Docs: fix zh-cn sitemap (#1631)

Signed-off-by: Carson Yang <yangchuansheng33@gmail.com>

docSite/content/zh-cn/docs/workflow/modules/_index.md

@@ -0,0 +1,10 @@
+---
+weight: 350
+title: "模块介绍"
+description: "介绍 FastGPT 的常用模块"
+icon: "apps"
+draft: false
+images: []
+---
+
+<!-- 350 ~ 400 -->

docSite/content/zh-cn/docs/workflow/modules/ai_chat.md

@@ -0,0 +1,34 @@
+---
+title: "AI 对话"
+description: "FastGPT AI 对话模块介绍"
+icon: "chat"
+draft: false
+toc: true
+weight: 351
+---
+
+## 特点
+
+- 可重复添加
+- 触发执行
+- 核心模块
+
+![](/imgs/aichat.png)
+
+## 参数说明
+
+## AI模型
+
+可以通过 [config.json](/docs/development/configuration/) 配置可选的对话模型，通过 [one-api](/docs/development/one-api/) 来实现多模型接入。
+
+点击AI模型后，可以配置模型的相关参数。
+
+![](/imgs/aichat02.png)
+
+![](/imgs/aichat2.png)
+
+
+
+{{% alert icon="🍅" context="success" %}}
+具体配置参数介绍可以参考: [AI参数配置说明](/docs/course/ai_settings)
+{{% /alert %}}

docSite/content/zh-cn/docs/workflow/modules/content_extract.md

@@ -0,0 +1,57 @@
+---
+title: "内容提取"
+description: "FastGPT 内容提取模块介绍"
+icon: "content_paste_go"
+draft: false
+toc: true
+weight: 352
+---
+
+## 特点
+
+- 可重复添加
+- 需要手动配置
+- 触发执行
+- function_call 模块
+- 核心模块
+
+![](/imgs/extract1.png)
+
+## 功能
+
+从文本中提取结构化数据，通常是配合 HTTP 模块实现扩展。也可以做一些直接提取操作，例如：翻译。
+
+## 参数说明
+
+### 提取要求描述
+
+顾名思义，给模型设置一个目标，需要提取哪些内容。
+
+**示例 1**
+
+> 你是实验室预约助手，从对话中提取出姓名，预约时间，实验室号。当前时间 {{cTime}}
+
+**示例 2**
+
+> 你是谷歌搜索助手，从对话中提取出搜索关键词
+
+**示例 3**
+
+> 将我的问题直接翻译成英文，不要回答问题
+
+### 历史记录
+
+通常需要一些历史记录，才能更完整的提取用户问题。例如上图中需要提供姓名、时间和实验室名，用户可能一开始只给了时间和实验室名，没有提供自己的姓名。再经过一轮缺失提示后，用户输入了姓名，此时需要结合上一次的记录才能完整的提取出 3 个内容。
+
+### 目标字段
+
+目标字段与提取的结果相对应，从上图可以看到，每增加一个字段，输出会增加一个对应的出口。
+
++ **key**: 字段的唯一标识，不可重复！
++ **字段描述**：描述该字段是关于什么的，例如：姓名、时间、搜索词等等。
++ **必须**：是否强制模型提取该字段，可能提取出来是空字符串。
+
+## 输出介绍
+
+- **完整提取结果**: 一个 JSON 字符串，包含所有字段的提取结果。
+- **目标字段提取结果**：类型均为字符串。

docSite/content/zh-cn/docs/workflow/modules/coreferenceResolution.md

@@ -0,0 +1,39 @@
+---
+title: "问题优化（已合并到知识库搜索）"
+description: "问题优化模块介绍和使用"
+icon: "input"
+draft: false
+toc: true
+weight: 364
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+
+![](/imgs/coreferenceResolution1.jpg)
+
+## 背景
+
+在 RAG 中，我们需要根据输入的问题去数据库里执行 embedding 搜索，查找相关的内容，从而查找到相似的内容（简称知识库搜索）。
+
+在搜索的过程中，尤其是连续对话的搜索，我们通常会发现后续的问题难以搜索到合适的内容，其中一个原因是知识库搜索只会使用“当前”的问题去执行。看下面的例子：
+
+![](/imgs/coreferenceResolution2.webp)
+
+用户在提问“第二点是什么”的时候，只会去知识库里查找“第二点是什么”，压根查不到内容。实际上需要查询的是“QA结构是什么”。因此我们需要引入一个【问题优化】模块，来对用户当前的问题进行补全，从而使得知识库搜索能够搜索到合适的内容。使用补全后效果如下：
+
+![](/imgs/coreferenceResolution3.webp)
+
+
+## 功能
+
+调用 AI 去对用户当前的问题进行补全。目前主要是补全“指代”词，使得检索词更加的完善可靠，从而增强上下文连续对话的知识库搜索能力。
+
+遇到最大的难题在于：模型对于【补全】的概念可能不清晰，且对于长上下文往往无法准确的知道应该如何补全。
+
+## 示例
+
+- [接入谷歌搜索](/docs/workflow/examples/google_search/)

docSite/content/zh-cn/docs/workflow/modules/custom_feedback.md

@@ -0,0 +1,35 @@
+---
+title: "自定义反馈"
+description: "自定义反馈模块介绍"
+icon: "feedback"
+draft: false
+toc: true
+weight: 354
+---
+
+该模块为临时模块，后续会针对该模块进行更全面的设计。
+
+## 特点
+
+- 可重复添加
+- 无外部输入
+- 自动执行
+
+
+|                       |                       |
+| --------------------- | --------------------- |
+| ![](/imgs/customfeedback1.jpg) | ![](/imgs/customfeedback2.jpg) |
+| ![](/imgs/customfeedback3.jpg) | ![](/imgs/customfeedback4.jpg) |
+
+
+## 介绍
+
+自定义反馈模块，可以为你的对话增加一个反馈标记，从而方便在后台更好的分析对话的数据。
+
+在调试模式下，不会记录反馈内容，而是直接提示: `自动反馈测试: 反馈内容`。
+
+在对话模式（对话、分享窗口、带 chatId 的 API 调用）时，会将反馈内容记录到对话日志中。（会延迟60s记录）
+
+## 作用
+
+自定义反馈模块的功能类似于程序开发的`埋点`，便于你观测的对话中的数据。

docSite/content/zh-cn/docs/workflow/modules/dataset_search.md

@@ -0,0 +1,34 @@
+---
+title: '知识库搜索'
+description: 'FastGPT AI 知识库搜索模块介绍'
+icon: 'chat'
+draft: false
+toc: true
+weight: 357
+---
+
+知识库搜索具体参数说明，以及内部逻辑请移步：[FastGPT知识库搜索方案](/docs/course/data_search/)
+
+## 特点
+
+- 可重复添加（复杂编排时防止线太乱，可以更美观）
+- 有外部输入
+- 有静态配置
+- 触发执行
+- 核心模块
+
+![](/imgs/flow-dataset1.png)
+
+## 参数说明
+
+### 输入 - 关联的知识库
+
+可以选择一个或多个**相同向量模型**的知识库，用于向量搜索。
+
+### 输入 - 搜索参数
+
+[点击查看参数介绍](/docs/course/data_search/#搜索参数)
+
+### 输出 - 引用内容
+
+以数组格式输出引用，长度可以为 0。意味着，即使没有搜索到内容，这个输出链路也会走通。

docSite/content/zh-cn/docs/workflow/modules/http.md

@@ -0,0 +1,253 @@
+---
+title: "HTTP 模块"
+description: "FastGPT HTTP 模块介绍"
+icon: "http"
+draft: false
+toc: true
+weight: 355
+---
+
+## 特点
+
+- 可重复添加
+- 手动配置
+- 触发执行
+- 核中核模块
+
+![](/imgs/http1.jpg)
+
+## 介绍
+
+HTTP 模块会向对应的地址发送一个 `HTTP` 请求，实际操作与 Postman 和 ApiFox 这类直流工具使用差不多。
+
+- Params 为路径请求参数，GET请求中用的居多。
+- Body 为请求体，POST/PUT请求中用的居多。
+- Headers 为请求头，用于传递一些特殊的信息。  
+- 自定义变量中可以接收前方节点的输出作为变量
+- 3 种数据中均可以通过 `{{}}` 来引用变量。
+- url 也可以通过 `{{}}` 来引用变量。
+- 变量来自于`全局变量`、`系统变量`、`前方节点输出`
+
+## 参数结构
+
+### 系统变量说明
+
+你可以将鼠标放置在`请求参数`旁边的问号中，里面会提示你可用的变量。
+
+- appId: 应用的ID
+- chatId: 当前对话的ID，测试模式下不存在。
+- responseChatItemId: 当前对话中，响应的消息ID，测试模式下不存在。
+- variables: 当前对话的全局变量。
+- cTime: 当前时间。
+- histories: 历史记录（默认最多取10条，无法修改长度）
+
+### Params, Headers
+
+不多描述，使用方法和Postman, ApiFox 基本一致。
+
+可通过 {{key}} 来引入变量。例如：
+
+| key | value |
+| --- | --- |
+| appId | {{appId}} |
+| Authorization | Bearer {{token}} |
+
+### Body
+
+只有特定请求类型下会生效。
+
+可以写一个`自定义的 Json`，并通过 {{key}} 来引入变量。例如：
+
+{{< tabs tabTotal="3" >}}
+{{< tab tabName="假设有一组变量" >}}
+{{< markdownify >}}
+
+```json
+{
+  "string": "字符串",
+  "number": 123,
+  "boolean": true,
+  "array": [1, 2, 3],
+  "obj": {
+    "name": "FastGPT",
+    "url": "https://fastgpt.in"
+  }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< tab tabName="Http 模块中的Body声明" >}}
+{{< markdownify >}}
+
+注意，在 Body 中，你如果引用`字符串`，则需要加上`""`，例如：`"{{string}}"`。
+
+```json
+{
+  "string": "{{string}}",
+  "token": "Bearer {{string}}",
+  "number": {{number}},
+  "boolean": {{boolean}},
+  "array": [{{number}}, "{{string}}"],
+  "array2": {{array}},
+  "object": {{obj}}
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< tab tabName="最终得到的解析" >}}
+{{< markdownify >}}
+
+```json
+{
+  "string": "字符串",
+  "token": "Bearer 字符串",
+  "number": 123,
+  "boolean": true,
+  "array": [123, "字符串"],
+  "array2": [1, 2, 3],
+  "object": {
+    "name": "FastGPT",
+    "url": "https://fastgpt.in"
+  }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+### 如何获取返回值
+
+从图中可以看出，FastGPT可以添加多个返回值，这个返回值并不代表接口的返回值，而是代表`如何解析接口返回值`，可以通过 key 来`提取`接口响应的值。例如: 
+
+{{< tabs tabTotal="2" >}}
+{{< tab tabName="接口响应格式" >}}
+{{< markdownify >}}
+
+```json
+{
+  "message": "测试",
+  "data":{
+      "user": {
+        "name": "xxx",
+        "age": 12
+      },
+      "list": [
+        {
+          "name": "xxx",
+          "age": 50
+        },
+        [{ "test": 22 }]
+      ],
+      "psw": "xxx"
+  }
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< tab tabName="FastGPT 转化后的格式" >}}
+{{< markdownify >}}
+
+```json
+{
+  "message": "测试",
+  "data.user": { "name": "xxx", "age": 12 },
+  "data.user.name": "xxx",
+  "data.user.age": 12,
+  "data.list": [ { "name": "xxx", "age": 50 }, [{ "test": 22 }] ],
+  "data.list[0]": { "name": "xxx", "age": 50 },
+  "data.list[0].name": "xxx",
+  "data.list[0].age": 50,
+  "data.list[1]": [ { "test": 22 } ],
+  "data.list[1][0]": { "test": 22 },
+  "data.list[1][0].test": 22,
+  "data.psw": "xxx"
+}
+```
+
+{{< /markdownify >}}
+{{< /tab >}}
+{{< /tabs >}}
+
+
+你可以配置对应的`key`来从`FastGPT 转化后的格式`获取需要的值，该规则遵守 JS 的对象取值规则。例如：
+
+1. 获取`message`的内容，那么你可以配置`message`的`key`为`message`，这样就可以获取到`message`的内容。
+2. 获取`user的name`，则`key`可以为：`data.user.name`。
+3. 获取list中第二个元素，则`key`可以为：`data.list[1]`，然后输出类型选择字符串，则获自动获取到`[ { "test": 22 } ]`的`json`字符串。
+
+### 自动格式化输出
+
+FastGPT v4.6.8 后，加入了出参格式化功能，主要以`json`格式化成`字符串`为主。如果你的输出类型选择了`字符串`，则会将`HTTP`对应`key`的值，转成`json`字符串进行输出。因此，未来你可以直接从`HTTP`接口输出内容至`文本加工`中，然后拼接适当的提示词，最终输入给`AI对话`。
+
+
+{{% alert context="warning" %}}
+HTTP模块非常强大，你可以对接一些公开的API，来提高编排的功能。
+
+如果你不想额外部署服务，可以使用 [Laf](https://laf.dev/) 来快速开发上线接口，即写即发，无需部署。
+{{% /alert %}}
+
+## laf 对接 HTTP 示例
+
+
+下面是在 Laf 编写的 POST 请求示例：
+
+```ts
+import cloud from '@lafjs/cloud'
+const db = cloud.database()
+
+type RequestType = {
+  appId: string;
+  appointment: string;
+  action: 'post' | 'delete' | 'put' | 'get'
+}
+
+export default async function (ctx: FunctionContext) {
+  try {
+    // 从 body 中获取参数
+    const { appId, appointment, action } = ctx.body as RequestType
+
+    const parseBody = JSON.parse(appointment)
+    if (action === 'get') {
+      return await getRecord(parseBody)
+    }
+    if (action === 'post') {
+      return await createRecord(parseBody)
+    }
+    if (action === 'put') {
+      return await putRecord(parseBody)
+    }
+    if (action === 'delete') {
+      return await removeRecord(parseBody)
+    }
+
+
+    return {
+      response: "异常"
+    }
+  } catch (err) {
+    return {
+      response: "异常"
+    }
+  }
+}
+```
+
+## 作用
+
+通过 HTTP 模块你可以无限扩展，比如：
+- 操作数据库
+- 调用外部数据源
+- 执行联网搜索
+- 发送邮箱
+- ....
+
+
+## 相关示例
+
+- [谷歌搜索](/docs/workflow/examples/google_search/)
+- [发送飞书webhook](/docs/workflow/examples/feishu_webhook/)
+- [实验室预约（操作数据库）](/docs/workflow/examples/lab_appointment/)

docSite/content/zh-cn/docs/workflow/modules/input.md

@@ -0,0 +1,16 @@
+---
+title: "对话入口"
+description: "FastGPT 对话入口模块介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 356
+---
+
+## 特点
+
+- 流程入口
+- 无输入
+- 自动执行
+
+![](/imgs/chatinput.png)

docSite/content/zh-cn/docs/workflow/modules/laf.md

@@ -0,0 +1,98 @@
+---
+title: "Laf 函数调用"
+description: "FastGPT Laf 函数调用模块介绍"
+icon: "code"
+draft: false
+toc: true
+weight: 355
+---
+
+
+![](/imgs/laf1.webp)
+
+## 介绍
+
+`Laf 函数调用`模块可以调用 Laf 账号下的云函数，其工作原理与 HTTP 模块相同，有以下特殊特征：
+
+- 只能使用 POST 请求
+- 请求自带系统参数 systemParams，无需通过变量传递。
+
+## 绑定 Laf 账号
+
+要调用 Laf 云函数，首先需要绑定 Laf 账号和应用，并且在应用中创建云函数。
+
+Laf 提供了 PAT(访问凭证) 来实现 Laf 平台外的快捷登录，可以访问 [Laf 文档](https://doc.Laf.run/zh/cli/#%E7%99%BB%E5%BD%95)查看详细如何获取 PAT。
+
+在获取到 PAT 后，我们可以进入 FastGPT 的`账号页`或是在高级编排中的 `Laf模块` 对 Laf 账号进行绑定。Laf 账号是团队共享的，仅团队管理员可配置。
+
+填入 PAT 验证后，选择需要绑定的应用（应用需要是 Running 状态），即可调用该应用下的云函数。
+
+![](/imgs/laf2.webp)
+
+## 编写云函数
+
+Laf 云函数拥有根据 interface 自动生成 OpenAPI 的能力，可以参照下面的代码编写云函数，以便自动生成 OpenAPI 文档。
+
+`Laf模块`可以根据 OpenAPI 文档，自动识别出入参，无需手动添加数据类型。如果不会写 TS，可忽略，手动在 FastGPT 中添加参数即可。
+
+```ts
+import cloud from '@lafjs/cloud'
+
+interface IRequestBody { // 自定义入参，FastGPT 传入的均为POST请求。
+  data1: string    // 必填参数
+  data2?: string    // 可选参数
+}
+
+interface RequestProps extends IRequestBody { // 完整入参，这个无需改动。
+  systemParams: { // 这是FastGPT默认会传递过来的参数
+    appId: string,
+    variables: string,
+    histories: string,
+    cTime: string,
+    chatId: string,
+    responseChatItemId: string
+  }
+}
+
+interface IResponse { // 响应内容
+  message: string // 必返回的参数
+  msg?: string; // 可选的返回参数
+}
+
+export default async function (ctx: FunctionContext): Promise<IResponse> {  
+  const {
+    data1,
+    data2,
+    systemParams
+  }: RequestProps = ctx.body;
+  
+  console.log({
+    data1,
+    data2,
+    systemParams
+  });
+
+  return { 
+    message: 'ok',
+    msg: 'msg'
+  };
+}
+```
+
+当然，你也可以在 Laf 平台上选择 fastgpt_template，快速生成该函数模板。
+
+具体操作可以是，进入 Laf 的函数页面，新建函数（注意 fastgpt 只会调用 post 请求的函数），然后复制上面的代码或者点击更多模板搜索“fastgpt”，使用下面的模板
+
+![](/imgs/laf3.webp)
+
+## FastGPT 中使用
+
+在选择函数后，可以通过点击“同步参数”，自动同步云函数的参数到 FastGPT 中。当然也可以手动添加，手动修改后的参数不会被“同步参数”修改。
+
+![](/imgs/laf4.png)
+
+## 使用注意事项
+
+### 调用报错
+
+先在 laf 中调试函数，看是否正常调用。可以通过 console.log，打印入参，将入参放在 Laf 测试页面的 Body 中进行测试。

docSite/content/zh-cn/docs/workflow/modules/question_classify.md

@@ -0,0 +1,78 @@
+---
+title: "问题分类"
+description: "FastGPT 问题分类模块介绍"
+icon: "quiz"
+draft: false
+toc: true
+weight: 358
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 需要手动配置
+- 触发执行
+- function_call 模块
+
+![](/imgs/cq1.png)
+
+## 功能
+
+可以将用户的问题进行分类，分类后执行不同操作。在一些较模糊的场景中，分类效果不是很明显。
+
+## 参数说明
+
+### 系统提示词
+
+被放置在对话最前面，可用于补充说明分类内容的定义。例如问题会被分为：
+
+1. 打招呼
+2. Laf 常见问题
+3. 其他问题
+
+由于 Laf 不是一个明确的东西，需要给它一个定义，此时提示词里可以填入 Laf 的定义：
+
+```
+Laf 是云开发平台，可以快速的开发应用
+Laf 是一个开源的 BaaS 开发平台（Backend as a Service)
+Laf 是一个开箱即用的 serverless 开发平台
+Laf 是一个集「函数计算」、「数据库」、「对象存储」等于一身的一站式开发平台
+Laf 可以是开源版的腾讯云开发、开源版的 Google Firebase、开源版的 UniCloud
+```
+
+### 聊天记录
+
+适当增加一些聊天记录，可以联系上下文进行分类。
+
+### 用户问题
+
+用户输入的内容。
+
+### 分类内容
+
+依然以这 3 个分类为例，可以看到最终组成的 Function。其中返回值由系统随机生成，不需要关心。
+
+1. 打招呼
+2. Laf 常见问题
+3. 其他问题
+
+```js
+const agentFunction = {
+    name: agentFunName,
+    description: '判断用户问题的类型属于哪方面，返回对应的枚举字段',
+    parameters: {
+      type: 'object',
+      properties: {
+        type: {
+          type: 'string',
+          description: `打招呼，返回: abc；Laf 常见问题，返回：vvv；其他问题，返回：aaa`
+          enum: ["abc","vvv","aaa"]
+        }
+      },
+      required: ['type']
+    }
+};
+```
+
+上面的 Function 必然会返回 `type = abc，vvv，aaa` 其中一个值，从而实现分类判断。

docSite/content/zh-cn/docs/workflow/modules/reply.md

@@ -0,0 +1,26 @@
+---
+title: "指定回复"
+description: "FastGPT 指定回复模块介绍"
+icon: "reply"
+draft: false
+toc: true
+weight: 359
+---
+
+## 特点
+
+- 可重复添加（防止复杂编排时线太乱，重复添加可以更美观）
+- 可手动输入
+- 可外部输入
+- 会输出结果给客户端
+
+指定回复模块通常用户特殊状态回复，回复内容有两种：
+
+1. 一种是手动输入固定内容。
+2. 一种是通过变量引用。
+
+{{< figure
+    src="/imgs/specialreply.png"
+    alt=""
+    caption="图 1"
+    >}}

docSite/content/zh-cn/docs/workflow/modules/text_editor.md

@@ -0,0 +1,32 @@
+---
+title: "文本加工"
+description: "FastGPT 文本加工模块介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 363
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+- 手动配置
+
+![](/imgs/string.png)
+
+
+## 功能
+对输入文本进行固定加工处理，入参仅支持字符串和数字格式，入参以变量形式使用在文本编辑区域。
+
+根据上方示例图的处理方式，对任何输入都会在前面拼接“用户的问题是:”。
+
+
+## 作用
+
+给任意模块输入自定格式文本，或处理 AI 模块系统提示词。
+
+## 示例
+
+- [接入谷歌搜索](/docs/workflow/examples/google_search/)

docSite/content/zh-cn/docs/workflow/modules/tfswitch.md

@@ -0,0 +1,31 @@
+---
+title: "判断器"
+description: "FastGPT 判断器模块介绍"
+icon: "input"
+draft: false
+toc: true
+weight: 362
+---
+
+## 特点
+
+- 可重复添加
+- 有外部输入
+- 触发执行
+
+![](/imgs/judgement1.png)
+
+## 功能
+
+对任意变量进行`IF`判断，若满足条件则执行`IF`分支，不满足条件执行`ELSE`分支。      
+
+
+上述例子中若「知识库引用」变量的长度等于0则执行`IF`分支，否则执行`ELSE`分支。      
+
+
+支持增加更多的判断条件和分支，同编程语言中的`IF`语句逻辑相同。
+
+## 作用
+
+适用场景有：让大模型做判断后输出固定内容，根据大模型回复内容判断是否触发后续模块。
+

docSite/content/zh-cn/docs/workflow/modules/tool.md

@@ -0,0 +1,59 @@
+---
+title: "工具调用"
+description: "FastGPT 工具调用模块介绍"
+icon: "build"
+draft: false
+toc: true
+weight: 356
+---
+
+![](/imgs/flow-tool1.png)
+
+## 什么是工具
+
+工具可以是一个系统模块，例如：AI对话、知识库搜索、HTTP模块等。也可以是一个插件。
+
+工具调用可以让 LLM 更动态的决策流程，而不都是固定的流程。（当然，缺点就是费tokens）
+
+## 工具的组成
+
+1. 工具介绍。通常是模块的介绍或插件的介绍，这个介绍会告诉LLM，这个工具的作用是什么。
+2. 工具参数。对于系统模块来说，工具参数已经是固定的，无需额外配置。对于插件来说，工具参数是一个可配置项。
+
+## 工具是如何运行的
+
+要了解工具如何运行的，首先需要知道它的运行条件。
+
+1. 需要工具的介绍（或者叫描述）。这个介绍会告诉LLM，这个工具的作用是什么，LLM会根据上下文语义，决定是否需要调用这个工具。
+2. 工具的参数。有些工具调用时，可能需要一些特殊的参数。参数中有2个关键的值：`参数介绍`和`是否必须`。
+
+结合工具的介绍、参数介绍和参数是否必须，LLM会决定是否调用这个工具。有以下几种情况：
+
+
+1. 无参数的工具：直接根据工具介绍，决定是否需要执行。例如：获取当前时间。
+2. 有参数的工具：
+   1. 无必须的参数：尽管上下文中，没有适合的参数，也可以调用该工具。但有时候，LLM会自己伪造一个参数。
+   2. 有必须的参数：如果没有适合的参数，LLM可能不会调用该工具。可以通过提示词，引导用户提供参数。
+
+### 工具调用逻辑
+
+在支持`函数调用`的模型中，可以一次性调用多个工具，调用逻辑如下：
+
+![](/imgs/flow-tool2.png)
+
+## 怎么用
+
+| 有工具调用模块 | 无工具调用模块 |
+| --- | --- |
+| ![](/imgs/flow-tool3.png) | ![](/imgs/flow-tool4.png) |
+
+高级编排中，托动工具调用的连接点，可用的工具头部会出现一个菱形，可以将它与工具调用模块底部的菱形相连接。
+
+被连接的工具，会自动分离工具输入与普通的输入，并且可以编辑`介绍`，可以通过调整介绍，使得该工具调用时机更加精确。
+
+关于工具调用，如何调试仍然是一个玄学，所以建议，不要一次性增加太多工具，选择少量工具调优后再进一步尝试。
+
+## 相关示例
+
+- [谷歌搜索](/docs/workflow/examples/google_search/)
+- [发送飞书webhook](/docs/workflow/examples/feishu_webhook/)