跳至正文
OpenAgentSkill
浏览已开放 · 目录记录日期 2026-11-21 · 自动更新和账户服务暂时关闭。
开发与测试

jeecg-aiflow

JeecgBoot AI 编排流程(AIFlow)全生命周期管理——通过自然语言描述需求,自动创建、编辑、查询、删除、调试、发布 AI 编排流程。 只要用户意图涉及「AI编排」「AIFlow」就必须使用本技能,包括但不限于: 创建 AI 编排流程("做一个AI流程"、"创建aiflow"、"新建编排"、"做一个知识库问答流程"、"创建一个大模型对话流程"), 修改已有流程("给流程加个节点"、"改一下LLM的提示词"、"修改流程"), 查询流程("查看流程列表"、"有哪些AI流程"), 删除流程("删除流程"、"移除XX流程"), 调试运行流程("调试流程"、"运行流程"、"测试流程"), 发布管理("发布流程"、"取消发布"), 复制流程("复制流程"、"克隆流程")。 关键词触发:aiflow、ai-flow、AI编排、AI流程、编排流程、大模型流程、知识库流程、LLM流程。 注意:本技能仅处理 AI 编排流程(AIFlow),不处理 BPMN 工作流(使用 jeecg-bpmn)、 不处理简流(使用 jeecg-lowcode-miniflow)。

jeecgboot · 已有 AI 审核记录

安装与使用

运行命令前先阅读来源与依赖说明。复制命令不会自动安装或执行。

npx skills add jeecgboot/skills --skill jeecg-aiflow

技能说明


name: jeecg-aiflow description: > JeecgBoot AI 编排流程(AIFlow)全生命周期管理——通过自然语言描述需求,自动创建、编辑、查询、删除、调试、发布 AI 编排流程。 只要用户意图涉及「AI编排」「AIFlow」就必须使用本技能,包括但不限于: 创建 AI 编排流程("做一个AI流程"、"创建aiflow"、"新建编排"、"做一个知识库问答流程"、"创建一个大模型对话流程"), 修改已有流程("给流程加个节点"、"改一下LLM的提示词"、"修改流程"), 查询流程("查看流程列表"、"有哪些AI流程"), 删除流程("删除流程"、"移除XX流程"), 调试运行流程("调试流程"、"运行流程"、"测试流程"), 发布管理("发布流程"、"取消发布"), 复制流程("复制流程"、"克隆流程")。 关键词触发:aiflow、ai-flow、AI编排、AI流程、编排流程、大模型流程、知识库流程、LLM流程。 注意:本技能仅处理 AI 编排流程(AIFlow),不处理 BPMN 工作流(使用 jeecg-bpmn)、 不处理简流(使用 jeecg-lowcode-miniflow)。

JeecgBoot AIFlow — AI 编排流程管理

设计原则

本 skill 的核心架构是模板驱动:AI 不直接生成节点 JSON,而是选择节点类型后由脚本从权威模板生成完整结构,AI 只负责填写业务配置。这样做的原因是 AIFlow 的节点配置字段非常多且结构严格,让 AI 从零生成容易产生格式错误。chain(LiteFlow EL 表达式)也由 Python 脚本自动生成,AI 不需要关心。

修改已有流程时,先查询再修改——因为流程的 design JSON 包含所有节点状态,凭记忆操作容易丢失配置。

前置条件

用户需提供两个信息:

  1. API 地址(默认 http://localhost:3100/jeecgboot)
  2. X-Access-Token(从浏览器 F12 → Network → Request Headers 复制)

工作目录机制

所有操作基于「工作目录」。首先通过 init-work 创建工作目录,后续所有命令只需传 -w,脚本自动从工作目录中的 meta.json 读取 API 凭证和流程信息,design.json 也存放在工作目录中。

工作目录结构:
  {临时目录}/jeecg-aiflow/{workId}/
    ├── meta.json      ← name, descr, apiBase, token, flowId
    └── design.json    ← 节点和连线的完整 JSON

创建流程(核心流程)

1. 初始化工作目录

python "<skill目录>/scripts/aiflow_creator.py" init-work \
  --name "流程名称" \
  --descr "流程描述" \
  --api-base "<api_base>" \
  --token "<token>"

返回 workId,后续所有命令都用这个 ID。

2. 理解需求,选择节点

根据用户描述,从下方「节点类型速查表」选择节点。每个流程必须包含 1 个 start 和至少 1 个 end。

3. 展示摘要,等待用户确认(强制)

生成之前必须展示完整摘要并等待用户明确确认。除非用户事先说过"不用确认直接生成",否则不要跳过这一步。

摘要需要包含三部分:节点列表、节点关系(连线)、关键配置:

流程名称:知识库问答助手

节点列表:
  1. start — 开始(接收用户问题)
  2. knowledge — 知识库检索
  3. llm — 大模型(根据检索结果回答)
  4. end — 结束(返回回答文本)

节点关系:
  start → knowledge → llm → end

关键配置:
  - knowledge: 知识库待选择(需要您提供知识库ID或让我查询列表)
  - llm: 模型待选择,系统提示词="你是一个知识库问答助手..."
  - end: 输出类型=text,内容引用 llm 的回复

等待用户回复确认后再继续下一步。如果用户提出修改意见,调整后重新展示摘要。

4. 生成模板 JSON

python "<skill目录>/scripts/aiflow_creator.py" generate \
  -w "<workId>" \
  --types "start,knowledge,llm,end"

脚本从权威模板生成 design.json 到工作目录。返回包含文件定位信息的结构:

{
  "totalLines": 168,
  "nodes": [
    {"id": "start-node", "type": "start", "startLine": 3, "endLine": 50},
    {"id": "746...", "type": "llm", "startLine": 51, "endLine": 92},
    {"id": "746...", "type": "end", "startLine": 93, "endLine": 110}
  ],
  "edgesLines": {"startLine": 112, "endLine": 167}
}
  • totalLines — design.json 的总行数。行数较少时可全量读取,较多时按节点行号精准定位
  • nodes[i].startLine / endLine — 该节点在 design.json 中的起止行号(1-based),用于 Read 工具的 offset/limit 参数精准读取单个节点
  • edgesLines.startLine / endLine — edges 数组的起止行号,修改连线时精准定位
  • generate、export、add-node、remove-node 命令都返回以上信息

5. 读取 JSON,编辑业务配置

利用返回的行号,用 Read 工具按需读取目标节点或 edges 片段,再用 Edit 工具修改。需要关注两类内容:

A. 业务配置(根据用户需求填写)

每种节点需要配置的核心字段:

节点需要填写用户未指定时怎么办
llmmodel.modeId、model.params.model、系统提示词查询模型列表让用户选择,modeId 取 value、params.model 取 text
knowledgeknowIds查询知识库列表让用户选择
knowledgeWriteknowIds、content查询知识库列表让用户选择
switchif[].conditions、if[].next、else.next向用户询问判断条件
classifiermodel.modeId、model.params.model、categories[].category、categories[].next、else.next查询模型列表,modeId 取 value、params.model 取 text
varExtractmodel.modeId、model.params.model、variables、success.next、fail.next查询模型列表,modeId 取 value、params.model 取 text
looptype、counted 时 maxLoopTimes、array 时 loopItemsParam向用户询问循环方式
setLoopVartargetField、sourceVar根据循环变量定义填写
codecode 脚本内容根据需求编写
httphttp.url、http.method向用户询问接口地址
sqlsql.dataSourceId、sql.outputSql查询数据源列表让用户选择
toolstools.pluginId、tools.toolName向用户询问工具/MCP 选择
braveSearchinputParams(搜索关键词)根据需求绑定上游变量
replycontent根据需求填写
endoutputType、outputContent默认 text 类型即可
subflowsubflowId查询子流程列表让用户选择

查询系统资源(不需要手动 init_api,通过 query 子命令自动从工作目录读取凭证):

python "<skill目录>/scripts/aiflow_creator.py" query -w "<workId>" --resource models        # LLM 模型
python "<skill目录>/scripts/aiflow_creator.py" query -w "<workId>" --resource knowledge     # 知识库
python "<skill目录>/scripts/aiflow_creator.py" query -w "<workId>" --resource datasources   # 数据源
python "<skill目录>/scripts/aiflow_creator.py" query -w "<workId>" --resource subflows      # 子流程

start 和 end 是每个流程必有的节点,完整配置参考如下(无需查索引):

start — 开始节点

进阶配置见 references/node-reference.md 的 start — 定时触发配置 章节,包含:cronTrigger 开关与 cronType 选择(minute/hour/day/custom)、cronExp 表达式生成规则、custom 对象结构(时/天/周/月的精细控制)。

inputParams 结构

字段类型默认值说明
fieldstring—字段名(编程用)
namestring—显示名称
typestring—参数类型(见下表)
requiredbooleanfalse是否必填

固定的默认 inputParams(3 个):

fieldnametyperequired
content用户问题stringfalse
history历史记录string[]false
images图片picturefalse

type 枚举值(开始节点支持 4 种):

type 值含义对应 UI 控件
string文本Input 输入框
number数值InputNumber 数字框
picture图片图片上传
file文件文件上传

注意:图片字段的 field 必须命名为 images,否则 LLM 节点无法接收图片。

禁止使用数组类型:start 节点的 inputParams 只支持以上 4 种类型,不支持 string[]、object[] 等数组类型。如果流程需要数组输入(如 loop 的 array 迭代模式),应通过前置的 code 节点构造数组,而不是在 start 节点定义数组字段。

其他节点的 inputParams/outputParams 还可能使用 string[]、number[]、object[]、object、text、boolean 等扩展类型。

outputParams

无(开始节点没有输出参数)。

校验规则

条件错误消息
cronTrigger.enabled=true 且存在 required 的 inputParam 未配置默认值定时触发器:存在必填参数未配置默认值

特殊行为

  • 固定 ID: start-node,不可修改
  • 只有右侧锚点(无左侧输入)
  • 不允许删除

end — 结束节点

options 字段

参数类型默认值可选值说明
outputTypestring
阅读完整来源 ↗