new.suxi教程
  1. ♥第三方工具使用帮助
  • 渠道参考
  • 新手导航
    • 初次使用中转站--必读
    • 分组的特殊性及价格差异
    • 如何新建指定分组的令牌
    • 联系客服
    • 香蕉作图创作平台
    • 发出请求
  • ♥第三方工具使用帮助
    • claude code安装使用教程
    • 酒馆教程
    • Codex 配置教程
    • OpenClaw Clawdbot 自定义中转站配置教程
    • N8N 工作流使用中转API 教程
    • opencode 配置教程
    • Gemini CLI 中转站配置使用教程
    • Claude Code 安装使用教程
    • Cherry Studio配置教程
    • Cherry Studio配置 画图非流输出,4K和分辨率教程
    • CherryStudio调用cluade MCP
    • CherryStudio配置o4推理级别
    • 扣子工作流简单配置从输入到获取url
    • dify添加模型
    • cline 配置教程
    • aider 配置教程
    • lobechat 设置教程
    • ChatBox(推荐使用)
    • 开源gpt_academic
    • nextchat 设置教程
    • zotero gpt 配置方法
    • CLAUDE DEV 配置教程
    • 沉浸式翻译 设置gpt翻译
    • 浏览器插件ChatGPT Sidebar
    • chatgpt-on-wechat 配置教程
    • chatgpt GPT Academic 学术优化配置gpt教程
    • RikkaHub 配置教程
    • coze 工作流使用中转API 教程
    • n8n 工作流获取本地图片生成视频例子
    • OpenClaw 最新版本 自定义中转站配置教程
    • OpenClaw配合CC switch自定义中转站配置教程
  • 视频模型
    • sora 视频生成
      • 统一视频格式
        • 查询任务
        • 创建视频,带图片 sora-2
        • 创建视频 sora-2
        • 创建视频 (带 Character)
      • chat格式
        • 创建视频
        • 创建视频, 带图片
        • 连续修改生成视频
      • OpenAI官方视频格式
        • 创建视频 带图片
        • openai 创建视频,带图片
        • 使用故事板创建视频
        • openai 创建视频,带图片 私有模式
        • openai 创建视频(带Character)
        • openai 编辑视频
        • openai 下载视频
        • openai 查询任务
  • 绘画模型
    • README
    • 图像对象
    • GPT Image 系列
      • 创建gpt-image-2
      • 创建gpt-image-2-chat方式
      • 编辑gpt-image-2
      • 创建gpt-image-2-vip
      • 编辑gpt-imge-2-vip表单格式
      • 创建 gpt-image-1
      • 编辑 gpt-image-1
      • 蒙版 gpt-image-1
      • 创建 gpt-image-1.5
      • 编辑 gpt-image-1.5
      • 蒙版 gpt-image-1.5
    • Grok Image 系列
      • 创建 Image
      • 编辑 image
    • 香蕉画图
      • Gemini原生格式作图
      • Openai格式作图
      • Openai格式图片编辑
      • Gemini格式图片编辑
  • 聊天(Chat)
    • ChatGPT聊天(Chat)
      • 聊天完成对象
      • 聊天完成块对象
      • 创建聊天补全 (流式)
      • 创建聊天补全 (非流)
      • 创建聊天识图 (流式)
      • 创建聊天识图 (流式) best64
      • 创建聊天识图 (非流)
      • 创建聊天创作图 (非流)
      • 官方N测试
      • 列出模型
      • 创建聊天函数调用
      • 创建结构化输出
      • 控制推理模型努力程度
      • 创建聊天补全 qwen-mt-turbo
      • 创建聊天补全 deepseek v3.1思考程度 (流式)
      • deepseek-ocr 识别
  • 聊天(Responses)
    • Responses API与Chat API对比
    • 创建模型响应
    • 创建函数调用
    • 创建模型响应(流式返回)
    • 创建模型响应 (控制思考长度)
    • 创建网络搜索
    • 创建模型响应 gpt-5启用思考
    • 创建函数调用 Copy
  • Anthropic Claude 接口
    • 聊天完成对象
    • 聊天完成块对象
    • 原生格式
      • 创建聊天补全 (流式)
      • 创建函数调用 (流式)
      • 创建格式化输出
      • 创建思考聊天
      • PDF支持
      • PDF支持 base64格式
      • 联网搜索
    • chat兼容格式
    • 创建思考聊天
    • 创建聊天补全 (流式)
    • 创建聊天补全 (非流)
    • 创建聊天识图 (流式)
    • 创建聊天识图 (非流)
  • 帮助中心
    • AI返回字段: 思考相关
    • HTTP状态码及其含义
    • 上传图片到图床
  1. ♥第三方工具使用帮助

扣子工作流简单配置从输入到获取url

如果你是扣子vip,可以直接下载工作流导入即可#

以sora2为例子从输入文本和上传图片到最后获取url的简单循环工作流(下面是整体图)#

企业微信截图_17677735722402.png

一、开始#

根据提示词和图片 新增输入的变量,根据接口需要的参数来,需要输入更多参数也可以添加
企业微信截图_1767773636845.png

二、请求模型 (新增http节点)#

根据文档配置http请求
1.第一个红框位置配置请求方式和url
2.第二个红框配置请求头
3.第三个地方配置请求体,请根据文档中相应的请求体选择格式,在这个例子中用的json,其中标有开始的是从前面的输入中获取的参数,在编辑直接{}输入就能选择
企业微信截图_17677740268061.png

三、处理请求结果获取taskId(新增代码节点)#

如图所示在输入的时候变量值直接获取上一个的输出body
使用代码解析body获取其中的id(在本示例中代码选择的是JavaScript 代码如下)
async function main({ params }: Args): Promise<Output> {
    // 1. 从 params.input 中获取 body 字符串
    // 注意:这里假设 params.input 是整个 HTTP 响应对象
    const bodyStr = params.input;

    // 2. 将字符串格式的 body 解析为 JSON 对象
    // 因为 body 的值是一个字符串 "{\"id\":...}",所以需要 JSON.parse
    let taskId = "";
    try {
        const bodyObj = JSON.parse(bodyStr);
        taskId = bodyObj.id;
    } catch (e) {
        // 防止解析失败导致运行报错
        console.log("JSON 解析失败:", e);
    }

    // 3. 构建输出对象,返回 taskId
    const ret = {
        "taskId": taskId
    };

    return ret;
}
最后输出的位置的变量名请与代码中ret 中的参数名一致
企业微信截图_17677742429398.png

四、循环请求查询接口获取url(新增循环节点)#

1. 设置循环(在本次示例中使用的是无限循环根据判断条件跳出循环)根据需要设置#

中间变量是获取的前一个代码节点输出的taskId
输出了url和状态
企业微信截图_17677745518897.png

2. 在循环中新增一个http节点请求查询任务#

其中参数请求体根据文档中的使用的模型的查询任务来
企业微信截图_17677753812075.png

3. 新增一个代码节点获取url和任务状态#

如图所示 输入获取的是查询任务的输出body代码如下
async function main({ params }: Args): Promise<Output> {
    // 1. 从 params.input 中获取 body 字符串
    const bodyStr = params.input;

    // 2. 将字符串格式的 body 解析为 JSON 对象
    let url = "";
    let status = "";
    try {
        const bodyObj = JSON.parse(bodyStr);
        url = bodyObj.video_url;
        status = bodyObj.status;
    } catch (e) {
        // 防止解析失败导致运行报错
        console.log("JSON 解析失败:", e);
    }

    // 3. 构建输出对象,返回 taskId
    const ret = {
        "url": url,
        "status": status
    };

    return ret;
}
企业微信截图_17677755174326.png

4.新增一个判断节点来判断查询是否获取了url#

在这个示例中,判断节点设置了两个分支第一个分支是获取的上一个代码节点输出的url判断是否为空
第二个分支是判断状态是否为失败
企业微信截图_17677757634138.png

5根据判断的结果来执行#

新增终止循环的节点,当判断节点的第一个判断成功或者第二个判断成功时都终止循环
新增定时器节点和继续循环节点,当判断节点的两个判断都为否时先执行定时器(防止请求并发数量导致请求失败,建议设置为1500ms),定时器后连接继续循环
企业微信截图_17677758794115.png
五、处理循环得到的结果(新增一个代码节点)
因为循环后获得的结果是一个数组需要处理只获取最后输出的结果(代码如下)
输入的是循环输出的结果
async function main({ params }: Args): Promise<Output> {

    // 获取输入
    const urls = params.urls;
    const statuss = params.statuss;

    // 3. 构建输出对象,返回 taskId
    const ret = {
        "url": urls[urls?.length -1],
        "status": statuss[statuss?.length -1]
    };

    return ret;
}
输出的是处理后的url和状态
企业微信截图_17677761996893.png

六、判断url是否有值来确定视频生成成功还是失败#

企业微信截图_17677764885854.png

七、最后输出结果#

如图所示输出成功和失败的结果然后结束,可以根据自己的需要把输出文本还是变量,也可以把输出结果放在结束节点输出
企业微信截图_17677765862529.png
企业微信截图_17677765941365.png

#

八、实现效果#

企业微信截图_17677770925315.png
修改于 2026-05-01 17:08:51
上一页
CherryStudio配置o4推理级别
下一页
dify添加模型
Built with