需将任务分解为数据接入、模型调用、逻辑编排与结果输出四环节：一、配置mysql/api/csv数据源并绑定节点；二、集成openai/ollama等llm服务，设置提示词与字段映射；三、用条件判断分支分发至jira/figma/prometheus操作节点；四、通过企微、邮件多通道推送含变量的动态通知；五、启用全链路日志、超时告警与失败快照监控。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您希望利用龙虾机器人构建一套AI驱动的自动化工作流，则需要将任务分解为数据接入、模型调用、逻辑编排与结果输出四个核心环节。以下是实现该工作流的具体步骤：
一、配置数据源接入模块
该模块负责从外部系统（如数据库、API接口或文件上传）获取原始数据，并统一转换为龙虾机器人可识别的结构化输入格式，确保后续AI处理具备稳定的数据基础。
1、在龙虾机器人控制台中进入“数据源管理”页面。
2、点击“新增数据源”，选择对应类型：MySQL、HTTP API 或 CSV 文件上传。
3、填写连接参数：对于MySQL需输入主机地址、端口、数据库名、用户名及密码；对于HTTP API需填写请求URL、方法类型（GET/POST）及必要Header字段。
4、点击“测试连接”，确认返回状态码为200且示例数据正常解析。
5、保存后，在流程画布中拖入“数据源节点”，并绑定已配置的数据源实例。
二、集成大语言模型推理节点
该节点用于调用本地部署或云服务提供的大语言模型，对输入文本执行摘要、分类、生成等AI任务，其输出将作为下游逻辑判断或内容生成的依据。
1、进入“模型中心”，点击“添加模型服务”。支持方式包括：OpenAI兼容API、Ollama本地模型、或自定义FastAPI封装服务。
2、若使用Ollama，输入模型名称（如qwen2:7b），并确认Ollama服务运行于http://localhost:11434。
3、在流程画布中拖入“LLM调用节点”，双击编辑，选择已注册的模型服务。
4、在提示词模板框中输入结构化指令，例如：“请将以下用户反馈归类为【功能缺陷】【界面问题】【性能异常】三类之一，仅输出类别名称，不加解释。”
5、将上游数据源节点的输出字段映射至LLM节点的“输入文本”参数。
三、搭建条件分支与规则引擎
该模块依据AI输出结果或预设阈值，动态触发不同路径的操作，实现非线性业务逻辑的自动分发与响应。
1、在流程画布中拖入“条件判断节点”，设置判断依据字段为LLM节点的输出结果。
2、添加分支条件：第一分支设置为“等于‘功能缺陷’”，第二分支为“等于‘界面问题’”，第三分支为“等于‘性能异常’”。
3、为每个分支连接对应操作节点：功能缺陷分支后接“Jira工单创建节点”，界面问题分支后接“Figma截图标注节点”，性能异常分支后接“Prometheus指标查询节点”。
4、在Jira节点中填写项目Key、问题类型、优先级，并将LLM提取的关键信息自动填充至描述字段。
5、启用“失败重试”开关，设置最大重试次数为3次，避免因网络抖动导致流程中断。
四、配置多通道结果推送机制
该机制将最终处理结果同步至多个终端渠道，确保相关人员及时获知AI决策结论与执行状态，提升闭环效率。
1、在流程末尾拖入“通知节点”，展开通道配置面板。
2、勾选“企业微信”选项，粘贴Webhook URL，并选择消息模板为“Markdown格式”。
3、勾选“邮件通知”，输入SMTP服务器地址（如smtp.exmail.qq.com）、端口（465）、发件人邮箱及授权码。
4、在邮件正文区域插入变量：{{workflow_id}}、{{llm_output}}、{{execution_time}}，实现动态内容填充。
5、点击“发送测试消息”，验证企业微信与邮箱均能成功接收含变量值的样例通知。
五、启用实时日志与异常捕获面板
该面板持续采集各节点执行耗时、输入输出快照及错误堆栈，为流程稳定性监控与故障定位提供原始依据。
1、在流程设置页开启“全链路日志记录”，日志保留周期设为7天。
2、进入“异常告警”子页，添加规则：当“LLM调用节点”响应时间超过8秒时，触发企业微信@负责人告警。
3、为“Jira工单创建节点”启用“失败快照”，自动保存失败时刻的请求体、响应体与HTTP状态码。
4、在控制台首页添加“实时执行看板”组件，拖拽展示“今日成功数”“平均延迟”“错误率TOP3节点”三个指标卡片。
5、点击任意卡片中的节点名称，跳转至该节点最近10次执行的完整日志详情页。
