StudySolo Wiki

创建工作流

深入了解 StudySolo 工作流系统,掌握节点编辑与 AI 生成技巧

最后更新:2026-04-16

创建工作流

本文档详细介绍 StudySolo 工作流系统的核心概念与操作方法。

如果你的任务只需要一句答案,普通对话就够了。如果任务需要多轮处理、多个中间结果或可重复执行,就应该使用工作流。

任务类型推荐方式
“解释一下什么是梯度下降”AI 对话
“帮我制定 6 周机器学习入门计划”工作流
“把这篇论文变成阅读笔记、术语表和复盘题”工作流
“根据我的错题生成复习安排”工作流

什么是工作流

工作流是由多个 AI 节点组成的学习路径,每个节点负责一个具体的学习任务。节点之间通过连线形成完整的学习规划流程。

工作流生命周期

输入目标 → AI 分析 → 知识拆解 → 路径规划 → 资源推荐 → 输出计划

更完整的生命周期通常是:

定义目标 → 拆解任务 → 配置节点 → 连接流程 → 运行检查 → 迭代优化

每个阶段都有不同关注点:

  • 定义目标:明确学习主题、时间、基础和输出要求
  • 拆解任务:把大目标拆成可执行步骤
  • 配置节点:为每一步设置输入、提示词和输出格式
  • 连接流程:让数据按正确顺序流动
  • 运行检查:查看节点状态和中间结果
  • 迭代优化:根据结果调整节点或连接

设计一个好目标

工作流质量首先取决于目标描述。一个好目标应该包含:

  • 学习对象:要学什么
  • 当前基础:已经会什么,不会什么
  • 时间约束:多久完成,每天能投入多久
  • 结果形式:要计划、笔记、题目、项目,还是复盘清单
  • 评价标准:怎样算完成,怎样算学会

示例:

我想在 6 周内学习机器学习基础。
我会 Python 和基础线性代数,但没有系统学过模型评估。
请生成一个每周学习计划,每周包含核心概念、代码练习、复盘问题和一个小项目。
最终输出用表格展示,并标注每周的验收标准。

节点类型详解

基础节点

类型说明用途
用户输入接收用户的学习目标工作流起点
AI 分析分析知识点结构理解学习需求
AI 规划生成学习路径制定学习计划
资源推荐推荐学习资料提供学习资源
总结归纳输出学习摘要整理学习要点

高级节点

  • 条件分支:根据用户水平调整路径
  • 循环节点:支持重复练习场景
  • 评估节点:检测学习效果

推荐工作流模板

学习计划模板

适合课程、技能、证书和长期目标:

目标输入 → 背景分析 → 知识拆解 → 阶段规划 → 资源推荐 → 练习设计 → 输出计划

论文阅读模板

适合阅读学术论文、技术报告或长文档:

材料输入 → 结构摘要 → 关键概念提取 → 方法分析 → 贡献与局限 → 复盘问题 → 阅读笔记

考试复习模板

适合期末、考研、证书或面试准备:

考试目标 → 考点拆解 → 薄弱点评估 → 复习计划 → 题目生成 → 错题复盘 → 冲刺清单

创建方式

方式一:AI 自动生成(推荐)

  1. 点击「新建工作流」
  2. 输入学习目标描述
  3. 点击「生成工作流」
  4. AI 自动构建完整节点图

生成后不要急着运行,先检查这几项:

  • 是否有明确的输入和输出
  • 中间节点是否按合理顺序排列
  • 是否有节点承担了过多任务
  • 是否缺少评估、复盘或总结环节
  • 资源推荐是否符合语言、难度和数量要求

如果结构大体合理,只需要局部修改。常见调整指令包括:

把“生成学习计划”节点拆成“周计划”和“每日任务”两个节点。
在最终输出前增加一个评估节点,检查计划是否过密、是否缺少复盘。

方式二:手动搭建

  1. 从节点库拖拽所需节点
  2. 配置每个节点的参数
  3. 连接节点形成流程
  4. 保存并运行测试

手动搭建时建议先放输入节点和输出节点,再补中间的分析、生成和评估节点。这样能确保流程始终围绕最终结果展开。

工作流编辑技巧

画布操作

  • 拖拽:移动节点位置
  • 连线:点击节点边缘,拖拽到目标节点
  • 缩放:鼠标滚轮或双指捏合
  • 删除:选中节点按 Delete 键

节点配置

每个节点支持以下配置:

  • 输入参数:定义节点接收的数据
  • 输出格式:设置节点返回的结构
  • AI 模型:选择执行任务的模型
  • 超时设置:控制节点执行时间

节点设计原则

单一职责

一个节点只做一类任务。例如“分析基础”和“生成学习计划”最好分开,不要放在同一个节点里。

输入明确

节点需要知道自己处理什么材料。可以把前置节点输出、用户目标和格式要求写清楚。

输出可检查

输出最好有结构,例如表格、清单、分段标题或 JSON。结构化输出更容易被后续节点继续使用。

关键处加评估

在重要输出后增加评估节点,可以提前发现问题。例如学习计划生成后,检查是否过密、是否缺少实践、是否与时间约束冲突。

运行与调试

运行工作流

点击「运行」按钮,系统将:

  1. 按拓扑顺序执行节点
  2. 显示每个节点的执行状态
  3. 输出最终结果

调试技巧

  • 查看节点输出日志
  • 使用「单步执行」模式
  • 检查节点间数据传递

常见问题和处理方式:

现象可能原因处理方式
最终结果很泛前置目标不够具体补充基础、时间和输出要求
计划不可执行缺少评估节点增加可行性检查
输出格式混乱节点提示词太自由明确表格、清单或模板
某个节点耗时过长任务太大拆成多个小节点
后续节点理解错前置输出不稳定限定前置节点输出结构

最佳实践

  • 从简单开始:先用 AI 生成基础框架,再手动优化
  • 模块化设计:将复杂流程拆分为子工作流
  • 测试覆盖:运行前检查所有节点配置
  • 文档注释:为复杂节点添加说明

一个成熟工作流不是一次生成出来的,而是在真实使用中逐步调出来的。先让它可运行,再让它更准确,最后再追求复用和自动化。