04 Chatflow 对话流

学习目标

你将理解 Chatflow 为什么适合多轮对话，以及如何把聊天拆成稳定流程。

Chatflow 的核心特点

Chatflow 是每轮对话都会触发的流程。它比简单 Chatbot 更适合复杂对话，因为你可以控制：

• 输入变量。
• 对话记忆。
• 知识库检索。
• 条件分支。
• 工具调用。
• 最终输出。

什么时候用 Chatflow

用 Chatflow 的典型信号：

• 用户可能连续追问。
• 用户的问题一开始不完整。
• 需要根据上下文继续回答。
• 需要先判断意图，再决定查不查知识库。
• 需要在对话中收集多个信息。

基础结构

一个常见 Chatflow 可以这样设计：

1. Start：接收用户问题。
2. LLM：判断用户意图。
3. IF/ELSE：分支到不同处理路径。
4. Knowledge Retrieval：查询知识库。
5. LLM：基于资料生成回答。
6. Answer：输出给用户。

意图判断

意图判断节点不要做太多事情。它只负责分类。

示例输出：

{
  "intent": "pricing_question",
  "need_knowledge": true,
  "need_clarification": false
}

让下游节点依赖结构化字段，而不是依赖一段自然语言。

澄清问题

当用户问题太模糊时，Chatflow 应该先追问，而不是硬答。

用户：

这个多少钱？

更好的回答：

你想了解哪个产品或套餐的价格？请提供产品名称，我再帮你查询。

常见错误

• 在一个 LLM 节点里完成所有事情。
• 不做意图判断，所有问题都查知识库。
• 用户问题不清楚时仍然强行回答。
• 输出格式每次都变，下游无法处理。

本章练习

设计一个“课程顾问 Chatflow”：

• 用户咨询课程。
• 系统判断是价格、内容、时间、报名还是售后。
• 信息不足时追问。
• 有明确资料时回答。
• 无资料时提示人工确认。