在 agent 工作流中间加入对话窗口可以参考以下步骤：
考虑到对照精读环节，本身就是逐段生成的，非常适合批处理的形式。所以需要用「分段输入正文」，把正文分割后，用LLM节点批处理每一段的对照精读，最终「拼合精读结果」，就能输出完整的文本结果。用户输入的原文，格式一般是：为了确保正确区分标题句和段落内容，我这边用了一个简易的方法——直接在AI对话窗口中，通过开场白提示用户按格式输入文章，用#符直接标记标题句：然后用Python脚本，去掉标题句，并把剩下内容按照段落的换行，逐段输出为Array<String>格式：附上Python代码：试运行后，就可以发现，节点已按照预期运作，分次输出了每一段原文。
考虑到对照精读环节，本身就是逐段生成的，非常适合批处理的形式。所以需要用「分段输入正文」，把正文分割后，用LLM节点批处理每一段的对照精读，最终「拼合精读结果」，就能输出完整的文本结果。用户输入的原文，格式一般是：为了确保正确区分标题句和段落内容，我这边用了一个简易的方法——直接在AI对话窗口中，通过开场白提示用户按格式输入文章，用#符直接标记标题句：然后用Python脚本，去掉标题句，并把剩下内容按照段落的换行，逐段输出为Array<String>格式：附上Python代码：试运行后，就可以发现，节点已按照预期运作，分次输出了每一段原文。
在点击「发布」，发布工作流后，我们就需要创建一个bot，进行最终的工作流封装。封装过程如下：1.创建Bot2.填写Bot介绍3.切换Bot模式为“单Agent（工作流模式）”：因为这个Agent，我们只需要每次输入英文文章的时候，返回精读结果，所以不需要用外层bot对输入进行其他任务理解，直接调用工作流即可。4.把我们刚才配置好的工作流，添加到Bot中5.填写开场白，引导用户使用：附开场白文案⬇️1.关闭开场白预置问题：因为使用流程里用不到，所以直接关掉。