展开本页目录
开始前准备什么
- Flowise3.1.4；6人只是练习样本，不能推断大规模排班效率。需工具兼容/结构化输出合适模型；循环请求数影响费用。调度约束必须另做确定性检查，不能只信文本理由。
- 只在独立练习目录与自己的测试账号操作；使用准确模型ID，真实密钥不写入教材。
- 识别同名与无可用时段
- 在Start初始化完整状态
- 配置Iteration数组入口
- 让LLM返回可对齐的结构
- 汇总后保留全部六人
- 用人工约束表核对建议
- 记录实际模型结果与人工决定
原创输入、任务提示、字段教材、源码参考、人工基准和实际本地输出；无需模型即可核对。
包含七步原生操作、版本、来源和目标平台待执行项。
本站手写参考或人工基准的实际渲染，不是目标平台或模型输出。
1. 识别同名与无可用时段
读取volunteers.csv，V01和V02都叫小林，但时段与技能不同。V05无可用时段，V06没有已核实技能，两个都不能从结果中消失。
2. 在Start初始化完整状态
Flowise3.1.4新建Agentflow V2；Start选择Chat Input，Flow State声明volunteers与results。把六人数组传入volunteers，未声明的状态键不要临时猜名字。
3. 配置Iteration数组入口
添加Iteration，Array Input指向{{ $flow.state.volunteers }}。把处理单人的LLM放入Iteration边界内，检查它拿到的是当前元素，不是整张表重复六次。
4. 让LLM返回可对齐的结构
按schema.json要求volunteer_id、candidate_job_ids和reason。提示词禁止把同名者合并，禁止生成不存在的岗位；LLM输出后用确定性规则再检查时间和技能。
5. 汇总后保留全部六人
在Iteration后读取聚合结果，逐人检查ID唯一和数量6。没有候选岗位要输出空数组及原因，不能只收集模型认为“成功”的人员。
6. 用人工约束表核对建议
打开reference.html，候选岗位由实际运行的本地约束函数得出；V01可J1/J2、V02可J3，其他冲突清楚列出。它不是Flowise执行日志，也不自动解决岗位人数冲突。
7. 记录实际模型结果与人工决定
把自己的原生输出和人工最终分工另存，保留未分配者。扩大人数前统计请求数、失败条和费用；一次六人教材不能证明生产排班效果。
怎样确认已经完成
- 按本题原始输入核对ID、未知值和边界，实际平台结果另存原生文件。
- 保留本地参考与目标平台的来源差异，失败项不覆盖成成功。
- 核对实际工具/模型版本和完整调用费用，再用于自己的业务。
常见问题
几十个人的空闲时间让AI排岗位？
Iteration逐人处理时保留ID和时间约束，找不到岗位的人也必须出现在结果里。 按上面七步在自己的工具执行；本页下载包提供可核对的输入和参考。
AI批量处理怎么不把人和结果串了？
打开reference.html，候选岗位由实际运行的本地约束函数得出；V01可J1/J2、V02可J3，其他冲突清楚列出。它不是Flowise执行日志，也不自动解决岗位人数冲突。
Flowise Iteration 教程 的练习包能直接导入吗？
node-fields.json是逐字段操作教材，不能冒充平台原生工作流导出。按实际版本在工具里配置并保存自己的原生文件；Recipe YAML和单文件HTML等明确命名的材料见README。