5 分钟快速开始

本教程的目标是建立最小可运行闭环：输入一段客户反馈，让 Agent 返回分类、优先级和建议，并在运行面板验证它实际做了什么。

完成后你会得到什么

Start（feedback） → Agent（分类） → End

最终状态包含 category、priority 和 recommendation 三个字段。后续教程会以它为基础，加入 Python App、条件分支和人工审核。

准备

已启动的 Workrun 桌面端；
一个可用的模型 Provider 密钥，例如 OpenAI、Gemini、Anthropic、DeepSeek、Groq、Ollama 或兼容接口；
一个真实的小任务，例如「把这段客户反馈归类并给出跟进建议」。

1. 创建模型 Profile

打开 设置 → 模型 Profile，点击新增后依次填写：

字段	本教程建议	说明
名称	`default-chat`	给工作流作者看的名称；不发送给模型。
Provider	你持有密钥的服务商	例如 OpenAI、Gemini、Anthropic、DeepSeek、Groq、Ollama 或兼容接口。
模型	一个通用文本模型	先用稳定、成本可控的模型；模型升级应作为独立变更评估。
API Key / 连接配置	你的凭据	保存后以加密形式保存在本机，不会被前端持久化。

保存后，用 Profile 提供的测试或实际运行确认凭据可用。若使用自托管兼容接口，同时确认 Base URL 与模型 ID 和服务端配置一致。

素材占位 · 截图 quickstart/01-model-profile.png
画面：模型 Profile 新建表单，展示 Provider、模型和已遮蔽的密钥字段。
用途：让首次使用者确认入口与必填信息；不要在截图中出现真实密钥。

2. 新建工作流

进入 Workflows，点击新建工作流。建议命名为「客户反馈分类」。在节点面板拖入并依次连接：

Start → Agent → End

选中 Agent 节点，在右侧检查器完成以下配置：

在 基本信息 中填写名称 反馈分类 Agent 和职责说明；
在 模型与指令 中选择 default-chat；
在指令中填入下面的内容；
展开 结构化输出架构（高级），将根类型设为对象，并添加三个字段；
连接 Start → Agent → End，保存工作流。

你是客户反馈分析助手。

根据输入中的 feedback 判断问题类别、紧急程度，并给出一条可以直接交给客服执行的跟进建议。

不要编造订单、客户身份或产品能力。信息不足时，在 recommendation 中说明需要补充什么。

输出 Schema 建议：

{
  "type": "object",
  "properties": {
    "category": { "type": "string", "description": "billing、bug、feature 或 other" },
    "priority": { "type": "string", "enum": ["low", "medium", "high"] },
    "recommendation": { "type": "string" }
  },
  "required": ["category", "priority", "recommendation"]
}

素材占位 · 视频 quickstart/02-create-workflow.mp4（30–45 秒）
画面：新建工作流、拖入 Start/Agent/End、连线，再在 Agent 检查器选择模型和粘贴指令。
用途：展示画布操作与右侧检查器的对应关系；建议录制 1440px 宽窗口。

3. 运行并检查结果

选中 Start 节点，添加一个字符串输入 feedback。运行前输入：

升级后导出的 CSV 文件打不开，今天下午要给财务对账，请尽快处理。

点击运行。运行面板会依次显示 Start、Agent、End 的状态；展开 Agent 事件，检查模型最终返回的三个字段。预期结果应接近：category: bug、priority: high，且建议没有虚构具体解决时间。

如果运行失败，先检查模型 Profile、Agent 是否选择了 Profile、Schema 是否为根对象，以及 Start 输入名称是否与指令中引用的 feedback 一致。

素材占位 · 截图 quickstart/03-run-result.png
画面：运行面板的节点时间线和展开后的结构化最终输出。
用途：说明“完成”不只看聊天文本，还要检查结构化状态与事件。

下一步：阅读构建第一个工作流，将 Python、条件分支与人工审核接入流程。