带有会话记忆的AI聊天助手

该工作流旨在促进交互式聊天体验，AI助手能够根据用户自定义的任务做出回应，并利用聊天历史提供基于上下文的答案。这是一个通用模板，可适用于各种会话自动化和可扩展的AI驱动聊天解决方案。

步骤详解

1. 聊天会话启动与欢迎信息

• 聊天开启触发器：当聊天开启时，激活触发器。
• 欢迎信息：消息组件向用户展示友好的欢迎信息：

  👋 欢迎来到简单任务流程！
  本工具旨在根据您的输入让您自定义任务 🌟。我会结合我们先前的聊天历史，在没有额外上下文的情况下为您提供相关帮助。
  请告诉我您想做什么，让我们开始吧！✨💬

• 展示：欢迎信息在聊天输出区域显示，为用户提供引导并设定期望。

2. 捕获用户输入

• 聊天输入节点：接收用户的文本（以及可选的文件）输入，代表他们想要解决的任务或问题。

3. 获取聊天历史

• 聊天历史节点：从聊天中获取最近10条消息（最多8000个token），用于后续提供上下文并保持会话连贯性。

4. 构建提示词

• 提示词模板节点：为语言模型构建动态提示词。集成：

  • 用户的最新输入。
  • 最近的聊天历史。
  • 指示AI生成基于上下文答案的固定系统信息。

  所用提示词模板为：

  You are an AI language model assistant.
  
  Your task is to generate answer for human INPUT with consideration of previous conversation in CHAT HISTORY.
  
  --- CHAT HISTORY START
  {chat_history}
  --- CHAT HISTORY END
  
  --- INPUT START
  {input}
  --- INPUT END
  
  ANSWER:
  

5. AI生成

• 生成器节点：接收构建好的提示词，并利用大型语言模型（LLM）生成文本回复，确保回复具备上下文相关性并贴合用户请求。

6. 输出显示

• 聊天输出节点：AI生成的答案展示在聊天界面中给用户查看。

工作流结构表

为什么此工作流有利于扩展与自动化

• 上下文交互：通过引入聊天历史，系统能保持对话上下文，提高回复的相关性和用户满意度。
• 用户自定义任务：该工作流不依赖具体任务，允许用户自由定义目标，灵活性极高。
• 可扩展的自动化：模块化设计适合扩展——多个用户可同时互动，每个会话都能保持独立上下文。
• 易于定制：提示词模板和各节点可轻松适配各种具体场景（如客服、信息检索、用户引导）。
• 一致的用户体验：自动问候和基于上下文的回复，确保每次用户互动都专业且高效。

示例应用场景

• 能记住过往互动的客服聊天机器人。
• 能根据正在进行的对话引导新用户的入职助手。
• 在应用中，用户可自定义查询或任务的通用AI助手。

该工作流为构建智能、具备上下文感知能力的聊天自动化系统提供了坚实基础，可灵活适配多种应用场景。