NocoBase AI 员工节点完全指南：工作流中指派 AI 员工并输出结构化结果-北京尧图网络

NocoBase AI 员工节点完全指南工作流中指派 AI 员工并输出结构化结果【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobase导读AI 员工节点是 NocoBase 工作流引擎中连接「工作流」与「AI 员工」的关键节点它允许你在自动化流程中指派某个已启用的 AI 员工执行指定任务并以 JSON Schema 定义的结构化数据把结果交还给工作流供后续节点使用。本文基于 configuration.md 并结合 plugin-ai 插件源码系统讲解该节点的每一项配置、底层执行原理与人工审批闭环帮助你快速搭建AI 干活、人工把关的生产级自动化流程。一、AI 员工节点是什么AI 员工节点用于在工作流中指派 AI 员工去完成指定任务然后输出结构化信息。它是工作流与 AI 员工之间的桥梁输入来自上游节点/触发器的上下文如操作人、表单数据、任务描述、附件文件执行选定的 AI 员工在 LLM 驱动下调用技能、工具与联网搜索完成任务输出按照节点上配置的 JSON Schema 生成结构化 JSON作为节点结果供下游节点引用。创建工作流后可以在添加工作流节点时选择「AI 员工节点」。从源码看该节点由plugin-ai插件注册服务端执行逻辑位于 packages/plugins/nocobase/plugin-ai/src/server/workflow/nodes/employee/index.ts配置表单位于 packages/plugins/nocobase/plugin-ai/src/client-v2/workflow/nodes/employee/index.tsx 及其 components 目录。二、配置前的准备工作配置 AI 员工节点之前需要先了解以下前置能力均为独立子系统建议按顺序完成前置项说明参考文档工作流节点必须挂载在已创建的工作流中先掌握工作流搭建与触发器配置工作流快速开始LLM 服务节点需要选择一个由已配置 LLM 服务提供的模型配置 LLM 服务内置 AI 员工系统预置了 Atlas、Viz、Dex、Ellis 等面向不同场景的员工内置 AI 员工新建 AI 员工可以创建自定义 AI 员工并绑定技能与工具新建 AI 员工提示内置员工列表可在 built-in/index.md 查看例如 Atlas团队领导/主 Agent、Viz洞察分析师、Dex数据整理专家、Vera研究分析师等它们分别适合作为本节点的执行主体。三、任务配置指派谁、用什么模型、以谁的身份1. 选择 AI 员工从下拉列表选择一个系统内已启用的 AI 员工内置或自定义负责处理本节点任务。节点最终通过员工用户名定位记录服务端在 handler.ts 与 index.ts 中以username查询aiEmployees集合workflow.db.getRepository(aiEmployees).findOne({ filter: { username } })。2. 选择模型选择驱动该 AI 员工的大语言模型。从下拉列表选择系统内已配置 LLM 服务提供的模型。注意该选择会覆盖 AI 员工自身的默认模型配置——服务端通过plugin.aiEmployeesManager.resolveModel(employee, model)解析出最终生效的模型见 index.ts因此你可以针对不同节点为同一员工指定不同模型实现按任务场景切换模型。3. 选择操作人选择一个系统内用户为 AI 员工提供数据访问权限AI 员工查询数据时将限制在该用户的权限范围中。这保证了 AI 数据操作不越权。关键优先级逻辑源码 index.ts如果触发器提供了操作人如Custom action event则优先使用该操作人的权限即读取input?.result?.user?.id否则回退到节点配置的操作人userId同时通过rolesUsers查询该用户角色currentRoles注入 AI 员工上下文的state.currentRoles作为数据访问与工具调用的权限依据。4. 提示词与任务描述Background作为发送给 AI 的系统提示词通常描述任务背景信息和约束条件如你是财务分析助手输出必须严谨。Default user message作为发送给 AI 的用户提示词描述任务内容告诉 AI 要做什么。从源码看这两部分会被进一步加工后注入模型index.ts系统提示词会强制拼接一段工作流专用指令workflowSystemPrompt要求 AI 以完成工作流任务为目标不得自由闲聊并在任务完成时必须调用专用工具aiEmployeeWorkflowTaskOutput返回结果用户提示词会被包装为Current workflow task description: ...前缀。这意味着即使Background留空节点也会自带一套保证任务导向的系统约束AI 无法绕过工作流而直接输出。5. 附件Attachments会连同Default user message一并发送给 AI通常是任务需要处理的文档或图片。节点支持两种附件来源类型定义见 types.ts解析实现见 files.ts类型说明实现要点File(load via Files collection)使用主键从指定文件表获取数据作为附件内部以file_id表示需指定collection文件表按主键批量查询并解析为附件消息支持文件模板集合File via URL从指定 URL 获取文件作为附件内部以file_url表示通过 HTTP 拉取并做内容类型识别resolveContentType内部文件引用永久文件引用还会校验应用名与集合归属两种类型最终都会被解析进用户消息的attachmentPart中attachments数组与文本一起送入 AI 会话。6. 技能与工具通常一个 AI 员工会绑定多个技能Skills和工具Tools节点支持在当前任务中限制只使用某几个Preset默认使用 AI 员工预设的技能和工具集合Customer只使用 AI 员工绑定的某几个技能或工具。配置结构对应skillSettings见 types.ts服务端在 index.ts 中会为未显式声明的skillsVersion/toolsVersion补默认版本号 2确保旧配置兼容最新技能/工具体系。技能与工具本身的管理可参考 skills.md 与 tools.md。7. 联网搜索Web search开关控制当前节点内 AI 是否使用联网搜索能力对应配置项webSearch: boolean。注意两点联网搜索用于补充模型训练数据之外的最新信息其可用性取决于所选模型服务是否支持 Web Search支持才显示开关不支持则自动关闭详见 web-search.md该开关是节点级覆盖只影响当前节点任务不会改动 AI 员工在其他场景如对话框的默认行为。四、反馈与通知结构化输出与审批设置1. 结构化输出JSON Schema用户可以按照 JSON Schema 规范定义 AI 员工节点最终输出的数据结构配置项为structuredOutput.schema。工作流中其他节点获取 AI 员工节点数据时也会按照这个 JSON Schema 生成变量选项保证上下游数据契约一致。默认值系统默认提供以下 JSON Schema——它定义了一个对象包含名为result、类型为字符串的属性并设置了标题Result{ type: object, properties: { result: { title: Result, type: string, description: The text message sent to the user } } }根据该定义节点输出的 JSON 结构形如{ result: Some text generated from LLM }客户端默认 Schema 定义在 StructuredOutput.tsx服务端则将其包装为专用工具aiEmployeeWorkflowTaskOutput的参数 schematools.ts并且强制additionalProperties: false——AI 只能按 schema 精确输出不允许夹带 schema 之外的自由文本或字段从机制上保证了工作流拿到的一定是合法结构化数据。2. 审批设置节点支持三种审批模式常量定义于 constants.ts模式枚举值行为No requiredno_requiredAI 输出内容不需要人工审核AI 结束输出后工作流自动继续流转Human decisionhuman_decisionAI 输出内容必须通知审核人人工审核审核通过后工作流才继续流转AI decisionai_decision由AI 自己决定是否通知审核人对输出内容进行人工审核如果审批模式不是No required则必须为节点配置一个或多个审核人assignees。通知机制当节点中的 AI 输出完所有内容后会给该节点配置的所有审核人发送通知只需被通知审核人中的一人完成审批操作工作流即可继续流转。服务端通过usersAiWorkflowTasks关联表记录审核人与任务的关系并在任务状态变化时通过 WebSocket 向审核人推送ai-employee-tasks:status消息handler.ts审核人在主页 AI 员工入口即可看到红点提示。AI decision 模式的关键细节此时专用工具aiEmployeeWorkflowTaskOutput的 schema 会额外注入一个必填的布尔字段requiresApprovaltools.ts。AI 需要根据任务是否真正完成、是否还需要人类补充信息自行判断设为true通知审核人人工审核设为false节点立即结束、工作流流转到下一节点且人类将无法再与该会话继续对话——因此源码提示词中明确警告 AI只要人类仍可能补充任何信息就不得设为false。五、源码视角节点执行与审批的完整闭环理解了各配置项后我们再从 index.ts 的执行流程看这些配置如何协同工作解析配置processor.getParsedValue(node.config)取出username、message、skillSettings、webSearch、model、requiresApproval默认no_required、userId、files等对应 types.ts 的AIEmployeeInstructionConfig。创建后台任务节点保存 PENDING 状态的 job 后processor.exit()将 AI 执行放到后台异步跑避免长时间阻塞工作流同时注册中止句柄支持工作流超时/中止时清理 AI 会话任务状态机见 constants.tsprocessing → pending_acceptance → approved/rejected/aborted。创建会话与任务通过aiConversationsManager.create创建 AI 会话标题取用户消息前 30 字并创建aiWorkflowTasks任务记录绑定 execution、node、job解析审核人列表parseAssignees支持用户 ID 数组、变量数组与过滤条件且会批量校验用户 ID 真实性。注入权限上下文以操作人为准组装state.currentRoles与auth.user构造AIEmployee实例并强制注入唯一工作流工具aiEmployeeWorkflowTaskOutput。解析附件按attachments/file_id/file_url三种来源解析为消息附件。循环调用aiEmployee.invoke()驱动模型运行若 AI 未按要求调用结果提交工具!isToolInvoke会最多重试 2 次并追加必须调用工具提交结果的强制指令若命中图递归限制GraphRecursionError则用恢复实例重新拉取最新消息继续生成index.ts。审批检查工具调用结束后进入checkApprovalindex.ts若工具参数携带requiresApproval: false视为 AI 自主判定无需审核自动批准并继续若requiresApproval ! no_required任务转入PENDING_ACCEPTANCE等待审核人操作工具侧invoke会把结果写入 jobJOB_STATUS.RESOLVEDresult args.result并恢复工作流执行tools.ts下游节点即可引用该结构化结果。异常兜底超时/中止时置任务为aborted并清理工具消息运行失败时把 job 置为 ERROR 并恢复工作流。六、审核人侧的操作流程当节点进入待审批状态后详细交互见 approval.md查看通知审核人可在主页 AI 员工入口看到红点提示进入 AI 员工会话列表可看到待审批的工作流任务。打开任务点击工作流任务打开会话窗口展示 AI 员工的历史消息AI 最后发送的卡片即待审批内容。三种操作Approve批准批准使用 AI 生成内容工作流继续流转会话变为只读不可继续对话Revise修改向 AI 提出修改意见AI 会基于意见生成新的审批卡片Reject拒绝拒绝执行工作流停止流转会话变为只读。由于只需任一审核人完成审批即可放行多审核人场景下可实现谁先处理谁把关的协作模式。七、小结与典型配置建议AI 员工节点把任务定义 → 员工指派 → 模型选择 → 权限限定 → 附件供给 → 技能裁剪 → 联网搜索 → 结构化输出 → 人工审批收敛为一个可视化配置单元配合工作流引擎的变量机制即可串联成完整的自动化业务链路。几个实践建议严格依赖结构化输出尽量为每个节点定义贴合业务语义的 JSON Schema让下游节点按字段稳定取数优先用触发器操作人凡是Custom action event等自带操作人的场景保持操作人配置留空即可继承更高优先级权限敏感流程开启审批对外发送、资金、数据删除等高风险动作建议使用Human decisionAI 自主判定请谨慎使用AI decisionAI 可自行放行按节点裁剪技能员工绑定技能较多时用Customer模式收敛工具范围减少误调用与 Token 消耗。如需进一步深入可继续阅读 approval.md审批交互细节、new-ai-employees.md自定义员工与 prompt-engineering-guide.md提示词工程并结合 plugin-ai 服务端节点实现与对应测试 ai-workflow-tasks.test.ts 验证你对执行机制的理解。【免费下载链接】nocobaseNocoBase is an open-source AI no-code platform for building business systems fast. Instead of generating everything from scratch, AI works on top of production-proven infrastructure and a WYSIWYG no-code interface, so you get both speed and reliability.项目地址: https://gitcode.com/GitHub_Trending/no/nocobase创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

NocoBase AI 员工节点完全指南：工作流中指派 AI 员工并输出结构化结果

相关推荐

如何在 asdf 插件中实现 exec-env 与 exec-path 控制工具执行环境

Iosevka 28.0.0 迁移指南：PascalCase 文件命名、camelCase 构建参数与连字组重命名全解析

端侧 Agent 上下文治理全景：从内存管理、Token 预算到安全沙箱的工程闭环

更多资讯

MaaAssistantArknights 基建换班深度解析：常规模式调度算法、跨设施组合与自定义排班协议

一个文件跑完整套后端：PocketBase 从零到上线的实战指南

Anthropic-Cybersecurity-Skills 实战指南：AWS S3 数据外泄检测的 CloudTrail、GuardDuty 与 Athena 接口全参考

Iosevka 28.1.0 版本解析：Unicode 16 提案字符、西里尔文本地化形式修复与 `zero` 特性增强

免疫算法求解配送中心选址问题的MATLAB实现与参数调优

Iosevka 编程字体完全指南：安装部署、OpenType 特性定制与源码构建实战

今日更新

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本周精选

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？