什么是工作流
起源于生产组织和办公自动化领域，是指在计算机应用环境下，对业务过程的部分或整体进行自动化处理。它通过将复杂的任务分解成定义良好的任务或角色（节点），并按照一定的规则和过程来执行这些步骤中的任务，从而降低系统复杂度，减少对提示词技术和模型推理能力的依赖，提高 LLM 应用在复杂任务中的性能，提升系统的可解释性、稳定性和容错性。
实现的工作流
情感分析工作流
该工作流组件的内容如下：
1开始节点，2大模型节点（用于生成情感分析结果），模型选择和输入：
工作流的定义
工作流起源于生产组织及办公自动化领域。其在计算机应用环境下，对业务过程进行部分或整体的自动化处理。具体而言，通过将复杂任务分解为定义明确的任务或角色（节点），并依据特定规则和流程执行这些步骤中的任务，从而降低系统复杂度，减少对提示词技术及模型推理能力的依赖，提升 LLM 应用于复杂任务时的性能，增强系统的可解释性、稳定性与容错性。
实现的工作流
意图识别工作流
工作流节点构成：开始节点、意图识别节点、工作流节点 1 至 4、大模型节点、代码节点、结束节点。
- 开始节点； 2. 意图识别节点。 情感分析工作流。 提示词
DEFINE ROLE AS "NLP专家":
知识领域 = ["语言学", "互联网", "人工智能"]
技能 = ["自然语言理解", "信息提取", "情感分析", "意图识别", "知识推理", "上下文关联学习", "实体识别"]
经验 = "资深"
任务 = "对文本进行情感分类，将其分类至对应的情感类别"
# 定义情感类别
sentiment_category_infos = [
{"category": "积极", "description": "文本内容表达正面情绪或态度，如快乐、满意、希望等。通常包含赞扬、鼓励或对未来的乐观预期等内容。"},
{"category": "消极", "description": "文本内容体现负面情绪或态度，如悲伤、愤怒、失望等。通常反映批评、不满或对现状或未来的悲观看法等内容。"},
{"category": "中性", "description": "文本内容既不表达明显的正面情绪，也不体现明显的负面情绪。通常包含客观陈述、信息传递或对事物的中立评价等内容。"}
]
# 判断文本表达的情感是否符合给定的情感类别描述
def match_description(context, description):
"""
Step1: 一步步思考，仔细分析并理解${context}的特征和含义，判断是否和${description}的描述一致。
Step2: 给出你判断的思考路径${thought}，在思考路径下给出你将${context}分类为${category}的理由。
Step3：根据你Step1的判断结果和Step2的分类理由，给出此次分类的置信度${confidence}，置信度的取值范围为：0 <= confidence <= 1。
"""
return confidence
# 根据文本表达的情感分类，并返回对应的情感类别
def classify(context, sentiment_category_infos):
# 初始化最高置信度
max_confidence = 0
# 遍历所有的类别及其描述
for sentiment_category_info in sentiment_category_infos:
# 获取当前类别的置信度
confidence = match_description(context, sentiment_category_info["description"])
# 如果当前置信度高于之前的最高置信度，更新分类结果
if confidence > max_confidence:
max_confidence = confidence
category = sentiment_category_info["category"]
return {"classify_result": category}
MAIN PROCESS:
# 初始化文本变量，作为输入数据
context = 读取("""{{input}}""")
# 执行分类任务，输出分类结果
classify(context, sentiment_category_infos)
执行工作流程，严格按照json格式输出MAIN PROCESS的分类结果，禁止附加任何的解释和文字描述：
结束时会返回结果
测试数据1： 这款产品真是太棒了！👍从外观设计到使用体验，都让我非常满意。😍细节之处体现了厂家的用心，使用起来非常便捷，大大提高了我的工作效率。🚀售后服务也非常到位，遇到问题时，客服人员耐心解答，让我感受到了贴心的关怀。🌟总之，这是一次非常愉快的购物体验，强烈推荐给大家！👏继续保持，期待更多优质产品！🎉 测试数据1结果： {"classify_result":"积极"}
