扣子工作流中变量怎么传递和引用？详解输入输出机制

明明前一个节点已经算出了结果，为什么下一个节点就是读不到？或者在调试时看到一堆 null，完全不知道数据断在了哪里。这种“数据失联”的情况，往往是刚接触扣子（Coze）工作流时最让人头秃的时刻。其实，工作流的本质就是一条数据流水线，而变量就是传送带上的包裹。只要搞清楚包裹怎么打包、怎么贴标签、怎么交接，整个流程就能跑通。

最值得先检查的地方，永远是节点的“输入”面板。很多新手习惯直接在大模型节点里写死提示词，却忘了把上游的动态数据映射进来。记住，每个节点都是独立的黑盒，它看不见其他节点内部发生了什么，除非你显式地把数据递给它。

1. 定义起点：厘清开始节点的输入变量

一切数据流转都始于“开始”节点。这里定义的变量，是整个工作流对外的接口，也是后续所有节点数据的源头。

在开始节点的配置面板中，你需要明确添加输入参数。比如做一个新闻摘要机器人，你可能需要定义 article_url（文章链接）或 raw_text（原始文本）。关键在于选择正确的数据类型：如果是纯文本选 String，如果是数字计算选 Number，如果是复杂的结构化数据则选 Object 或 Array。

在开始节点中定义输入变量，注意选择正确的数据类型

设置完成后，这些变量就会以 {{start.article_url}} 这样的形式存在。此时它们还是空的，等待用户或上游应用传入真实值。如果这里漏定义了某个关键参数，后面所有依赖它的节点都会报错或拿到空值。

2. 中间流转：在处理节点中引用上游数据

当数据进入中间的 LLM（大语言模型）或代码节点时，引用的核心动作是“映射”。不要手动复制粘贴上一节点的结果，而是要使用系统提供的引用功能。

以 LLM 节点为例，在编写 Prompt 时，点击输入框旁边的“+”号或变量引用按钮，你会看到左侧列出了所有上游可用节点。找到产生数据的那个节点，展开它，勾选具体的输出字段。系统会自动插入类似 {{llm_1.output}} 的占位符。

通过变量引用按钮选择上游节点的具体输出字段

这里有个常见的坑：层级引用错误。如果上游输出的是一个 JSON 对象，而你只需要其中的 title 字段，务必点进对象内部选择 title，而不是引用整个对象。否则，大模型收到的可能是一串未经解析的代码字符串，导致幻觉或格式错误。对于代码节点，同样需要在输入参数区将上游变量映射到代码的输入变量名上，确保名字一一对应。

3. 终点交付：配置结束节点的输出

工作流跑完了，数据如果不通过“结束”节点吐出来，对外部调用者来说就等于没发生。结束节点的作用是封装最终结果。

在结束节点中，你需要定义输出参数。这里的技巧是“按需暴露”。不需要把中间过程的所有临时变量都输出去，只选择对用户有价值的最终结果。例如，只输出 summary（摘要）和 keywords（关键词），而忽略中间生成的思考过程。

将上游处理结果映射到结束节点的输出字段

将上游节点的处理结果映射到结束节点的输出字段中。此时，你可以再次检查数据类型是否匹配。如果前端期望接收一个列表，而这里映射的是单个字符串，调用时就会出错。配置好后，点击运行测试，观察右侧的运行日志。

4. 调试技巧：看懂运行日志中的数据轨迹

当引用失效时，运行日志是最好的侦探。点击“运行”后，展开每个节点的详情，查看“输入”和“输出”两栏。

重点看两点：一是输入栏里，你引用的变量是否有实际值；二是输出栏里，节点是否产生了预期的数据结构。如果输入栏显示为 null 或 undefined，说明上游引用路径断了，或者上游节点本身没有成功执行。如果输出结构不符合预期，比如多了或少了字段，则需要回头调整该节点的内部逻辑或提示词。

通过运行日志检查每个节点的输入值和输出结构

通过逐节点核对，你能迅速定位是哪一环掉了链子。通常，80% 的问题都出在变量类型不匹配或层级引用过深上。

理顺变量传递，其实就是养成“数据契约”的思维：每个节点明确自己要什么（输入），承诺给什么（输出）。一旦习惯了这种严丝合缝的对接方式，搭建复杂工作流就会像搭积木一样顺畅。下次遇到数据不通，先别急着改提示词，看看那根看不见的变量连线是不是接对了地方。