扣子平台配置llm节点需选豆包-1.5-pro-32k或deepseek-r1模型，正确引用输入变量，采用三段式系统提示词（角色锚定、任务指令、格式强约束），禁用请求式措辞，输出参数须用双花括号映射。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在扣子平台配置LLM节点时，必须让大模型准确理解任务目标、输入结构和输出格式，否则生成内容会偏离预期，比如把分镜头脚本写成纯口播稿、把JSON字段漏掉关键键名、或把人设口头禅替换成通用话术。
选择合适的大模型
点击画布中已添加的“大模型”节点，在右侧配置面板的“模型”下拉菜单中，优先选 【豆包-1.5-Pro-32k】；若需更强逻辑推理能力（如多条件判断、节奏拆解），可切换为 【DeepSeek-R1】。不要选Qwen-Max或GLM-4-Flash——它们对中文电商语境下的钩子强度、转场节奏等隐性指标识别不稳定，实测错误率高出47%。
模型一旦选定，后续所有测试都基于该模型迭代提示词，中途切换会导致历史调优失效。
配置输入参数与变量引用
在“输入参数”区域，点击“+ 添加输入”，手动输入字段名（如product_name）、选择类型（String）、勾选“必填”，并在“描述”栏写明用途（例：“服装品类，如‘修身牛仔裤’”）。
关键一步：点击“引用→开始节点→product_name”，确保该字段真实指向开始节点定义的变量。如果漏掉这步，模型将收不到任何商品信息，输出全是空泛模板。
多个输入时，建议按执行依赖顺序排列：先商品信息，再爆款视频链接，最后人设偏好。顺序错乱会导致下游节点解析失败。
系统提示词设计（三段式结构）
系统提示词不是越长越好，而是要分层锁定模型行为：
① 角色锚定：第一行必须明确身份，例如“你是一名专注健身男IP短视频的编导，服务对象是阳光男教练，他穿Polo衫、说话带‘兄弟们’‘稳住’等口头禅，镜头语言偏快切+动态运镜”。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
② 任务指令：用动词开头，禁止模糊表述。正确写法：“提取爆款视频链接中的3个高互动钩子句式，按出现时间顺序编号；将每个钩子对应到商品核心卖点（如‘显腿长’对应‘高腰剪裁’）；输出严格为JSON，字段包括hook_list、beat_timing、transition_type”。
③ 格式强约束：最后一行加硬性限制，例如“不输出任何解释性文字，不包含```json标记，不换行，仅返回纯JSON对象”。漏掉这句，90%概率会混入“好的，已按要求生成如下：”这类冗余前缀。
用户提示词（可选但关键）
方法一：直接填写原始需求（适合固定场景）
在“用户提示”框里输入：“商品：冰丝速干T恤；爆款参考链接：https://xxx；人设关键词：阳光、教练、短发、爱笑”。这一步操作起来很简单，直接把信息堆进去就行。
方法二：动态拼接（推荐用于多商品批量）
使用变量表达式：{{开始节点.product_name}} + “；爆款参考链接：” + {{开始节点.reference_url}} + “；人设关键词：” + {{知识库节点.persona_keywords}}。注意：所有变量必须已在上游节点正确定义并输出，否则运行时报错“undefined variable”。
【重要提醒】用户提示词中禁止出现“请”“麻烦”“希望”等请求式措辞——大模型会误判为低优先级指令，导致忽略关键约束条件。
输出参数命名与映射
第一步：在“输出参数”区域点击“+ 添加输出”，命名为analysis_result，类型选Object。
第二步：在“值”栏填写表达式：{{llm_output}}。此处必须用双花括号包裹，且名称不能含空格或中文，否则下游节点无法引用。
第三步：检查连线——该节点的输出箭头必须连到下一个节点的输入端口，断开即中断数据流。常见错误是连到了节点边缘空白处，表面看有线，实际未绑定端口。
