别再手动处理数据了！FastGPT 这个新功能让你提前下班

大家好！今天给大家介绍 FastGPT 4.8.11 版本新增的一个超强节点 - 【循环运行】节点。如果你经常需要处理大量数据，这个功能绝对能让你事半功功倍！

💡 这个节点是干嘛的？

想象一下这个场景：你有 100 篇文章需要 AI 总结，或者有 500 条产品描述要翻译成英文。以前你可能需要一条一条地处理，既耗时又繁琐。而有了循环运行节点，你只需要：

把所有数据放进一个数组
设置好处理流程
然后...就可以去喝杯咖啡了！节点会自动帮你处理完所有数据

没错，就是这么简单！它就像是一个自动化的小助手，帮你完成重复性的工作。

🚀 它能做什么？

我们来看看这个节点都有哪些特性：

1. 自动批量处理能力

📦 支持各种类型的数据：
- 文本数组？没问题！
- 数字数组？当然可以！
- 布尔值数组？完全支持！
- 对象数组？也不在话下！
🔄 全自动遍历所有数组元素
📝 严格按顺序处理：不用担心数据乱序
⚡ 还支持并行处理：速度更快！

2. 智能流程控制

🎯 自动触发后续节点：设定好流程，全程自动化
🛑 可以设置终止条件：需要时随时停止
🔢 内置计数器：随时知道处理进度
📊 维护上下文：保证处理的连贯性

🎯 最适合用在哪些场景？

1. 批量内容处理

📚 批量翻译文章
📝 批量生成文章摘要
✍️ 批量创作内容

2. 数据流水线处理

🔍 自动分析每条搜索结果
📊 逐个处理知识库的检索结果
🌐 处理 API 返回的数据列表

3. 递归优化任务

📄 把长文档分成小块处理
🔄 多轮优化内容质量
⛓️ 链式处理复杂数据

📖 怎么用它？

这个节点的使用方法非常简单，只需要设置好输入的数组和循环体即可。

FastGPT 国内版：https://fastgpt.cn
FastGPT 海外版（需要纵云梯）：https://tryfastgpt.ai

输入参数设置

【循环运行】节点需要配置两个核心输入参数：

数组 (必填)：接收一个数组类型的输入，可以是：
- 字符串数组 (Array<string>)
- 数字数组 (Array<number>)
- 布尔数组 (Array<boolean>)
- 对象数组 (Array<object>)
循环体 (必填)：定义每次循环需要执行的节点流程，包含：
- 循环体开始：标记循环开始的位置。
- 循环体结束：标记循环结束的位置，并可选择输出结果变量。

循环体配置

在循环体内部，可以添加任意类型的节点，如：
- AI 对话节点
- HTTP 请求节点
- 内容提取节点
- 文本加工节点等
循环体结束节点配置：
- 通过下拉菜单选择要输出的变量
- 该变量将作为当前循环的结果被收集
- 所有循环的结果将组成一个新的数组作为最终输出

🔄 实战示例：批量处理文本

我们先来看一个简单的示例：批量处理文本。

假设我们有一个包含多个文本的数组，需要对每个文本进行 AI 处理。这是循环运行节点最基础也最常见的应用场景。

实现步骤

准备输入数组

使用【代码运行】节点创建测试数组：

const texts = [
  "这是第一段文本",
  "这是第二段文本",
  "这是第三段文本"
];
return { textArray: texts };

配置循环运行节点
- 数组输入：选择上一步代码运行节点的输出变量 textArray。
- 循环体内添加一个【AI 对话】节点，用于处理每个文本。这里我们输入的 prompt 为：请将这段文本翻译成英文。
- 再添加一个【指定回复】节点，用于输出翻译后的文本。
- 循环体结束节点选择输出变量为 AI 回复内容。

运行流程

【代码运行】节点执行，生成测试数组
【循环运行】节点接收数组，开始遍历
对每个数组元素：
- 【AI 对话】节点处理当前元素
- 【指定回复】节点输出翻译后的文本
- 【循环体结束】节点收集处理结果
完成所有元素处理后，输出结果数组

📝 高级应用：长文本翻译

在处理长文本翻译时，我们经常会遇到以下挑战：

文本长度超出 LLM 的 token 限制
需要保持翻译风格的一致性
需要维护上下文的连贯性
翻译质量需要多轮优化

【循环运行】节点可以很好地解决这些问题。

之前我发过一篇关于长文本翻译的文章，不过当时没有使用【循环运行】节点来实现。

今天我们来看看如何使用【循环运行】节点来实现长文本翻译。

其实实现思路和上面批量处理文本的示例类似，只是循环体内部的处理逻辑稍微复杂一些。只需要对上篇文章的工作流略微调整即可。

一句话总结：从文本切分之后开始，将后面的流程都转移到【循环运行】节点内部。

我们来详细看下【循环运行】节点内部的流程。

首先，数组输入选择上一步代文本切分的输出变量 chunks。

然后添加一个【代码运行】节点，对源文本进行格式化。

格式化代码如下：

function main({source_text_chunks, current_chunk}){
    const i = source_text_chunks?.indexOf(current_chunk) ?? -1;

    if (i === -1) {
    throw new Error('未找到指定的文本块');
    }

    const tagged_text = `${source_text_chunks.slice(0, i).join('')} <TRANSLATE_THIS>${current_chunk}</TRANSLATE_THIS>${source_text_chunks.slice(i + 1).join('')}`;

    return {
    tagged_text,
    chunk_to_translate: current_chunk, 
    }
}

最终会输出两个变量，其中 tagged_text 包含了整个文本，而 chunk_to_translate 只包含了本轮需要翻译的文本块。

接下来添加一个【搜索词库】节点，将专有名词的词库作为知识库，在翻译前进行搜索。