1. 项目背景与核心需求
作为一名长期从事智能体开发的工程师,最近在鸿蒙生态中实现了一个专门用于年俗文化解读的智能工作流。这个项目的核心目标是解决传统文化内容输出时的结构化问题——当我们向用户介绍春节习俗时,往往需要呈现多维度信息,但这些内容如果以纯文本形式输出,不仅机器难以处理,用户获取特定信息也不够高效。
传统方式下,一个关于"贴春联"的年俗介绍可能会混杂在一起,用户需要阅读整段文字才能找到自己关心的部分。而我们的智能体需要实现:
- 将年俗内容拆分为6个标准字段:名称、起源、文化寓意、传统做法、当代变化和相关故事
- 每个字段内容独立生成且保持语义连贯
- 输出格式严格遵循JSON结构,便于后续处理和展示
- 避免冗余文本,确保每个字段内容精炼准确
这种结构化输出特别适合在鸿蒙生态中作为服务卡片使用,不同字段可以分别展示在不同UI区域,或者根据用户需求选择性呈现。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 工作流架构设计
2.1 技术选型考量
在鸿蒙智能体平台上,我们评估了多种实现方案:
-
多节点串联方案:为每个字段设置独立的大模型调用节点
- 优点:各字段生成完全独立
- 缺点:6次API调用成本高,上下文不连贯,响应延迟明显
-
单节点多提示方案:在一个节点内使用复杂Prompt控制输出
- 优点:一次调用完成所有字段生成
- 缺点:Prompt设计复杂度高,字段间可能相互影响
-
混合方案:核心字段用单节点,附加字段独立生成
- 折中方案但增加了系统复杂度
最终选择了单大模型节点结构,主要基于以下考虑:
- 年俗各字段间存在强关联性(如传统做法与当代变化需要对比)
- 鸿蒙平台对大模型调用有频率限制
- 维护简单,一个节点完成全部功能
2.2 工作流配置细节
在DevEco Studio中创建工作流时,有几个关键配置点需要注意:
bash复制工作流 → 新建工作流 → 输入基础信息
命名规范采用蛇形命名法:
- 全小写字母
- 单词间用下划线连接
- 必须以字母开头
- 避免使用鸿蒙保留关键字
我们使用的命名是workflow_custom_culture,描述字段简明扼要地说明了工作流功能:"根据用户输入解读春节年俗文化并结构化输出"。
