变量赋值器

⚠️ 本文档由 AI 自动翻译。如有任何不准确之处，请参考英文原版。

变量赋值器节点通过写入会话变量（在这里了解不同类型的变量）来管理对话流应用中的持久化数据。与每次执行都会重置的常规工作流变量不同，会话变量在整个聊天会话期间持续存在。

​

会话变量 vs 工作流变量

工作流变量仅在单次工作流执行期间存在，并在工作流完成时重置。

会话变量在同一聊天会话中的多个对话轮次之间持续存在，支持有状态交互和上下文记忆。

这种持久性支持上下文对话、用户个性化、有状态工作流，以及跨多个用户交互的进度跟踪。

​

配置

配置要更新的会话变量并指定其源数据。你可以在单个节点中分配多个变量。

变量 - 选择要写入的会话变量

设置变量 - 从上游工作流节点中选择源数据

操作模式 - 确定如何更新变量（覆写、追加、清除等）

​

操作模式

不同变量类型根据其数据结构支持不同的操作：

字符串变量

覆写 - 用新内容替换整个字符串值

清除 - 清空变量，将其设置为null或空白

设置 - 手动输入固定值

数字变量

覆写 - 完全替换数字值

清除 - 设置为null或空状态

设置 - 手动输入特定数字值

算术运算 - 对当前值进行加、减、乘、除操作

对象变量

覆写 - 用新数据替换整个对象

清除 - 清空对象，移除所有属性

设置 - 手动定义对象结构和值

数组变量

覆写 - 用新数据替换整个数组

清除 - 清空数组，移除所有元素

追加 - 在数组末尾添加一个项目

扩展 - 从另一个数组添加多个项目

移除 - 从第一个或最后一个位置删除项目

数组操作在构建记忆系统、清单和随时间增长的对话历史记录方面特别强大。

​

常见实现模式

​

智能记忆系统

构建能够自动检测和存储对话中重要信息的聊天机器人：

系统分析用户输入中的可记忆事实，提取结构化信息，并将其追加到持久化记忆数组中，以便在未来的对话中参考。

​

用户偏好存储

存储用户偏好，如语言设置、通知偏好或显示选项：

从用户输入中捕获初始偏好，然后在所有后续大型语言模型响应中引用它们，实现个性化交互。

​

渐进式清单

构建跨多个对话轮次跟踪完成状态的引导式工作流：

使用数组会话变量跟踪已完成的项目。变量赋值器在每轮更新清单，而大型语言模型引用它来指导用户完成剩余任务。

​

最佳实践

选择适当的数据类型 - 对于不断增长的集合使用数组，对于结构化数据使用对象，对于单个值使用简单类型。

使用描述性变量名 - 清晰地命名会话变量以表明其用途和内容。

处理数据增长 - 监控数组和对象大小，防止在长对话中过度使用内存。

初始化变量 - 为会话变量设置初始值以防止未定义行为。

适当时清除 - 在开始新流程或会话时使用清除操作来重置变量。