整体链路：开始节点→大模型提取结构化字段→文本处理拼接固定纪要格式→结束输出，下面逐节点详细操作、提示词配置、变量绑定、校验试运行全流程。
一、整体工作流逻辑总览
4个节点依次串联：
1. 开始：接收用户原始会议文字输入
2. 大模型节点：AI拆分出「时间/参会人/议题/决议/待办」5个独立字段
3. 文本处理：将5个字段拼接成固定排版的会议纪要文本
4. 结束：对外输出最终格式化纪要
二、节点1：【开始】节点搭建（入口输入）
1. 画布左侧拖拽开始节点到画布最左侧
2. 点开节点配置：- 添加输入变量：变量名 input ，类型字符串String
– 作用：接收用户输入的口语化会议文字（例：明天下午三点开个会，所有人都要来，二楼会议室，记得带电脑）
3. 节点输出： str input ，箭头连线指向第二个「大模型」节点输入。
三、节点2：【大模型】节点配置（核心AI字段提取）
拖拽大模型节点放在开始节点右侧，连线绑定开始的 input 作为输入，按以下逐项设置：
1. 模型基础设置
模型选择：豆包1.8·深度思考（和截图保持一致），技能保持未配置。
2. 系统提示词
plaintext
你是一名会议纪要的记录者，通过提取、总结会议记录中的：
1.会议时间
2.参会人员（提及的所有人，未提及则填写“未明确”）
3.会议议题（提取会议主线内容不超过20字）
4.核心结论（需要分点列出，明确“做什么”，无结论填“未明确”）
5.待办事项（包含“任务+负责人+截止时间”，原文未提及则标注“未明确”）
严格输出JSON格式，字段固定为：time、conferee、topic、resolution、agenda，不要多余解释、不要自然语言回答。
3. 用户提示词（绑定输入变量）
plaintext
根据输入{{input}}信息提取内容，只输出JSON：
{
“time”:”会议时间”,
“conferee”:”参会人”,
“topic”:”讨论议题”,
“resolution”:”决议结果”,
“agenda”:”待办事项”
}
4. 输出变量设置（关键，拆分5个独立字符串）
在节点下方「输出」区域，关闭JSON总输出之外，新建5个字符串变量：
– time ：字符串，对应JSON里的会议时间
– conferee ：字符串，对应参会人员
– topic ：字符串，对应会议主题
– resolution ：字符串，对应决议结果
– agenda ：字符串，对应待办事项
保留总输出 output （字符串），可开启reasoning_content推理内容用于调试。
5. 连线输出
将这5个变量分别引出，连接到下一个【文本处理】节点的5个String输入位。
四、节点3：【文本处理】节点（字符串拼接成固定纪要格式）
拖拽文本处理节点放在大模型右侧，应用模式选择：字符串拼接
1. 绑定5个输入变量
依次添加5条字符串输入，一一对应大模型输出字段：
– String1 = 大模型.time
– String2 = 大模型.conferee
– String3 = 大模型.topic
– String4 = 大模型.resolution
– String5 = 大模型.agenda
2. 拼接模板直接复制（固定排版）
plaintext
【会议纪要】
会议时间：{{String1}}
参会人员：{{String2}}
会议主题：{{String3}}
决议结果：{{String4}}
待办事项：{{String5}}
3. 输出设置
输出变量： output ，类型字符串，连线指向最后「结束节点」。
五、节点4：【结束】节点（最终结果输出）
拖拽结束节点到最右侧，接入文本处理的output变量；
输出类型为返回变量，最终对外展示拼接完成的完整会议纪要文本。
六、整体连线校验（顺序不能乱）
开始(input) → 大模型(input) → 文本处理(String1~String5) → 结束(output)
箭头严格从左到右单向串联，无交叉回路。
七、试运行测试步骤（验证工作流可用）
1. 点击顶部【试运行】，关闭JSON模式；
2. 在input输入框粘贴测试文案： 明天下午三点开个会，所有人都要来，二楼会议室，记得带电脑 ；
3. 点击运行，等待执行完成（约10s左右）；
4. 核对运行结果，标准输出如下：
plaintext
【会议纪要】
会议时间：明天下午三点
参会人员：所有人
会议主题：二楼会议室召开线下会议
决议结果：未明确
待办事项：任务：到二楼会议室参加会议并携带电脑；负责人：所有人；截止时间：明天下午三点
