🤖 AI 智能体工作流编排：搭建全自动双语研究员

在当今的信息爆炸时代，手动查阅网页并整理总结是一项极其耗时的工作。通过 MindLogic 的插件系统和节点逻辑，我们可以轻松在画布上像“搭积木”一样编排出一个完全自动化的 AI 智能体（Agent）。

本案例将带你从零开始，搭建一个只要输入一个网址或主题，就能自动完成内容爬取 -> 核心提炼 -> 双语翻译的超级助理。

场景概述

在这个工作流中，我们将实现以下目标：

1. 触发节点：接收用户输入的网址或目标主题。
2. 爬虫节点 (Web Scraper)：自动访问网址并提取出网页里的所有正文纯文本。
3. 分析节点 (LLM Summarizer)：利用 OpenAI 兼容插件，将冗长的网页正文总结为 3 个核心论点。
4. 翻译节点 (LLM Translator)：调用另一个大模型插件，将这 3 个核心论点翻译成专业级英文。

节点编排步骤

第一步：设置初始触发节点

创建一个实体节点，命名为 [Research Target]。 在属性检查器中，添加一个 Input 参数：

• URL: https://en.wikipedia.org/wiki/Theory_of_constraints

第二步：配置网页爬虫插件

创建一个新节点，命名为 [Data Extraction]。 从 [Research Target] 连线到本节点。

1. 在右侧“插件(Plugin)”面板中，选择 Web Scraper 插件。
2. 在插件配置的 URL 栏中，输入 {{ node.inputs['URL'] }} 以动态接收上游传来的网址。
3. 运行后，该插件会自动将网页正文提取并保存至该节点的属性中（通常为 node.outputs['text']）。

第三步：大模型提炼核心观点

创建一个新节点，命名为 [Core Insights]。 从 [Data Extraction] 连线到本节点。

1. 在“插件”面板选择 LLM (OpenAI Compatible) 插件（或 DeepSeek 插件）。
2. 在 System Prompt 中输入：你是一个专业分析师。请仔细阅读以下长文，并总结出 3 个最核心的论点，不要有任何废话。
3. 在 User Prompt 中输入：{{ node.inputs['text'] }}
4. 当图谱计算流经此节点时，LLM 会将庞大的网页文本浓缩为精简的总结，并存储于 node.outputs['response'] 中。

第四步：多语言翻译出境

最后创建一个节点，命名为 [English Report]。 从 [Core Insights] 连线到本节点。

1. 再次选择一个大模型插件。
2. 设定 System Prompt: You are a native English business translator. Translate the text into highly professional English.
3. User Prompt 输入: {{ node.inputs['response'] }}。
4. 进阶技巧：在节点底部的“自定义脚本”中写入以下代码，将最终结果通过弹窗展示：

   let report = node.outputs['response'];
   node.title = "Report Ready!";
   system.alert(report);
   

成果与价值

通过这个极其清晰的可视化拓扑图，我们构建了一个拥有**感知（爬取）-> 思考（提炼）-> 行动（翻译）**闭环的 AI Agent。 你可以随时替换大模型的 API、修改提示词、甚至在最后再加一个节点将数据通过 HTTP POST 发送到你的飞书/钉钉群组。

效率提升：将原本需要 30 分钟的阅读和翻译时间，压缩到了点击一下运行按钮后的 10 秒钟内。