对话流是什么呢？
通常情况下，我们通过人设与回复逻辑来指定智能体在不同场景下的不同技能，例如约束智能体使用指定插件回复某类问题，但用户输入的请求或问题复杂的情况下，智能体不一定会根据设计的逻辑进行处理，导致智能体回复不符合预期。
这个时候就可以用对话流模式来创建智能体
➕对话流在哪里设置
那么接下来就创建一个智能客服的对话流智能体
在课程2中我们已经了解如何创建智能体
在创建完成后， 在智能体的编排页面左上角，选择智能体模式为单 Agent （对话流）模式
🚫对话流限制
可以看到对话流智能体的界面内容比工作流模式少得多，这同样也意味着对话流模式有相比工作流模式有一定的限制
-
对话流模式的智能体只能绑定一个对话流，且对话流开始节点未添加 USER_INPUT 外的其他变量。
-
对话流模式的智能体不支持添加技能、知识等配置，但你可以将某些技能和知识配置在智能体的对话流中，例如对话流中添加知识库处理节点。
-
对话流模式的智能体仅可以添加对话流，不能添加工作流
🆚对话流与工作流区别
了解了对话流的限制，那具体对话流相比于工作流有什么区别呢，我列了一个表格
| 维度 | 工作流 | 对话流 |
| 核心目标 | 自动化处理功能性任务（如数据清洗、批量生成） | 支持多轮对话交互，提供上下文记忆能力（如客服、虚拟助手） |
| 会话能力 | 无会话绑定，不保留历史消息 | 绑定会话，支持读取对话历史记录，实现类似"记忆"功能 |
| 输入参数 | 完全自定义参数，无预置输入 | 预置 USER_INPUT（用户输入）和 CONVERSATION_NAME（会话标识） |
| 任务复杂度 | 单轮交互、批量处理（如生成行业报告、制作海报） | 多轮交互、需上下文支持（如智能客服、虚拟助手） |
| 交互模式 | 无需持续对话，独立完成任务 | 需要持续对话，依赖历史消息实现逻辑连贯性 |
| 典型案例 | 批量数据清洗、自动化报表生成 | AI客服、教育辅导机器人、社交平台聊天机器人 |
