AWEL Flow
使用 AWEL Flow 编辑器以可视化方式构建 AI 工作流。它提供拖拽式界面，无需编写代码即可组合 LLM 流水线。
什么是 AWEL Flow？
AWEL Flow 是 AWEL（Agentic Workflow Expression Language） 的可视化编辑器。你可以通过它：
- 将算子拖放到画布上
- 将它们连接成 DAG（有向无环图）
- 配置每个算子的参数
- 测试并部署工作流
代码方式与可视化方式
AWEL 工作流既可以通过 Python 代码编写，也可以在 Flow 编辑器中可视化搭建。Flow 编辑器生成的是相同的底层 DAG 结构。
快速开始
第一步：打开 Flow 编辑器
- 在侧边栏进入 Flow
- 点击 Create 新建工作流
第二步：添加算子
左侧面板会按类别显示可用算子：
| 类别 | 示例 |
|---|---|
| Trigger | HTTP Trigger、Schedule Trigger |
| LLM | LLM Operator、Streaming LLM |
| RAG | Knowledge Retriever、Reranker |
| Agent | Agent Operator、Planning |
| Data | Database Query、File Reader |
| Transform | Text Splitter、JSON Parser |
| Output | Response、Stream Response |
将算子从面板拖到画布上即可。
第三步：连接算子
从一个算子的输出端口点击并拖动到另一个算子的输入端口，即可创建连接。数据会沿着这些连接流动。
第四步：配置算子
点击任意算子即可打开配置面板。你可以设置如下参数：
- 模型名称
- Prompt 模板
- 数据库连接
- Chunk 大小
- 自定义逻辑
第五步：测试并保存
- 点击 Run，使用示例输入测试工作流
- 查看每个阶段的输出结果
- 点击 Save 保存工作流
示例：简单的 RAG 工作流
一个基础 RAG 工作流通常会连接以下算子：
- HTTP Trigger：接收用户问题
- Knowledge Retriever：在知识库中检索相关内容块
- Prompt Builder：将问题与检索到的上下文组合起来
- LLM Operator：生成答案
- Stream Response：返回流式响应
在应用中使用 Flow
创建好的工作流可以作为应用的后端执行引擎：
- 在 Flow 编辑器中保存工作流
- 进入 Apps → Create
- 选择已保存的 Flow 作为应用的执行引擎
- 应用会继承该 Flow 的输入和输出定义
管理 Flow
| 操作 | 说明 |
|---|---|
| Edit | 打开某个 Flow 并修改算子或连接 |
| Duplicate | 复制一个现有 Flow |
| Export | 将 Flow 定义下载为 JSON |
| Import | 上传 Flow 定义 JSON 文件 |
| Delete | 从列表中删除 Flow |
安装社区算子
来自 dbgpts repository 的社区算子在安装后会自动出现在 Flow 编辑器中：
dbgpts install <operator-package>
下一步
| 主题 | 链接 |
|---|---|
| AWEL 概念 | AWEL |
| AWEL Python 教程 | AWEL Tutorial |
| AWEL Cookbook | AWEL Cookbook |
| 社区算子 | dbgpts |