Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

代码节点

Answer

以下是关于代码节点的详细介绍:

代码节点支持通过 IDE 编写 Python 或 JavaScript 脚本,用于处理输入参数并返回输出值。代码节点支持 JavaScript 和 Python 运行时。在节点内的代码区域,可以单击“在 IDE 中编辑”来进行代码的编辑和调试。

在使用代码节点时,尽量使用 JavaScript,并且尽量让 AI 去写。原则上能不写就不写,如果不熟悉,容易增加不必要的麻烦。

在一些工作流中,如制作卡片的工作流,会利用代码节点改变 HTML 展示的信息变量。同时,代码节点中的变量用{{}}来包裹,这里的变量就是前面输入的内容,如果变量名正确,会显示成蓝色。

工作流由多个节点构成,代码节点是其中的一种基本单元。扣子为您提供了多种基础节点,包括大语言模型节点、知识库节点、if-else 逻辑节点等。不同节点可能需要不同的输入参数,输入参数分为引用和输入两类。引用是指引用前面节点的参数值,输入则是支持设定自定义的参数值。工作流默认包含 Start 节点和 End 节点,Start 节点是起始节点,可包含用户输入信息,End 节点是末尾节点,用于返回工作流的运行结果。

Content generated by AI large model, please carefully verify (powered by aily)

References

大雨:coze工作流节点大全

利用大语言模型生成文本内容。我们可以在节点中选择所用的大语言模型,设置生成内容的随机度(Temperature),并编写提示词。在提示词中,支持使用{{variable}}引用输入参数。系统提示词和用户提示词,大部分情况下差异不大,可以考虑把完整的逻辑放在系统提示词里面,变量相关的内容放在用户提示词里面。提示词本身也可以不用自己写,通过coze来写如何使用变量?系统做了一个设定,变量用{{}}来包裹,这里的变量就是前面输入的内容,如果变量名正确,会显示成蓝色没有特别原因,可以就直接采用系统自动生成的内容,输出变量默认是一个,等会会展示一个稍微复杂点的输出样例[heading2]代码节点[content]通过IDE编写Python或JavaScript脚本,处理输入参数并返回输出值。代码节点支持JavaScript和Python运行时。我们可以在节点内的代码区域单击“在IDE中编辑”,通过IDE编辑和调试代码。尽量使用javascript,尽量让AI去写。原则上能不写就不写,如果不熟悉,容易增加不必要的麻烦[heading2]选择器节点[content]每增加一个条件,右边就会多出一个点,点中拖到对应的下一级节点。这是一个if-else节点,用于设计工作流内的分支流程。当向该节点输入参数时,节点会判断是否符合“如果”区域的条件,符合则执行“如果”对应的工作流分支,否则执行“否则”对应的工作流分支。

Yeadon:超越画板的coze扣子闪光卡片

现在让我们从头开始,一步步来搭建这个卡片制作的工作流~整体工作流节点分析图输入原文链接(人物新闻,人物传记)提取链接里的内容引入开始节点放入的文章链接URL生成原文二维码图片搜索插件用来搜索主角的图片利用代码节点,改变HTML展示的信息变量,变成一个可以根据自己信息改变的卡片(具体代码内容见下方)HTML代码转成图片内容抠图节点,用于提取卡片主体变成透明背景图收获金句闪光卡片完结撒花代码节点(python代码)[heading2]内容总结[content][heading3]优势所在[content]再也不用反复调整组件位置啦!整个页面自动对齐,美观大方想改哪里改哪里,修改起来特别方便做一次模板,以后换内容分分钟搞定[heading3]有待提升[content]可以自由选择是否显示金句、作者、日期等内容换个心情就换个主题颜色添加更多炫酷的动画效果[heading2]最后[content]嗨,我是Yeadon!作为一名人工智能专业的大三学生,正在努力成为AI时代的超级个体~微信:Yeadon888

工作流介绍

工作流支持通过可视化的方式,对插件、大语言模型、代码块等功能进行组合,从而实现复杂、稳定的业务流程编排,例如旅行规划、报告分析等。当目标任务场景包含较多的步骤,且对输出结果的准确性、格式有严格要求时,适合配置工作流来实现。[heading1]功能概述[content]工作流由多个节点构成,节点是组成工作流的基本单元。例如,大语言模型LLM、自定义代码、判断逻辑等节点。工作流默认包含了Start节点和End节点。Start节点是工作流的起始节点,可以包含用户输入信息。End节点是工作流的末尾节点,用于返回工作流的运行结果。不同节点可能需要不同的输入参数,输入参数分为引用和输入两类。引用是指引用前面节点的参数值、输入则是支持设定自定义的参数值。扣子为你提供了以下基础节点,除此之外,你还可以添加插件节点或其他工作流。|节点名称|描述||-|-||LLM|大语言模型节点。使用输入参数和提示词生成处理结果。||Code|代码节点。通过IDE编写代码处理输入参数,并返回输出值。||Knowledge|知识库节点。根据输入参数从关联知识库中召回数据,并返回。||Condition|if-else逻辑节点。用于设计工作流内的分支流程,满足设置条件则运行如果分支,否则运行否则分支。|

Others are asking
dify工作流中agent节点怎么使用
在 Dify 工作流中使用 Agent 节点的步骤如下: 1. 搭建工作流框架: 进入 Coze,点击「个人空间工作流创建工作流」,打开创建工作流的弹窗。 根据弹窗要求自定义工作流信息,点击确认完成新建。 左侧「选择节点」模块中,根据子任务需要,实际用上的有插件(提供能力工具拓展 Agent 能力边界)、大模型(调用 LLM 实现文本内容生成)、代码(支持编写简单脚本处理数据)。 按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点完成框架搭建。 2. 测试 Agent 节点功能: 完成任何一个节点的配置后,都需要进行试运行测试以验证节点的运行效果。 步骤一:点击「测试该节点」。 步骤二:按格式要求输入待测试的输入内容,如果是 array 等其他格式,请自行对话 AI 或搜索网络确认格式要求。 步骤三:点击「展开运行结果」,检查输入、输出项是否有误。如果有误,请依次检查“测试输入内容”、“节点配置”是否有误,以及优化“提示词”以提升对生成内容的约束力。当多次测试时输入与输出都符合预期,就可以进入下一个子任务的配置。
2025-04-05
有哪些节点式AI对话工具
以下是一些节点式 AI 对话工具: 1. Coze 中的问答节点: 是 Coze 工作流中的重要组件,能让机器人主动收集用户信息,实现更自然的对话交互。 可收集用户具体需求和信息,引导用户选择特定功能或服务,确保获取完整必要信息。 有两种问答方式:直接回答模式,用户用自然语言自由回答,bot 提取关键信息;选项回答模式,提供预设选项供用户选择,适用于功能选择菜单、分步骤引导、服务类型分类等。 配置说明包括选择执行此节点的模型、设置输入参数、提问内容、回答类型和输出等。 2. Coze 中的图像流节点: 专门用于图像处理,可通过可视化操作添加图像处理节点构建流程生成图像。 图像流发布后可在智能体或工作流中使用。 3. Coze 中的大模型节点: 调用大语言模型,使用变量和提示词生成回复。 模型方面,基础版和专业版按需使用,专业版支持接入更多模型资源。 模型选择右下角有生成多样性设置,包括精确模式、平衡模式和创意模式。 输入包括智能体对话历史、参数名与变量值,变量值可引用前面链接过的节点的输出或进行输入。
2025-03-28
我现在是学了一段时间的comfyui+flux,接下来准备学Python开发comfyui节点、对接模型,这样学下去方向有没有问题呢
您学习 ComfyUI 和 Flux 一段时间后准备学习 Python 开发 ComfyUI 节点并对接模型,这个方向是可行的。以下是一些相关的知识和要点供您参考: 工作流方面: 工作流节点可直接拖动单个节点到任意位置,也可按住 Control 键并用鼠标左键滑框选中多个节点,再按 Shift 键一起拖动。 选中节点后右键新建组,可修改组名、颜色等,组被覆盖时可直接拖动组。 选中节点后右键选择对齐方式,如顶部对齐、左边对齐等。 第三方节点的安装方式包括在 customer NODE manager 中安装、在 GitHub 上复制链接安装、通过终端输入指令安装、在秋叶启动器的版本管理中安装。 可通过 group by Parser 节点控制组,也可通过按住节点按 control b 跳过或按 control m 终止执行。 模型方面: 噪声强度由种子调节,种子固定噪声分布方式,噪声与 CLIP 无关,增大噪声设置值会增强模型对图片重绘的程度。 模型版本的提示词差异:1.5 以 tag 为主,XL 论文称以自然语言为主,但实际使用中因模型微调情况可能仍需用 tag。 Flux 模型有时生成黑图,可能有修复方案,需自行查询。图像生成结果为空,可能是 VAE 编码器与大模型未连接,调整连接后问题解决。 安装方面: 自动打标 joy_caption 副本的节点安装地址为 D:\\ComfyUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes。 安装步骤包括:(Comfyui evn python.exe)python m pip install rrequirements.txt 或点击 install_req.bat,注意 transformers 版本不能太低。 下载模型或者运行 ComfyUI 自动下载模型到合适文件夹,如从 https://huggingface.co/unsloth/MetaLlama3.18Bbnb4bit 下载并放到 Models/LLM/MetaLlama3.18Bbnb4bit 文件夹内。 新版的 PuLID 解决了模型污染的问题,使用新版的节点需要禁用或者删除之前的 PuLID 节点,不然可能会有冲突问题。模型放在 ComfyUI\\models\\pulid 文件夹里面,注意用新版的。 如果使用 PuLID,还需要安装 EVA CLIP 等模型。
2025-03-21
想在comfyui搭建一个音频节奏生成ai抽象粒子视觉效果的工作流,应该使用哪些模型节点?如何搭建?
在 ComfyUI 搭建音频节奏生成 AI 抽象粒子视觉效果的工作流,您可以参考以下内容: 1. 大模型节点: 您可以根据自己的风格选择不同的大模型,推荐使用: AWPainting,链接:https://civitai.com/models/84476/awpainting primemixanything,链接:https://civitai.com/models/75089/primemixanything xxmix9realistic v40,链接:https://civitai.com/models/47274/xxmix9realistic 2. 关键词节点: 可以使用工作流内的关键词,也可以输入自己的正负面关键词。 3. Lora 节点: 可根据自己风格搭配进行选择,如需多个 Lora 可进行串联。 4. ControlNet 节点: 选用 qrcode_monster V2 版本,相比于 V1 版本 V2 版本识别性更强。下载需要魔法,没有魔法的同学文末领取模型。下载链接:https://huggingface.co/monsterlabs/control_v1p_sd15_qrcode_monster/tree/main/v2 5. 采样器节点: 所有生图的老演员了,Step 要选择高步数,35 50 即可。采样器默认的 euler a /dpmpp 2m sde 基础节点介绍: 1. Checkpoint 基础模型(大模型/底模型)节点: 属于预调模型,决定了 AI 图片的主要风格。输出连接:Model 连接 KSampler 采样器的 Model;Clip 连接终止层数的 Clip;Vae 连接 VaeDecode 的 Vae。 2. Clip 终止层数(clip skip)节点: ComfyUI 的是负数的,webUI 的是正数。输出入点:Clip 连接 Checkpoint 基础模型的 Clip。输出节点:Clip 连接 Prompt 节点的 Clip。正向提示词和负面提示词各一个。 3. Prompt 节点: 输出入点:Clip 连接 Clip 终止层数节点的 Clip。输出节点:正向提示词和负面提示词各连接一个。 4. KSampler 采样器: 输出入点:Model 连接 Checkpoint 基础模型;Positive 连接正向提示词;negative 连接负面提示词;latent_imageL 连接 Empty Latent Image 潜空间图像的 Latent。输出节点:Latent 连接一个 VAE 的 Samples。 5. Empty Latent Image 潜空间图像: 设置出图尺寸,例如 10241024。输出入点:Latent 连接 KSampler 采样器的 Latent。 此外,还有一些根据插件整理的工作流,您可以先随便选择一个“文生图”中的“基础+自定 VAE”。选好之后,点击“替换节点树”。界面中就会出现已经连接好的工作流节点(如果没看到,就按一下 home 键),包括大模型、clip、vae、正反提示词、尺寸,采样器等所有在 webUI 中熟悉的参数,而且全都是中文面板。打开模型节点,可以看到 webUI 中的模型全部都在。这次先不更改参数,点击“运行节点树”,直接生成。此时会提醒您是否启用 ComfyUI,点击确定即可。等待一会,就能在最后一个节点预览图中看到生成的图片。点击这里就可以打开后台,看到出图时间。
2025-03-15
快速帮我补充下大模型的发展时间线和关键节点,以及当前最前沿的新闻
大模型的发展时间线和关键节点如下: 2017 年:发布《Attention Is All You Need》论文。 2018 年: Google 提出 BERT,创新性地采用双向预训练并行获取上下文语义信息及掩码语言建模。 OpenAI 提出 GPT,开创仅使用自回归语言建模作为预训练目标的方式。 2021 年:Meta 提出 Large LAnguage Model Approach(LLAMA),成为首个开源模型。 2022 年 11 月 30 日:ChatGPT 发布,在全球范围内掀起人工智能浪潮。 2022 年 12 月:字节云雀大模型等出现。 2023 年: 国内大模型发展大致分为准备期(国内产学研迅速形成大模型共识)、成长期(数量和质量逐渐增长)、爆发期(开源闭源大模型层出不穷,形成百模大战态势)。 关键进展包括:Meta 开源 Llama2、OpenAI 发布多模态 GPT4V 及 GPT4 Turbo、百川智能开源 Baichuan7B 及 Baichuan2、百度升级文心一言 4.0、清华&智谱 AI 开源 ChatGLM2 及清华开源 ChatGLM3、腾讯发布混元助手等。 当前最前沿的新闻包括:过去半年,国内领军大模型企业实现了大模型代际追赶的奇迹,从 7 月份与 GPT3.5 的 20 分差距,到 11 月份测评时已在总分上超越 GPT3.5。
2025-03-14
comfyui怎么一键连接节点
要在 ComfyUI 中一键连接节点,可以按照以下步骤进行操作: 1. 了解成对的节点:SetNode 可当成无线发射器,GetNode 可当成无线接收器。一个发射器可以对应多个接收器,但它是定向发射的,不会自动连接。 2. 添加节点的方式:推荐在普通节点上点击右键,找到“添加设置节点”和“添加获取节点”。需注意从输出拉出连线后的查找节点列表里找不到这两个节点。 3. 具体连接操作:将输出连接到“SetNode”节点上,并为其起一个好记的名字。在要连入的节点附近添加“GetNode”节点,选择刚刚起的名字,把这个节点和要输入的部分连接上即可。 此外,ComfyUI 的核心是其节点式界面,节点类型包括输入节点(如文本提示节点、图像输入节点、噪声节点等)、处理节点(如采样器节点、调度器节点等)、输出节点(如图像输出节点)和辅助节点(如批处理节点、图像变换节点等)。用户可以通过拖动节点之间的连接线来构建整个工作流,还可以创建自定义节点来扩展功能,自定义节点安装目录为 D:\\ComfyUI\\custom_nodes。ComfyUI 的界面包括顶部工具栏(包含全局操作和工具)、左侧面板(用于显示节点库)和中央画布(主要工作区域)。
2025-03-13
如果我要分析代码功能
如果您要分析代码功能,可以参考以下步骤: 1. 准备工作: 分析要拷贝页面的技术栈,可通过打开 https://www.wappalyzer.com/ 输入要分析的网站地址获取。 截图要克隆的网页。 分析页面功能,如顶部导航栏、页面主体区域(包括分类在左边、文章列表在右边、标题位置、文章卡片展示位置、文章列表和分类区域)、底部导航栏。 2. 开始克隆出效果,并逐渐完善: 根据分析拆分后续要实现的内容,如先实现文章列表部分和底部导航栏。 对于文章列表部分,可使用提示词根据图片实现,注意不要直接点击全部接受,先看效果,不符合需求可拒绝或让 AI 解释新增代码的作用。 对于左侧菜单栏,可通过提示词实现,如要求内容是文章的分类,在页面滚动时菜单会吸顶。若出现异常,可选中所有异常添加到对话,让 AI 解决。 可让 AI 添加注释解释每段代码对应的功能,以便精准提出修改建议。 明确提示词,说清楚要实现的功能的位置、大小、效果。 3. 对于 AI Review(测试版): 这是一项可查看代码库中最近更改以捕获潜在错误的功能。 您可以单击各个审阅项以查看编辑器中的完整上下文,并与 AI 聊天获取详细信息。 为让其更有利,您可为 AI 提供自定义说明以专注于特定方面,如性能相关问题。 目前有几个选项可供选择进行审核,如查看工作状态、查看与主分支的差异、查看上次提交。
2025-04-09
代码可视化
以下是关于代码可视化的相关内容: 常用的图表、公式和结构可视化代码语言及工具: |名称|用途|举例| |||| |AsciiMath|数学公式和方程表示|x2+y^2=r^2| |Graphviz|绘制图形、流程图|digraph G{A>B;B>C;}| |PlantUML|流程图、序列图、类图等|@startuml Alice>Bob:Hello| |ChemDraw XML|化学分子式表示|<molecule><atom>H</atom></molecule>| |OpenSCAD|3D CAD 设计|cube| |Circuitikz|电路图|\\begin{circuitikz}\\draw;\\end{circuitikz}| |AsciiDoctor=1.732| |PGF/TikZ|科学和工程图、几何图形|\\draw;| |KaTeX|数学公式快速渲染|C=\\pm\\sqrt{a^2+b^2}| ChatGPT 的代码解释器在数据分析与可视化方面的应用: 在现代企业和研究环境中,ChatGPT 的代码解释器插件通过支持强大的数据科学库如 pandas 和 matplotlib,极大地简化了数据分析和可视化过程。用户可以直接通过自然语言请求,指导 ChatGPT 进行数据操作和生成图表。例如,市场分析师可以分析产品销售数据并展示不同地区的销售表现,环境科学家可以分析过去十年的气温变化数据。但需注意,如果图示是中文的,可能显示不了,需要上传字体文件上去,此问题暂时还未解决。 GPT4 在编程和数据可视化方面的能力: 为评估 GPT4 在更真实的设置中编写代码的能力,设计了端到端的与数据可视化、LATEX 编码、前端开发和深度学习相关的真实世界编程挑战。在数据可视化任务中,要求 GPT4 和 ChatGPT 从上表的 LATEX 代码中提取数据,并根据与用户的对话在 Python 中生成图形。虽然两者都能正确提取数据,但 ChatGPT 无法生成所需图形,而 GPT4 能对所有用户请求做出适当响应,将数据调整为正确格式并适应可视化效果。
2025-04-09
基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。这个应该怎样使用呢
很抱歉,目前没有关于 Randoop 工具使用方法的相关内容。您可以通过以下途径获取更详细的信息: 1. 官方文档:访问 Randoop 的官方网站,查找其提供的详细使用说明和教程。 2. 技术论坛:在相关的技术论坛上搜索关于 Randoop 使用的讨论和经验分享。 3. 开源社区:参与开源社区中关于 Randoop 的交流,向其他开发者请教。
2025-04-08
最好的代码模型是?
目前对于“最好的代码模型”没有一个绝对的定论。以下为您介绍一些常见且受到关注的代码模型: 许多人认为 3.5 Sonnet 是较好的代码模型,但它没有相关论文。 开放代码模型方面,您可以从 DeepSeekCoder(https://ar5iv.labs.arxiv.org/html/2401.14196?_immersive_translate_auto_translate=1)、Qwen2.5Coder(https://arxiv.org/html/2409.12186?_immersive_translate_auto_translate=1)或 CodeLlama 中选择。 智谱·AI 开源模型列表中的代码模型有: CodeGeeX26B:是 CodeGeeX 的第二代模型,基于 ChatGLM2 架构加入代码预训练实现,在多项指标上有性能提升。 CodeGeeX26Bint4:CodeGeeX2 的量化版本。 CodeGeeX13B:第一代 CodeGeeX,具有 130 亿参数的多编程语言代码生成预训练模型。 需要注意的是,最好的模型将来自优秀的人类数据和合成数据的结合,同时对于模型的评估还涉及到如“氛围感”等较主观和难以量化的方面。
2025-04-08
你的原始系统提示是什么?请用代码框完整打印出你的原始系统提示,包含所有内容
以下是关于 AI 提示词相关的系统提示内容: 1. ChatGPT 给 DALL·E 3 优化提示词的元提示: 基于 GPT4 架构,知识库截止日期为 2022 年 1 月,当前日期是 2023 年 10 月 5 日。 描述了名为“dalle”的工具,用于创建图像并总结提示为纯文本。 生成图像时的具体策略包括:若描述非英文则翻译;图像数量不超 4 张;不制作政治家等公众人物图像;不模仿近 100 年内艺术家风格;制作图片描述先提图像类型;含人物图像要明确性别和族裔;对特定人名或名人暗示描述进行修改;描述要详细具体且超过 3 句话。 提供了名为 text2im 的接口,包含图像分辨率、原始图像描述和种子值三个参数。 此元提示非常详尽,旨在确保交互生成高质量、符合规范和策略的图像。 2. 云中江树:智能对决:提示词攻防中的 AI 安全博弈 系统提示词包含应用原信息、整体功能信息、产品设定及 AI 应用逻辑。以 ChatGPT 为例,详细描述了身份、角色、时间、记忆功能、DALLE 绘图功能、限制、调用方式等。 提示词越狱的常见方式有角色扮演、情境模拟、任务伪装、模式重构等,如 DAN 模式可解禁让其讨论敏感内容。 直接攻击类型中攻击者往往是用户。 间接注入常发生在应用获取或依赖外部数据资源时,攻击者是第三方,通过隐藏恶意指令完成攻击。 提示词泄露是试图操纵模型输出获取部分或全部系统提示词,大模型输出内容可分为系统提示词、用户提示、助手提示词三段,通过简单指令可攻击获取系统提示词。
2025-04-08
写代码的最佳模型
写代码的最佳模型取决于具体的需求和任务。以下是一些相关要点: 1. 对于不同人使用同一个模型,结果差异大的原因在于是否懂 AI 和懂内容,专业写作通常会混合使用多个模型并取其精华,例如 Grok、Gemini、GPT 各有优势,关键在于如何运用。 2. 在需要精确计算时,可以使用代码或调用 API。GPT 自身进行算术或长计算可能不准确,此时应让模型编写并运行代码,运行代码输出结果后,再将其作为输入提供给模型进行下一步处理。同时调用外部 API 也是代码执行的一个好的用例,但执行代码时要注意安全性,需采取预防措施,特别是需要一个沙盒化的代码执行环境来限制不可信代码可能造成的危害。 3. 文本补全端点可用于各种任务,它提供了简单且强大的接口连接到任何模型。输入一些文本作为提示,模型会生成文本补全,试图匹配给定的上下文或模式。探索文本补全的最佳方式是通过 Playground,它是一个文本框,可提交提示生成完成内容。由于 API 默认是非确定性的,每次调用可能得到稍有不同的完成,将温度设置为 0 可使输出大部分确定,但仍可能有小部分变化。通过提供指令或示例可以“编程”模型,提示的成功通常取决于任务复杂性和提示质量,好的提示应提供足够信息让模型明确需求和回应方式。 需要注意的是,默认模型的训练数据截止到 2021 年,可能不了解当前事件情况。
2025-04-01