企业官网建设流程全解析

整张图分为三部分：左侧平台全部节点组件面板、中间标准业务执行流程拓扑、底部五大底层数据存储支撑层，完整还原 Coze 低代码 AI 工作流的运行架构。

一、左侧：平台全功能节点总览（对应前文组件）

分为 5 大组件分类，是流程图中所有逻辑单元的可视化载体：

1. 顶层通用
   • 大模型：LLM 推理核心
   • 插件：第三方 API / 多媒体生成工具
   • 工作流：子流程复用封装
2. 业务逻辑（流程控制）
   • 代码：自定义 Python 脚本
   • IF 选择器：条件分支 IF/Else
   • 意图识别：自然语言 Switch 分类
   • 循环：串行单线程遍历
   • 批处理：并行并发批量处理
   • 变量聚合：多数据源合并输出
   • 异步任务：后台非阻塞线程
3. 输入 & 输出
   • 输入：流程入口参数
   • 输出：流程统一返回出口
4. 数据库（结构化存储）
   • SQL 自定义、新增 / 更新 / 删除 / 查询数据，操作关系型数据库
5. 知识库 & 数据（向量存储 RAG）
   • 知识库写入：向量入库
   • 知识库检索：相似度召回参考文本

二、中间：标准业务执行主流程拓扑

完整执行链路

开始 → 输入 → 双分支分流（传统逻辑分支 / 自然语言意图分支） → 并行处理单元 → 变量聚合 → 输出 → 结束

1. 分流层：两大业务分支

分支 1：传统逻辑选择器 IF/Else

面向固定规则、结构化数据判断，硬编码条件分支： 下游支持 3 种执行单元：

• 自定义模块（代码节点）：复杂运算、自定义接口请求
• 传统串行循环（循环节点）：单条依次处理，适合有序强依赖数据
• 新型并行并发（批处理节点）：多任务同时执行，提升大批量数据处理效率

分支 2：自然语言意图分类 Switch

面向用户自然对话，由意图识别节点完成文本分类，自动路由到对应业务逻辑： 下游同样配套 3 种执行单元，和传统分支能力完全对齐，适配 AI 客服、问答类场景。

2. 统一汇总层：变量聚合

两大分支所有执行单元输出的多组数据，统一汇入「变量聚合」节点，实现多输入单输出，把分散结果封装为统一结构化变量，统一传递给输出节点。

3. 全局异步底座：异步线程 / 异步任务

横跨全流程的底层能力，对应面板「异步任务」节点：

• 作用：将视频生成、大批量入库、长文本处理等耗时任务丢至后台线程执行；
• 优势：主流程可提前返回结果给用户，无需长时间阻塞等待。

三、底部：五大底层数据持久化支撑（全流程数据底座）

所有流程节点均可读写以下 5 类存储资源，构成完整数据闭环：

1. RAG 知识库向量数据库，对应知识库检索 / 写入节点；用于私有文档检索，降低大模型幻觉、削减 Token 消耗。
2. 关系数据库结构化数据表，对应 5 个数据库 CRUD 节点；存储对话记录、业务表单、生成资源链接等结构化数据。
3. 共享全局变量全流程生命周期内可全局读写的公共变量，跨分支、跨节点共享数据，替代重复传参。
4. 上行文（会话记忆）会话级短期记忆单元，自动摘要历史对话，维持多轮上下文连贯，避免历史消息无限膨胀浪费 Token。
5. 文件系统存储插件生成的视频、图片、文档、附件等二进制资源，返回可访问 URL 供输出节点调用。

四、架构设计核心优势总结

1. 双分支分流架构兼顾「固定规则业务」与「自然语言 AI 对话业务」，一套引擎同时支撑自动化工具与智能问答两类场景。
2. 串行 / 并行双处理模式循环（串行）保障数据顺序依赖；批处理（并发）提升批量任务吞吐量，适配不同数据量级需求。
3. 同步 + 异步双执行模式短耗时逻辑同步执行快速响应；长耗时任务异步后台执行，优化用户等待体验。
4. 多层数据存储分层解耦向量库（文档知识）+ 关系库（结构化业务）+ 记忆（会话上下文）+ 全局变量（流程参数）+ 文件系统（多媒体资源）分层存储，数据职责清晰。
5. 低代码封装完整链路所有底层逻辑（分支、循环、存储、异步、RAG）全部封装为可视化节点，无需底层开发，拖拽即可搭建完整 AI 自动化流程。

五、典型落地场景示例

用户咨询产品问题完整流程：

1. 输入接收用户提问；
2. 意图识别分支分流至产品咨询逻辑；
3. 并行执行「知识库检索」+「数据库查询历史订单」；
4. 检索结果与订单数据汇入变量聚合；
5. 大模型结合上行文记忆 + 知识库事实生成回答；
6. 异步任务后台存储本次对话至关系数据库；
7. 输出节点返回回答给用户。