1. 简介

1.1 功能简介

AI 大模型节点是工作流提供的一项智能处理能力，可调用大语言模型对文本、业务数据等内容进行分析、理解和生成，并将处理结果输出至自定义字段，供后续节点继续使用，实现业务流程智能化。通过 AI 大模型节点，用户仅需配置提示词，即可完成内容总结、数据分析、信息提取、文本生成、分类判断等复杂任务，无需自行开发 AI 能力。

1.2 应用场景

AI 大模型节点适用于各类业务流程，例如：

简历筛选：根据岗位要求分析候选人简历，输出匹配度及推荐理由。
设备故障诊断：根据维修记录和设备日志分析故障原因，并推荐维修方案。

1.3 预期效果

以 AI 大模型筛选简历为例，当大模型完成简历分析后，工作流可通过修改数据节点，将候选人的工作年限、个人技能、学历、项目经历等分析内容自动回填至表单中，便于招聘人员快速完成简历筛选。效果如下所示：

2. 操作步骤

2.1 使用前提

使用 AI 大模型节点前，请确认企业是否参与内测申请。系统管理员或创建者进入： 企业管理 → AI 学院 ，内测申请通过后，拥有应用设计权限的成员即可使用 AI 大模型节点。

2.2 添加 AI 大模型节点

进入工作流设计页面。完成触发节点配置后，点击 添加节点 ，选择 AI 大模型节点 。

2.3 配置提示词

提示词是 AI 执行任务的核心指令，用于告诉模型需要完成的工作。配置提示词时，可引用上游节点字段作为输入内容，使 AI 能结合业务数据生成更加准确的结果。

2.4 配置输出字段

AI 生成完成后，可将结果输出至自定义字段。

支持配置以下信息：

配置项	说明
字段名称	自定义输出字段名称。
字段类型	支持文本、数字、日期时间、文本数组、对象数组等类型。
字段描述	描述输出内容格式或要求，例如 Markdown、JSON 等。

注意：
1）单个 AI 大模型节点最多支持配置 20 个输出字段。
2）对象数组类型可用于生成多条数据或直接赋值至子表单。

2.5 测试节点

完成提示词及输出字段配置后，可点击 前往测试 。在测试页面填写模拟数据，点击生成，即可查看 AI 输出结果。如输出内容不符合预期，可调整提示词后重新测试，直至满足业务需求。

3. 提示词编写指南

提示词质量将直接影响 AI 输出效果。建议按照以下结构编写提示词：

要素	作用
定义角色	根据业务场景为 AI 指定身份，使其以专业视角完成任务。
描述需求	准确说明需要 AI 完成的工作内容和输出目标。
设置要求	补充格式、风格、长度或其他业务规则，提升输出质量。
提供示例	通过示例或模板说明期望结果，帮助 AI 更好地理解需求。
输入业务数据	提供待分析的文本或其他业务数据，作为 AI 生成结果的依据。

下面以简历筛选场景为例，展示一个较为完整的提示词配置示例：

注意：示例中的蓝色字体为字段引用，复制后请根据实际业务场景修改为当前工作流中的上游节点字段。

# 定义角色

你是一名资深招聘顾问，拥有丰富的人才筛选和面试评估经验，能够根据岗位要求全面分析候选人的简历，并判断是否建议进入下一轮面试。

# 描述需求

请结合岗位要求、核心技能及候选人简历，对候选人进行综合评估，并完成以下内容：

1. 总结候选人的工作经历和核心优势；

2. 分析候选人与岗位的匹配情况；

3. 提取候选人的核心技能；

4. 判断是否建议进入下一轮面试，输出推荐理由；

# 设置要求

- 所有分析必须严格依据岗位要求和简历内容，不得编造不存在的信息。

- 简历总结控制在 150 字以内。

- 核心技能输出 3～8 项，以中文逗号分隔。

- 下一轮面试建议仅输出以下其中一种：

- 建议进入下一轮面试

- 建议进一步沟通

- 暂不建议进入下一轮面试

- 推荐理由控制在 100 字以内，重点说明推荐或不推荐的原因。

- 输出格式保持与示例一致。

- 每个模块之间必须空一行，保持清晰的排版。不要有重复模块

- 若某项内容为空，请输出"无"

# 提供示例

【个人简历总结】"个人简历总结"

【岗位匹配分析】"岗位匹配分析"

【核心技能分析】"核心技能分析"

【推荐理由】"推荐理由"

# 输入业务数据

简历推荐模板：表单触发-推荐建议模版

岗位要求：表单触发-岗位要求

核心技能：表单触发-核心技能

候选人简历：表单触发-候选人姓名

应聘岗位：表单触发-应聘岗位

工作年限：表单触发-工作年限

学历：表单触发-学历

个人技能：表单触发-个人技能

项目经历：表单触发-项目经历

4. 注意事项

1）输出字段最多支持配置 20 个，请根据实际业务合理设计输出内容。

2）建议提示词尽量明确业务目标、输出格式及限制条件，以提升生成结果的准确性。

3）AI 生成结果仅供参考，建议结合实际业务进行校验后再投入正式流程。

4）使用 AI 大模型节点会消耗企业 AI 配额（Token 或调用次数），模型测试同样会消耗对应额度。