政务热线智能分拨助手工作流的导出与导入实践

def main(args: Args):
    import json
    try:
        data = json.loads(args.params['input'])
        return {'result': data['departments']}
    except ValueError:
        return {'result': ['其他部门']}

节点 4：部门选择器 连接多个下游分支。读取分流节点输出的 department 字段，导向不同分支。

• 分支 1：包含 "人社局" → 进入人社业务处理
• 分支 2：包含 "水务局" → 进入水务业务处理
• 分支 3：其他 → 进入人工处理队列

节点 5：部门业务模型 多个并联的 LLM 节点，每个代表一个科室，挂载专属知识库，扮演政策专家角色。

节点 6：结束节点（输出结果） ⚠️ 关键技巧：变量绑定必须使用'选择器'。

• ✅ 正确：点击右侧面板变量选择器选中字段，显示绿色高亮。
• ❌ 错误：手动敲入 {{department}}，导入后无法识别为变量。

3.4 Step 2：测试与调优

点击'运行测试'，输入典型市民描述验证逻辑：

1. '小区门口有游商占道卖菜，堵路' → 输出：城管 + 办理科室 + 办理流程
2. '房产证如何办理' → 输出：住建 + 办理科室 + 办理流程
3. '公司拖欠我三个月工资' → 输出：人社 + 办理流程

确认逻辑符合要求后，进入导出步骤。

3.5 Step 3：导出工作流模板

点击画布右上角「导出」按钮，选择「导出为模板 (.jiuwen_template)」。 系统生成 JSON 文件，包含节点连接、提示词、模型配置等信息。

{
  "nodes": [
    {
      "id": "start_rUWFU",
      "type": "1",
      "meta": { "position": { "x": 180, "y": 418 } },
      "data": { "title": "开始", "outputs": { "type": "object", "properties": { "query": { "type": "string", "default": "你好，请帮我分析一下这个问题。" } } }
    }
  ],
  "edges": []
}

通俗解释：这个文件是工作流的'DNA'，包含节点怎么连、提示词怎么写、用哪个模型。

3.6 Step 4：导入模板到区县环境

将生成的文件发送给接收方。接收方登录平台，新建测试工作流，点击「导入」选择该文件。 导入完成后，整个工作流出现在列表中，节点、连线、提示词、分支条件全部一致。

3.7 Step 5：验证与微调

接收方可立即运行测试。若本地部门划分不同（如'生态环境'改为'城管'），只需修改大模型节点的系统提示词，无需重连节点。

4. 常见问题与解决方案

❌ 坑 1：变量变成了纯文字

现象：大模型收到的是字符串 {{citizen_desc}} 而非实际内容。 根因：手动输入了 {{...}} 而非通过变量选择器插入。 ✅ 解决方案：导出前确保所有变量绑定点击选择器，绿色高亮才安全。导入后检查结束节点输出。

❌ 坑 2：导入后报错'Tool not found'

现象：提示找不到函数。 根因：代码节点硬编码了绝对路径。 ✅ 解决方案：导出前改用相对路径或环境变量。导入后调整依赖文件位置。

5. 扩展场景：从'12345 分拨'到'百类政务分类'

该逻辑适用于多种场景，核心是'输入文本 → 大模型理解 → 映射类别 → 输出类别'。

如何复用？

1. 导出原工作流为模板；
2. 在新项目导入；
3. 修改两处配置：系统提示词的类别定义、分支节点的条件值。

6. 结语

在数字政府建设中，AI 应用是提升效能的核心生产力。通过工作流模板的快速复用，各区域可摆脱'重复造轮子'，真正解决 AI 推广的落地问题。让智能体的设计、调试、交付彻底解耦，实现'一次开发，到处运行'。

附录：政务智能体导入导出速查卡