文章前言
随着大模型应用快速普及，很多开发者、产品、爱好者都想搭建属于自己的 AI 自动化工具。但传统开发需要掌握 Python、接口开发、服务器部署，门槛很高。
Coze 扣子平台提供的工作流功能，依靠可视化拖拽节点，不用写大量代码，就能串联大模型、数据库、API、条件判断、循环逻辑，快速实现 AI 自动化任务。
本篇文章面向零基础新手，全程手把手带你搭建一套可直接运行的 AI 自动化工作流，理解节点编排核心思路，看完就能动手复刻。
环境说明：直接使用扣子网页端，无需本地安装任何软件，注册账号即可体验。
一、什么是扣子工作流？
很多新手刚接触会分不清机器人和工作流，这里简单区分：
扣子机器人：面向聊天交互，适合对话问答、聊天助手；
扣子工作流：通用自动化流水线，可以独立运行、被机器人调用、支持 API 触发。
简单理解：工作流就是一条流水线。数据依次流过各个节点，完成 AI 调用、数据处理、判断分支、循环、调用外部接口等一系列操作。
优势：
✅ 可视化拖拽，低代码，零基础可上手
✅ 内置多种节点：大模型调用、代码、条件分支、循环、HTTP 请求
✅ 支持输出结构化数据，方便对接其他系统
✅ 支持调试、分步查看每个节点运行结果
二、前期准备
打开扣子（Coze）官网，登录个人账号
左侧菜单栏找到【工作流】，点击【创建工作流】
自定义工作流名称：AI 文本智能处理流水线
进入画布：中间是画布区域，左侧是所有可用节点，右侧为节点配置面板
三、实战目标（我们本次要实现的自动化流程）
我们搭建一套通用 AI 文本处理自动化流程：
用户输入一段原始文本
使用大模型对文本进行内容总结
条件判断：文本情绪正向 → 生成鼓励文案；情绪负面 → 生成安抚文案
最终输出原始文本、总结内容、AI 生成文案
这套流程用到输入节点、大模型节点、条件分支节点，覆盖工作流最核心三大组件，学会后可以自由拓展更多场景。
四、分步搭建工作流
步骤 1：配置【开始节点（输入）】
所有工作流都从「开始」节点启动，用来接收外部传入参数。
点击画布默认自带的【开始】节点
在右侧添加输入变量：
变量名称：content
显示名称：待处理文本
类型：字符串
作用：外部调用工作流时，通过这个变量传入我们需要处理的文本。
步骤 2：添加【大模型节点】实现文本总结
左侧节点栏拖拽【大模型】节点到画布
使用连线，把【开始节点】连接到此大模型节点
节点配置：
提示词模板参考：
plaintext
请对下面文本进行简短总结，控制在80字以内。
文本内容：{{content}}
只输出总结结果，不要多余描述。
设置输出变量名称：summary（文本总结结果）
运行逻辑：接收输入文本，自动调用大模型完成总结。
步骤 3：新增大模型节点，判断文本情绪
继续拖拽第二个【大模型节点】，用于情绪识别
提示词模板：
plaintext
分析下面文本的情绪，只允许输出【正向】或者【负面】两个词，不要输出其他内容。
文本：{{content}}
输出变量：sentiment（情绪结果）
步骤 4：核心！【条件分支节点】编排分支逻辑
这是工作流最重要的节点，实现自动化判断。
拖拽【条件分支】节点，连接情绪识别大模型节点
设置分支判断条件：
分支 1：sentiment 等于 正向
分支 2：默认分支（负面）
步骤 5：两条分支分别配置 AI 生成节点
正向分支：拖拽大模型节点
提示词：
plaintext
基于文本内容写一段温暖鼓励的话，简短自然
原文：{{content}}
负面分支：拖拽大模型节点
提示词：
plaintext
根据文本内容生成一段温柔安抚文案
原文：{{content}}
步骤 6：使用【合并节点】汇总两条分支结果
条件分支会产生两条路线，想要统一输出必须使用合并节点。
将正向、负面两个大模型节点全部连线至合并节点。
步骤 7：配置【结束节点】统一返回结果
将合并节点连接到结束节点，在结束节点定义输出参数：
原始文本：{{content}}
内容总结：{{summary}}
AI 生成文案：文案结果变量
整体链路梳理：
开始 (输入文本) → AI 总结 → AI 情绪判断 → 条件分支（正向 / 负面）→ AI 生成对应文案 → 合并 → 结束输出
五、调试运行工作流（新手必看）
搭建完成不要直接保存，优先调试！
画布右上角点击【调试】
在输入参数 content 填写测试文本
测试文本示例 1（正向）：今天顺利完成了所有任务，心情很不错
测试文本示例 2（负面）：今天工作接连出错，感觉压力很大
点击运行，逐节点查看日志
💡调试小技巧：
每个节点都可以单独查看输入、输出数据，如果结果异常，快速定位是提示词问题还是参数传递错误。
常见新手踩坑：
变量名写错：{{变量名}} 必须和上游输出名称完全一致，区分中英文符号；
忘记连接节点，流程中断无法执行；
条件分支没有使用合并节点，导致工作流缺少返回值；
提示词描述模糊，大模型输出格式混乱。
六、工作流拓展思路（学完基础可以自行升级）
学会基础编排后，可以拓展大量实用场景：
增加【HTTP 请求节点】：调用第三方接口，实现消息推送（钉钉、企业微信）
增加循环节点：批量处理多条文本
搭配扣子 RAG 知识库：实现专属知识库智能问答流水线
将工作流嵌入扣子机器人，用户聊天自动调用自动化流程
通过工作流 API，在自己网站、小程序调用整套 AI 能力
七、总结
扣子 Coze 工作流核心本质：用节点串联数据，靠分支与循环实现业务自动化。
不需要深厚编程基础，掌握「输入→处理→判断→输出」这套编排思想，就能搭建绝大多数 AI 自动化场景。
本文搭建的文本情绪自动化流水线属于入门模板，大家可以基于这个模板自由修改提示词、新增节点，打造 AI 摘要工具、内容分类器、自动文案生成器等应用。
后续我会持续更新扣子工作流进阶教程，讲解子工作流、结构化 JSON 输出、复杂多层嵌套分支、线上部署相关实战内容。