扣子工作流中大模型运行慢可能有以下原因：
若觉得排除 bug 很慢，可使用https://www.cnblogs.com/qcy-blog/p/18222657的工作流进行操作。
官网[GitHub-cubiq/ComfyUI_InstantID](https://github.com/cubiq/ComfyUI_InstantID?tab=readme-ov-file)下载两个文件：先点击如图中的左上角部分将加载器展开且选择官网下载好的两个模型：否则将会有以下的问题：⑩G-Dino加载器部分：在链接：[https://github.com/storyicon/comfyui_segment_anything](https://github.com/storyicon/comfyui_segment_anything)处下载以下文件：然后再次检查自己的文件有没有齐全：在models下创建grounding-dino且配置以下文件命名齐全。、同理，sams也是。对于grounding-dino和sams配置有没有齐全可以使用“抠头发.json”来检验然后，接下来很大概率在运行到此节点时会报科学上网的（httpsxxxxx）错误：倘若觉得在此工作流中排除bug很慢，不妨使用此网址的工作流（可以直接复制他的json内容自己创建一个txt文件后粘贴，再改后缀名为json。）进行操作：[https://www.cnblogs.com/qcy-blog/p/18222657](https://www.cnblogs.com/qcy-blog/p/18222657)那么你就要在尝试稳定的科学上网后重启UI跑工作流。便完成了。
在大模型节点中，设置系统级的提示词（system prompt）是一个关键步骤，这与外层用户直接交互的提示词不同。系统级提示词主要用于定义模型的角色和任务，提供一个固定的模板来指导模型的行为和输出。这种设置允许你明确地指示模型扮演的角色以及它需要完成的具体任务。例如，你可能需要模型作为一个历史顾问来回答有关过去事件的问题，或者作为一个技术专家来解决特定的技术问题。通过在系统级提示词中设定这些参数，你可以确保模型的输出与你的期望和工作流的需求保持一致。与外层提示词相比，系统级提示词更侧重于模型的内部工作机制，而外层提示词则更多地关注于如何根据用户的指令进行编排和响应。通过精心设计这两种提示词，可以增强模型对用户指令的处理能力，并确保整个工作流的顺畅和高效。在大模型组件中，批处理，也就是迭代处理，允许我们对集合或数组中的每个元素进行批量处理。这种处理方式通过依次遍历集合或数组，使得每个元素都能经过相同的处理流程。批处理的关键在于其能够通过有限循环实现高效的数据处理。批处理中，我们可以设置循环次数，也就是迭代的次数。例如，在Coze的大模型组件中，最多可以支持200次的循环，这相当于一个200次的for循环，允许我们对200个元素进行连续的处理。此外，批处理还涉及到并发量的问题。这里的并发量指的是在单次迭代中同时处理的元素数量。通过调整并发量，我们可以在一次循环中同时处理多个元素，从而提高处理效率。例如，如果集合中有200个元素，我们可以设置每次同时处理5个元素，这样只需要40次循环就可以完成整个集合的处理。
我在提示词中各种要求句尾不要有句号，可仍旧有。我甚至在工作流中用代码去掉后，回到应用中又给加上了标点符号。。。同样的提示词，放在扣子中就可以去掉标点符号。[heading1]Q：记得第一天提到，规定模型不能用搜索和投喂输出文本。比赛是不是只限在提示词调试的范围内呢？[heading1]Q：为什么同样的问题，给出的答案区别这么大？接的就是同一个应用，这个问题我很早就预测过了，同一个模型[heading1]Q：无论prompt怎么变，模型生成完内容后，自动被“不生成任何的标点符号”所替换。这个情况在max[content][IMG_7196.MOV](https://bytedance.feishu.cn/space/api/box/stream/download/all/Eapxb1wGfoHwPFxM8ZPchIWynOd?allow_redirect=1)[sd1722526042_2.mp4](https://bytedance.feishu.cn/space/api/box/stream/download/all/MpeJbplT8oIqB0xfrB8cY6ixnml?allow_redirect=1)[heading1]Q：COW调用百炼应用如何支持多轮对话么？[heading1]Q：[heading1]Q：[heading1]Q：[heading1]Q：[heading1]Q：[heading1]Q：[heading1]Q：[heading1]Q：