当大模型输出和节点输出配置不匹配时，您可以参考以下要点来解决：
另外，虽然可以用大模型来实现变量类型的转换，比如选择“豆包·工具调用”，在大模型的高级设置中尽量把随机性调到最低，使其更严格遵循提示词。匹配好输入输出的名称与类型，提示词中注意用{{}}引用输入变量。但大模型节点效果不稳定，运行速度相对较慢，还可能带来额外花费。尤其当输出类型为 String 时，大模型容易画蛇添足地加上一些说明性文字，即使优化提示词去限制，也不一定每次都能限制住。一旦出现偏差，哪怕只是多一个字符，下游节点就可能无法正常运行，且对此调整手段有限。所以如果没有“代码恐惧症”，建议使用代码节点来实现。
大模型节点的配置，有几个入门要点，希望能帮助你更好入门、更少踩坑：1.输入与输出的变量名称是自定义的，只需要按照自己的习惯设定，方便识别字段的含义即可。2.输入：因为我们取得是开始节点中，用户输入的{{BOT_USER_INPUT}}，所以可以直接选择引用即可1.在提示词区域中，因为需要LLM根据输入的信息进行处理，所以需要两个双花括号，写明需要使用的输入项参数名，如{{input}}1.输出：有几项子内容需要生成，就设置几项：1.1.为了能够让大模型理解最终输出的形式要求，需要在用户提示词最后，添加##输出格式段落，描述每个变量名称、输出内容、输出格式。1.2.请务必注意，变量名称、对应的输出内容、输出格式一定要前后完全一致，不然就会输出失败！这一点非常容易踩坑
大模型节点的配置，有几个入门要点，希望能帮助你更好入门、更少踩坑：1.输入与输出的变量名称是自定义的，只需要按照自己的习惯设定，方便识别字段的含义即可。2.输入：因为我们取得是开始节点中，用户输入的{{BOT_USER_INPUT}}，所以可以直接选择引用即可1.在提示词区域中，因为需要LLM根据输入的信息进行处理，所以需要两个双花括号，写明需要使用的输入项参数名，如{{input}}1.输出：有几项子内容需要生成，就设置几项：1.1.为了能够让大模型理解最终输出的形式要求，需要在用户提示词最后，添加##输出格式段落，描述每个变量名称、输出内容、输出格式。1.2.请务必注意，变量名称、对应的输出内容、输出格式一定要前后完全一致，不然就会输出失败！这一点非常容易踩坑
虽然从上面的例子可以看出，用代码节点实现变量类型的转换其实并不复杂，但如果你有“代码恐惧症”，完全不敢尝试任何代码形式的内容，那么这里也可以为你提供一个下位替代，那就是用大模型来实现。大模型的种类你可以自己尝试，我这里选择的是“豆包·工具调用”，大模型的高级设置中尽量把随机性调到最低，使其更严格地遵循提示词。提示词可以与前面向AI提问的范式类似，删除前面与python相关的几句话就行。匹配好输入输出的名称与类型，提示词中注意用{{}}引用输入变量。然后我们运行看看效果：幸运的是，同样达到了预期效果。不过，如果你没有“代码恐惧症”，依然还是建议你使用代码节点来实现，因为大模型节点的效果并不稳定。这个要求能实现，不代表另一个要求能实现；这次能成功，不代表每次都能成功。尤其当输出类型为String时，大模型很容易画蛇添足地加上一些说明性文字，即使你优化提示词去限制它，也不一定每次都能限制住。一旦出了偏差，哪怕只是多了一个字符，下游节点就可能无法正常运行，而且你对此还并没有多少调整的手段。除此以外，大模型节点的运行速度也相对较慢，还可能带来额外的花费。