低代码+大模型组合拳：JeecgBoot 分类器节点让流程编排更聪明

JeecgBoot 平台的 AIGC 功能模块，是一套类似 Dify 的 AIGC应用开发平台 + 知识库问答 子系统，是一款基于 LLM 大语言模型 AI 应用平台和 RAG 的知识库问答系统。 其直观的界面结合了 AI 流程编排、RAG 管道、知识库管理、模型管理、对接向量库、实时运行可观察等，让您可以快速从原型到生产，拥有 AI 服务能力。

分类器节点介绍

分类器节点可以让 AI 模型根据输入的内容，自动判断其类型或意图，并将内容流转到对应的工作流分支中。这使得智能系统能够实现更高效、更智能的流程自动化。

一、应用场景

分类器节点是 AI 模型最典型、最核心的能力之一。它不仅能理解用户使用自然语言表达的意图，还可以对其他节点输出的文本内容进行语义分析与分类。

例如，当用户输入「我想看一部文艺片」时，分类器节点可以识别出用户的意图为"电影推荐"，并将其自动引导至电影推荐的工作流分支中。

分类器节点具有极其广泛的应用价值，以下是常见的几个典型场景：

• 意图识别与流程分流： 判断用户输入的意图，并引导其进入相应的处理流程。
• 文本内容自动归类： 对新闻、评论、邮件等文本信息进行主题分类。
• 多语言指令识别与处理： 能够理解多种语言表达的指令，并正确归类与执行。

二、添加分类器节点

点击前一节点的图标，选中分类器节点，添加即可

三、节点配置详解

选中添加的分类器节点，即可详细配置此节点

1. 输入变量

输入变量用于定义传递给分类器节点的参数来源。分类器将基于该输入变量的内容进行语义分析，并判断其类型或意图。

在节点的右侧配置面板中，可以通过下拉框选择变量的来源。变量必须来自当前节点之前的节点（通过连线连接），不能引用后续或并行节点的数据。

2. 模型选择与配置

分类器节点支持灵活选择并配置使用的模型，输出效果与模型的选择密切相关。所有模型均可在 AI 模型配置 模块中统一管理。

点击右侧图标可进入模型参数设置界面，可通过调整各项参数，以实现更加精准的控制目标：

以下是各项模型参数的详细说明：

• 温度（Temperature）： 控制生成内容的随机性。
• 数值越高，输出越有创意，但也越不可预测。
• 设置为 0 时，模型将更加确定性地输出内容，适用于需要高准确率的任务。
• 推荐值：0.5 ~ 0.8，适用于日常对话与内容生成。
• 词汇属性（Lexical Diversity）： 控制语言表达的复杂程度与多样性。
• 数值较低生成内容更加简洁直白；
• 数值较高则适合用于创意写作与风格表达。
• 话题属性（Topicality）： 决定模型是否容易引入新的话题。
• 增加该值可提升对话内容的拓展性；
• 一般建议保留默认值或根据需求微调。
• 重复属性（Repetition Penalty）： 控制重复内容的比例。
• 值越高，模型越倾向于避免内容重复；
• 可在默认设置下使用，适配大多数场景。
• 最大回复长度（Max Tokens）： 设置模型输出内容的最大字数限制。
• 普通问答建议设置为：500 ~ 800
• 短文内容生成建议：800 ~ 2000
• 编程代码输出建议：2000 ~ 3600
• 长文创作建议设置为 4000 或使用支持长文本生成的模型

模型预设模式

• 精确模式： 内容更加符合指令，适用于对格式与语义要求较高的任务；
• 平衡模式： 在创造力与准确性之间取得平衡，适合大多数业务需求；
• 创意模式： 输出更具表现力与发散性，适合创意构思与内容创作。

3. 分类配置

使用自然语言对每个分类进行描述，LLM 模型会基于输入内容进行语义分析，从而判断应归属于哪一类。分类器节点会根据模型输出的分类结果，将流程流转至相应的分支。

默认情况下，分类器节点至少包含一个自定义分类与一个「ELSE」分类。若所有条件均不满足，则自动走向「ELSE」分支。

完成分类描述后，需要将每一个分类与工作流中的其他节点相连接，才能实现基于分类结果的自动分流。

4. 输出变量

分类器节点将输出以下两个变量供后续节点使用：

• 分类索引（index）： 表示所选分类的序号，索引从 0 开始，依次类推；
• 分类描述（content）： 表示最终匹配的分类描述内容，也就是对应的意图或分类标签。