应用介绍

AI大模型连接器聚合了包括腾讯混元、DeepSeek、ChatGLM、MiniMax多种大模型，支持智能问答，设置提问内容、系统设定词、对话记忆（基于ChatHistory）等多种能力。
腾讯轻联支持几百种连接器，可以按需编排“AI大模型+”场景。例如：

• 数据库查询场景：基于用户输入的查询需求，AI大模型将其自动转化为SQL查询语句，将查询结果总结为报告并通过邮件发给相关人员。（该场景用到的连接器：AI大模型+数据库Database连+QQ邮箱）

• 快递查询场景：基于用户输入的查询需求，AI大模型自动将需求进行细分（查快递单号状态，查运费等等），将查询结果返回给用户。（该场景用到的连接器：AI大模型+快递100）
  实际使用时，可以通过轻联支持的“条件判断”等多种逻辑组件实现复杂场景智能编排（轻联也具有完备的预览能力、调试能力、版本管理、子流引用，以及定时启动/webhook+多种应用作为流程触发）。
  
  
  

应用场景介绍

通过AI大模型连接器，可以针对触发器传来的提问内容进行识别、加工、回答等。

应用支持的触发条件和执行操作

触发条件

无

执行操作

智能对话

添加账户（授权配置）

使用该连接器时，根据所选的大模型（腾讯混元、DeepSeek、ChatGLM、MiniMax），需要配置对应的授权。

执行操作配置说明

1、提问内容
支持按文本/表达式/代码模式填写。可以直接填入固定的内容，也可以点选之前的节点的输出变量（比如可以点选触发节点Webhook的输出变量-即用户调用工作流时传入的具体问题内容）
2、系统设定词
支持按文本/表达式/代码模式填写。填写针对模型角色的设定，比如输入：
角色：你是一个诗人
技能：请根据提问内容为主题进行做诗
3、对话记忆
默认关闭。如果开启对话记忆-基于chatHistory，则需要在调用工作流时传入“数组”类型的chatHistory历史聊天记录参数（json）
4、记忆上下文轮数
即传入的chatHistory参数最多包含多少轮对话内容
5、chatHistory
支持按文本/表达式/代码模式填写。即实际传入的历史聊天记录参数（json）。
注意：该项配置时务必设置为“数组list”类型，并且按照“表达式/代码”模式进行内容配置（例如选择上游节点变量作为历史聊天记录参数）

应用相关案例和模板

（1）场景：基于用户问题识别意图（查询某国GDP/查天气/其他）总结查询结果并发送邮件
（2）效果：第一次提问完整内容“帮我查数据库 查俄罗斯和日本最近20年GDP，然后发邮件给harry”，第二次可直接提问“美国的呢”即可查到美国近20年GDP并发邮件。也可以查询天气或其他。
（3）工作流配置和调用：a.例如工作流为webhook触发; b.后续通过AI大模型连接器的“提问内容”配置项来读取webhook传进来的提问内容question，通过AI大模型连接器“chatHistory”配置项来获取传入的历史聊天记录chatHistory; c.该例子可以识别三类意图（查询某国GDP/查天气/其他），对应工作流的三个分支。


在通过Postman等工具调用上述工作流时，需传入body参数。下图为第二次提问，chatHistory参数格式如下（如果是首次提问或无需传入chatHistory，则直接传入提问内容question即可）：

{
  "question":"美国的呢",
  "chatHistory":[
        {"role": "user", "content": "帮我查数据库 查俄罗斯和日本最近20年GDP，然后发邮件给harry"},
        {
            "role": "assistant",
            "content": "查数据库,查俄罗斯和日本最近20年GDP,发邮件,harry"
        },
        {"role": "user", "content": "第二轮用户提问内容"},
        {
            "role": "assistant",
            "content": "第二轮大模型回答内容"
        }
    ]
}

结果如下，可以看到，第二次提问时question只传入了“美国的呢”（无需传入完整问题），并附带第一次提问的chatHistory参数，AI大模型就可以自动结合上下文进行处理：

下图为AI大模型对查询结果总结之后自动发送邮件（轻联支持几百种连接器，覆盖腾讯/企微系、常用办公软件、数据库、逻辑组件等等，可按需编排）

同理，该工作流可以支持查天气或其他意图，此处不再赘述。