一次搭好，到处复用：政务智能体工作流导出导入实录

关于重复造轮子这件事，做政务 AI 的朋友应该都深有体会——在开发环境调好的智能体，到了生产环境就得重新摆节点、填提示词，错了还不容易找。我最近在 12345 热线分拨项目里试了一把 openJiuwen 的导出导入，把整个工作流打成 JSON 模板，换个环境直接导入就能用，确实少了那种'在我这儿能跑，到你那儿就卡'的尴尬。下面按实际过程整理一遍，算是个参考。

痛点：为什么政务智能体特别需要导入导出

这几年各地 12345 都上了大模型，但几个坑几乎每个项目都会踩：

• 环境割裂：云上调好的分拨模型，到了政务外网或物理隔离的生产环境，经常得手动重建，漏一个条件分支查半天。
• 协作原始：A 区做了一个识别率 95% 的分拨助手，B 区想用，只能截图照着搭，不光慢，还容易抄错提示词。
• 无法追溯：工作流改过十几版，想回退到上个月的逻辑，只能凭记忆重连。

国家这两年一直在推'一地创新、多地复用'，智能体要能跨科室、跨区县快速复制，导入导出就是落地这个想法的关键一步。openJiuwen 的思路是把整个智能体配置打包成一幅独立于机器和网络的'数字图纸'，接收方导入就能得到一模一样的能力。

从零搭建一个分拨助手

我做的场景是 12345 热线智能分拨：话务员输入市民描述，系统自动推荐责任部门，确认后派单。逻辑很清晰——输入文本 → 大模型理解 → 映射到预定义类别 → 分部门处理。下面一步步拆开，有些细节是调出来的，我会特别提一下。

准备工作：市局开发人员在 openJiuwen Studio 里搭模板，区县同事在另一套环境导入。账号、服务器不同，但导入导出不挑这些。

进入 Studio，新建工作流 Government_Hotline_Dispatch。

开始节点

定义一个 query 变量，类型 String，用来接收市民提问。样例：'你好，房产证在哪里办理。'

意图识别与部门匹配（大模型节点）

这是整个工作流的核心。模型用的 deepseekR1，通过 API 接入。系统提示词我反复测了几版，最后稳定成这样：

你是一个政务业务分类专家。请分析用户咨询，判断其主要涉及以下哪个或哪几个科室：1. 住建局，2. 公安局，3. 人社局 4. 水务局，5. 环保局 6 市场监督局 请输出格式为 JSON: {"departments": ["科室 A", "科室 B"]}。若无明确对应，则为 ["其他科室"]。

用户提示词直接传入开始节点的 query 变量：{{query}}。输出字段叫 output。

这里要注意，{{query}} 必须用变量选择器插入，手动敲的话导入后会当成普通字符串，不会解析成变量——后面常见问题里会再提。

分流处理（代码节点）

大模型返回的是一个 JSON 字符串，比如 {"departments":["住建","人社"]}。我需要把 departments 数组提取出来，传递给后续分支。写了段 Python：

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']}

这个节点输出 result 字段，存着数组。

部门选择器

根据 result 数组的内容，将流程导向不同分支。因为我演示的部门有城管、住建、人社、医保等，所以设了多个选择器，每个检查是否包含对应关键词。比如包含'人社'就进人社业务模型分支，否则走其他分支。条件用 contains 或 eq。

部门业务模型

每个分支接一个大模型节点，扮演该科室的政策专家。提示词里用了变量 {{depart}} 动态填入部门名，这样一套模板可以复用。

系统提示词：你是一个{{depart}}的部门专家，这个是用户的需求{{input}}，请给出解决方案

用户输入还是开始节点的 query，department 变量取自上游节点。

结束节点

最后把所有分支的输出汇总，用结束节点的模板拼接展示。输出变量必须从变量选择器里选，变成绿色高亮才算绑定成功——这一点我会再强调，因为最容易踩坑。

测试一下再导出

跑几个典型 Case：

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

测试截图如下，确认逻辑没问题后就可以导出了。

导出模板

点画布右上角的「导出」按钮，选「导出为模板 (.jiuwen_template)」。系统会生成一个 JSON 文件。我把这个文件内容贴出来，里面就是工作流的全部配置细节：节点位置、连线、提示词、变量引用、模型参数，一个不少。

{
  "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。"
            }
          }
        }
      }
    },
    {
      "id": "end_rUWFU",
      "type": "2",
      "meta": {
        "position": {
          "x": 2480,
          "y": 418
        }
      },
      "data": {
        "title": "结束",
        "inputs": {
          "inputParameters": {
            "城管": {
              "type": "ref",
              "content": [
                "llm_GDALL",
                "output"
              ],
              "extra": {
                "index": 0
              }
            },
            "住建": {
              "type": "ref",
              "content": [
                "llm_jdHP1",
                "output"
              ],
              "extra": {
                "index": 1
              }
            },
            "人社": {
              "type": "ref",
              "content": [
                "llm_NgZdl",
                "output"
              ],
              "extra": {
                "index": 2
              }
            },
            "医保": {
              "type": "ref",
              "content": [
                "llm_hDY1k",
                "output"
              ],
              "extra": {
                "index": 3
              }
            }
          },
          "content": {
            "type": "template",
            "content": "{{城管}}\n{{住建}}\n{{人社}}\n{{医保}}"
          }
        },
        "streaming": false
      }
    },
    {
      "id": "llm_1HcNN",
      "type": "3",
      "meta": {
        "position": {
          "x": 640,
          "y": 386
        }
      },
      "data": {
        "title": "用户意图—部门分类模型",
        "output_format": "text",
        "inputs": {
          "llmParam": {
            "systemPrompt": {
              "type": "template",
              "content": "你是一个 12345 热线专家，需要根据市民描述，在 30 秒内判断应由城管、住建、水务、人社、市场监管、生态环境等 20 多个部门中的哪一个负责处理。\n请输出格式为 JSON: {\"departments\": [\"部门 A\", \"部门 B\"]}。若无明确对应，则为 [\"其他部门\"]。"
            },
            "prompt": {
              "type": "template",
              "content": "{{input}}"
            },
            "model": {
              "id": "1",
              "name": "deepseek",
              "type": "deepseek-ai/DeepSeek-R1"
            }
          },
          "inputParameters": {
            "input": {
              "type": "ref",
              "content": [
                "start_rUWFU",
                "query"
              ],
              "extra": {
                "index": 0
              }
            }
          }
        },
        "outputs": {
          "type": "object",
          "properties": {
            "output": {
              "type": "string",
              "extra": {
                "index": 1
              }
            }
          },
          "required": [
            "output"
          ]
        }
      }
    },
    {
      "id": "code_GWWz8",
      "type": "10",
      "meta": {
        "position": {
          "x": 1100,
          "y": 401
        }
      },
      "data": {
        "title": "部门分类",
        "inputs": {
          "inputParameters": {
            "input": {
              "type": "ref",
              "content": [
                "llm_1HcNN",
                "output"
              ],
              "extra": {
                "index": 0
              }
            }
          },
          "language": "python",
          "code": "def main(args: Args):\n import json\n try:\n data= json.loads(args.params['input'])\n return {\"result\" :data['departments']}\n except ValueError\n return {'result': ['其他部门']]}"
        },
        "outputs": {
          "type": "object",
          "properties": {
            "result": {
              "type": "string",
              "description": "代码执行结果"
            }
          },
          "required": [
            "result"
          ]
        },
        "exceptionConfig": {
          "retryTimes": 3,
          "timeoutSeconds": 30,
          "processType": "break",
          "executeStep": {
            "defaultStep": "0",
            "errorStep": "1"
          }
        }
      }
    },
    {
      "id": "condition__YRg9",
      "type": "4",
      "meta": {
        "position": {
          "x": 1560,
          "y": 0
        }
      },
      "data": {
        "title": "选择器",
        "branches": [
          {
            "conditions": [
              {
                "left": {
                  "type": "ref",
                  "content": [
                    "code_GWWz8",
                    "result"
                  ]
                },
                "operator": "contains",
                "right": {
                  "type": "constant",
                  "content": "城管",
                  "schema": {
                    "type": "string",
                    "extra": {
                      "weak": true
                    }
                  }
                }
              }
            ],
            "logic": 2,
            "branchId": "branch_oo3cw"
          },
          {
            "conditions": [],
            "logic": 2,
            "branchId": "branch_Vf6wz"
          }
        ]
      }
    },
    {
      "id": "condition_HSDv4",
      "type": "4",
      "meta": {
        "position": {
          "x": 1560,
          "y": 264
        }
      },
      "data": {
        "title": "选择器",
        "branches": [
          {
            "conditions": [
              {
                "left": {
                  "type": "ref",
                  "content": [
                    "code_GWWz8",
                    "result"
                  ]
                },
                "operator": "contains",
                "right": {
                  "type": "constant",
                  "content": "住建",
                  "schema": {
                    "type": "string",
                    "extra": {
                      "weak": true
                    }
                  }
                }
              }
            ],
            "logic": 2,
            "branchId": "branch_RLFWq"
          },
          {
            "conditions": [],
            "logic": 2,
            "branchId": "branch_y8V9W"
          }
        ]
      }
    },
    {
      "id": "condition_WKHtY",
      "type": "4",
      "meta": {
        "position": {
          "x": 1560,
          "y": 792
        }
      },
      "data": {
        "title": "选择器",
        "branches": [
          {
            "conditions": [
              {
                "left": {
                  "type": "ref",
                  "content": [
                    "code_GWWz8",
                    "result"
                  ]
                },
                "operator": "eq",
                "right": {
                  "type": "constant",
                  "content": "医保",
                  "schema": {
                    "type": "string",
                    "extra": {
                      "weak": true
                    }
                  }
                }
              }
            ],
            "logic": 2,
            "branchId": "branch_BXwWU"
          },
          {
            "conditions": [],
            "logic": 2,
            "branchId": "branch_wtEFo"
          }
        ]
      }
    },
    {
      "id": "llm_GDALL",
      "type": "3",
      "meta": {
        "position": {
          "x": 2020,
          "y": 56
        }
      },
      "data": {
        "title": "城管业务办理模型",
        "output_format": "text",
        "inputs": {
          "llmParam": {
            "systemPrompt": {
              "type": "template",
              "content": "你是一个{{depart}}的部门专家，这个是用户的需求{{input}}}}，请给出解决方案"
            },
            "prompt": {
              "type": "template",
              "content": "{{input}}"
            },
            "model": {
              "id": "1",
              "name": "deepseek",
              "type": "deepseek-ai/DeepSeek-R1"
            }
          },
          "inputParameters": {
            "input": {
              "type": "ref",
              "content": [
                "start_rUWFU",
                "query"
              ],
              "extra": {
                "index": 0
              }
            },
            "depart": {
              "type": "ref",
              "content": [
                "llm_1HcNN",
                "output"
              ],
              "extra": {
                "index": 1
              }
            }
          }
        },
        "outputs": {
          "type": "object",
          "properties": {
            "output": {
              "type": "string",
              "extra": {
                "index": 1
              }
            }
          },
          "required": [
            "output"
          ]
        }
      }
    },
    {
      "id": "condition_gP4Nb",
      "type": "4",
      "meta": {
        "position": {
          "x": 1560,
          "y": 528
        }
      },
      "data": {
        "title": "选择器",
        "branches": [
          {
            "conditions": [
              {
                "left": {
                  "type": "ref",
                  "content": [
                    "code_GWWz8",
                    "result"
                  ]
                },
                "operator": "contains",
                "right": {
                  "type": "constant",
                  "content": "人社",
                  "schema": {
                    "type": "string",
                    "extra": {
                      "weak": true
                    }
                  }
                }
              }
            ],
            "logic": 2,
            "branchId": "branch_jHWdM"
          },
          {
            "conditions": [],
            "logic": 2,
            "branchId": "branch_1MTlv"
          }
        ]
      }
    },
    {
      "id": "llm_jdHP1",
      "type": "3",
      "meta": {
        "position": {
          "x": 2020,
          "y": 320
        }
      },
      "data": {
        "title": "住建业务办理大模型",
        "output_format": "text",
        "inputs": {
          "llmParam": {
            "systemPrompt": {
              "type": "template",
              "content": "你是一个{{depart}}的部门专家，这个是用户的需求{{input}}}}，请给出解决方案"
            },
            "prompt": {
              "type": "template",
              "content": "{{input}}"
            },
            "model": {
              "id": "1",
              "name": "deepseek",
              "type": "deepseek-ai/DeepSeek-R1"
            }
          },
          "inputParameters": {
            "input": {
              "type": "ref",
              "content": [
                "start_rUWFU",
                "query"
              ],
              "extra": {
                "index": 0
              }
            },
            "depart": {
              "type": "ref",
              "content": [
                "llm_1HcNN",
                "output"
              ],
              "extra": {
                "index": 1
              }
            }
          }
        },
        "outputs": {
          "type": "object",
          "properties": {
            "output": {
              "type": "string",
              "extra": {
                "index": 1
              }
            }
          },
          "required": [
            "output"
          ]
        }
      }
    },
    {
      "id": "llm_hDY1k",
      "type": "3",
      "meta": {
        "position": {
          "x": 2020,
          "y": 848
        }
      },
      "data": {
        "title": "医保业务办理模型",
        "output_format": "text",
        "inputs": {
          "llmParam": {
            "systemPrompt": {
              "type": "template",
              "content": "你是一个{{depart}}的部门专家，这个是用户的需求{{input}}}}，请给出解决方案"
            },
            "prompt": {
              "type": "template",
              "content": "{{input}}"
            },
            "model": {
              "id": "1",
              "name": "deepseek",
              "type": "deepseek-ai/DeepSeek-R1"
            }
          },
          "inputParameters": {
            "input": {
              "type": "ref",
              "content": [
                "start_rUWFU",
                "query"
              ],
              "extra": {
                "index": 0
              }
            },
            "depart": {
              "type": "ref",
              "content": [
                "llm_1HcNN",
                "output"
              ],
              "extra": {
                "index": 1
              }
            }
          }
        },
        "outputs": {
          "type": "object",
          "properties": {
            "output": {
              "type": "string",
              "extra": {
                "index": 1
              }
            }
          },
          "required": [
            "output"
          ]
        }
      }
    },
    {
      "id": "llm_NgZdl",
      "type": "3",
      "meta": {
        "position": {
          "x": 2020,
          "y": 584
        }
      },
      "data": {
        "title": "人社业务办理大模型",
        "output_format": "text",
        "inputs": {
          "llmParam": {
            "systemPrompt": {
              "type": "template",
              "content": "你是一个{{depart}}的部门专家，这个是用户的需求{{input}}}}，请给出解决方案"
            },
            "prompt": {
              "type": "template",
              "content": "{{input}}"
            },
            "model": {
              "id": "1",
              "name": "deepseek",
              "type": "deepseek-ai/DeepSeek-R1"
            }
          },
          "inputParameters": {
            "input": {
              "type": "ref",
              "content": [
                "start_rUWFU",
                "query"
              ],
              "extra": {
                "index": 0
              }
            },
            "depart": {
              "type": "ref",
              "content": [
                "llm_1HcNN",
                "output"
              ],
              "extra": {
                "index": 1
              }
            }
          }
        },
        "outputs": {
          "type": "object",
          "properties": {
            "output": {
              "type": "string",
              "extra": {
                "index": 1
              }
            }
          },
          "required": [
            "output"
          ]
        }
      }
    }
  ],
  "edges": [
    {
      "sourceNodeID": "start_rUWFU",
      "targetNodeID": "llm_1HcNN"
    },
    {
      "sourceNodeID": "llm_GDALL",
      "targetNodeID": "end_rUWFU"
    },
    {
      "sourceNodeID": "condition__YRg9",
      "targetNodeID": "end_rUWFU",
      "sourcePortID": "branch_Vf6wz"
    },
    {
      "sourceNodeID": "condition_HSDv4",
      "targetNodeID": "end_rUWFU",
      "sourcePortID": "branch_y8V9W"
    },
    {
      "sourceNodeID": "condition_gP4Nb",
      "targetNodeID": "end_rUWFU",
      "sourcePortID": "branch_1MTlv"
    },
    {
      "sourceNodeID": "condition_WKHtY",
      "targetNodeID": "end_rUWFU",
      "sourcePortID": "branch_wtEFo"
    },
    {
      "sourceNodeID": "llm_jdHP1",
      "targetNodeID": "end_rUWFU"
    },
    {
      "sourceNodeID": "llm_NgZdl",
      "targetNodeID": "end_rUWFU"
    },
    {
      "sourceNodeID": "llm_hDY1k",
      "targetNodeID": "end_rUWFU"
    },
    {
      "sourceNodeID": "llm_1HcNN",
      "targetNodeID": "code_GWWz8"
    },
    {
      "sourceNodeID": "code_GWWz8",
      "targetNodeID": "condition__YRg9",
      "sourcePortID": "0"
    },
    {
      "sourceNodeID": "code_GWWz8",
      "targetNodeID": "condition_HSDv4",
      "sourcePortID": "0"
    },
    {
      "sourceNodeID": "code_GWWz8",
      "targetNodeID": "condition_gP4Nb",
      "sourcePortID": "0"
    },
    {
      "sourceNodeID": "code_GWWz8",
      "targetNodeID": "condition_WKHtY",
      "sourcePortID": "0"
    },
    {
      "sourceNodeID": "condition__YRg9",
      "targetNodeID": "llm_GDALL",
      "sourcePortID": "branch_oo3cw"
    },
    {
      "sourceNodeID": "condition_HSDv4",
      "targetNodeID": "llm_jdHP1",
      "sourcePortID": "branch_RLFWq"
    },
    {
      "sourceNodeID": "condition_WKHtY",
      "targetNodeID": "llm_hDY1k",
      "sourcePortID": "branch_BXwWU"
    },
    {
      "sourceNodeID": "condition_gP4Nb",
      "targetNodeID": "llm_NgZdl",
      "sourcePortID": "branch_jHWdM"
    }
  ]
}

这份 JSON 就是整个工作流的'核心配置'——包含所有节点、连线、提示词、模型选择、变量传递关系。只要有了它，任何 openJiuwen 环境都能一键复原。

导入到区县环境

把导出的 JSON 文件发给区县同事，他们登录自己的 Studio，新建一个工作流，点「导入」选择文件。

几秒钟后，整个工作流就出现在画布上了，节点位置、连线、提示词、分支条件、输出变量全部和源环境一样。

区县同事马上就能运行测试。比如输入'工地夜间施工噪声扰民'，如果本地部门划分不同，把提示词里的'生态环境'改成'城管'，其他完全不用动。整个定制不超过两分钟。

常见踩坑记录

说几个实际项目里最容易卡住的点，每个都有对应的解决思路。

变量解析成字符串

现象：大模型收到的输入是字符串 {{query}} 而不是真正的变量值。

原因：提示词里手动打了 {{query}}，没用右侧的变量选择器插入。

解决办法：养成只用变量选择器的习惯。在输入框里，变量如果是绿色高亮背景，说明绑定成功；黑色字体表示它是文本。导入后可以重点检查【结束】节点的输出，如果出现 {{department}} 原样，就删掉重新选。

导入后报'Tool not found'或插件不存在

现象：明明没用到工具，却提示函数找不到。

原因：源环境的自定义代码节点里硬编码了绝对路径（比如 C:/Users/admin/data.xlsx），导入后目标环境没有这个路径。

解决办法：代码里尽量用相对路径或环境变量；如果有依赖文件，导出时一并打包，导入后放到对应位置，修改代码节点中的路径。

不只是 12345：这类模板可以直接复用

12345 分拨助手的内核是'文本输入 → 大模型分类 → 映射到预定义类别 → 分部门处理'，这个骨架在信访件分类、企业诉求派单、网格事件分拨等场景里完全一样。复用时只需要三步：

1. 导出 12345 分拨模板；
2. 在新项目导入；
3. 修改大模型提示词中的类别定义，调整分支条件。

不需要重新拖节点、连线条。一个业务人员五分钟就能'改装'出一个新场景的助手。

很多低代码平台也能导出流程图，但经常丢掉提示词、变量绑定、模型参数这些'认知层'的东西。openJiuwen 的导出把这些全保留了，这是它真正实用化的地方。

最后

政务 AI 要摆脱'重复造轮子'，光有模型不够，还得让模型配置能像代码一样版本化、可移植。openJiuwen 的导入导出解决的就是这个'最后一公里'的问题——它让智能体的交付脱离特定环境，让一个科室的调试成果能直接变成另一个科室的起点。

操作步骤	关键动作	常见误区	避坑要点
配置变量	用变量选择器	手动输入 {{变量}}	绿色高亮才可靠
导出模板	点击导出，选 .jiuwen_template	忽略模型映射	文件名包含场景、版本、日期
导入模板	选择文件，确认模型可用	不检查目标环境模型差异	先确认目标环境已配置相同模型
测试	输入典型 Case	只测一条	至少覆盖主要类别和边缘情况
定制修改	改提示词、分支条件	改乱无法回退	修改前复制一份工作流