points": extract_key_points(apiResponse)
}方案 2: 在工具描述中说明
javascript
Tool Description: `查询产品列表。
返回: 最多10个产品，包含 id, name, price, inStock
注意: 数据已经过滤，只返回有库存的产品`方案 3: 分页查询
javascript
Tool Description: `搜索产品，支持分页。
输入: query, page (默认1), limit (默认10)
返回: products 数组，totalCount，hasMore`Q5: AI Agent 的响应速度慢怎么办?
A:
优化策略:
1. 使用更快的模型
javascript
简单场景: GPT-3.5-turbo, Claude 3 Haiku
// 响应更快2. 减少工具数量
javascript
// 只注册必要的工具，不超过5-8个
// 工具太多会增加选择时间3. 优化工具性能
javascript
// 确保工具 API 响应快
// 使用缓存
// 避免工具内部的复杂计算4. 启用流式输出
javascript
stream: true
// 边生成边返回，提升用户体验5. 异步处理
javascript
// 对于非紧急任务，后台处理
System Prompt: "如果任务需要较长时间，告诉用户'正在处理，稍后通知您'"Q6: 如何调试 AI Agent?
A:
调试技巧:
1. 启用详细日志
javascript
Code Node (在 Agent 之后)
Code: |
const agent = $('AI Agent');
console.log('===== AI AGENT DEBUG =====');
console.log('Input:', $('Chat Trigger').message);
console.log('Tools used:', agent.toolsUsed);
console.log('Iterations:', agent.iterations);
console.log('Tool calls:', JSON.stringify(agent.toolCalls, null, 2));
console.log('Output:', agent.output);
console.log('==========================');
return agent;2. 测试单个工具
// 先单独测试每个工具是否正常工作
Manual Trigger
→ HTTP Request Tool (测试工具)
→ Code Node (查看输出)3. 简化场景测试
javascript
// 从简单场景开始
userPrompt: "查询订单 ORD-12345" // 明确的单一任务
// 逐步增加复杂度
userPrompt: "我的订单到哪了? 如果还没发货能加急吗?"4. 查看中间步骤
javascript
// 如果模型支持，启用 verbose 模式
// 查看 Agent 的思考过程Q7: 多个 AI Agent 可以协作吗?
A: 可以！创建 Agent 工作流:
Chat Trigger
→ AI Agent 1 (路由 Agent)
System Prompt: "你是路由助手，分析用户问题类型，决定由哪个专家处理。"
Structured Output: true
JSON Schema: {
properties: {
expertType: {enum: ["sales", "tech", "account"]}
}
}
→ Conditional Branch
→ [expertType === "sales"] → AI Agent 2 (销售专家)
Tools: [产品查询, 价格计算, 库存查询]
→ [expertType === "tech"] → AI Agent 3 (技术专家)
Tools: [问题诊断, 日志查询, 解决方案]
→ [expertType === "account"] → AI Agent 4 (账号专家)
Tools: [用户查询, 权限管理, 密码重置]
→ Answer NodeQ8: AI Agent 如何处理敏感信息?
A:
安全措施:
1. 在 System Prompt 中明确规则
javascript
systemPrompt: `安全规则:
- 不要显示完整的密码、信用卡号
- 用户信息需要验证身份后才能查询
- 不要记录敏感操作日志到公共渠道
- 敏感操作需要二次确认`2. 工具层面控制
javascript
// 工具描述中说明权限要求
Tool Description: `查询用户详细信息(需要管理员权限)。
输入: userId, adminToken
返回: 用户完整信息(包含敏感数据)`
// 在工具内验证
Code Tool
Code: |
def main(userId, adminToken):
if not verify_admin(adminToken):
return {"error": "无权限"}
return query_user(userId)3. 输出过滤
javascript
Code Node (在 Agent 之后)
Code: |
const output = $('AI Agent').output;
// 过滤敏感信息
const filtered = output
.replace(/\d{4}-\d{4}-\d{4}-\d{4}/g, '****-****-****-****') // 信用卡
.replace(/password:\s*\S+/gi, 'password: ******'); // 密码
return {output: filtered};下一步
- Code Tool 节点 - 为 Agent 添加自定义工具
- HTTP Request Tool 节点 - 为 Agent 添加 API 调用能力
- Entity Recognition Tool 节点 - 为 Agent 添加信息提取能力
相关资源
- LLM 节点 - 了解纯文本生成
- Chat Trigger 节点 - 构建对话式 Agent
- 表达式语法 - 学习表达式的使用