本文适用对象：中级水平
目标：编写代码处理其他节点结果
上一节Dify应用实战课，让大家知道如何通过工具插件来获取互联网的实时数据，结合大语言模型，才能让结果更加有用。
目前应该已经掌握了知识库的使用，工具插件的使用，并要熟练掌握"LLM"的多次使用。更高阶的知识，是LLM内模型能力的掌握（比如哪家的模型，擅长于什么任务？使用多大的模型，既能满足工作需求，又节约使用费用？），但这可以放在后面再学习。
复习了上节课的内容后，我们继续AI学习之旅。今天教大家使用代码节点，进一步对流程中产生的中间数据，进行"加工"处理，来满足要求。
比如，我们用了高德的"天气预报"工具，得到了今天和将来3天的天气预报数据。但我们只需要拿今天的天气情况，把它整合进我们自己的应用"每日智选"的页面内。
01. 动手做一做
基于上一节课的流程，在"天气预报"节点之后，新增一个"代码执行"的节点。
添加之后，连接"天气预报"节点和新增节点；再连接新增节点和结束节点。新增参数(一定要先连接)，"代码执行"的输入，选择"天气预报"的text。然后把结束节点的输出也改为"代码执行"的text。
点击"发布"，保存。提示"操作成功"。就可以进行测试了。测试如下：
02. 代码执行的开发与调试
今天的任务，需要有一定的代码能力，但不是非常复杂，都只是简单的数据转换提取操作而已。难度提示为"中级"。
代码节点支持Python和JavaScript，这次课程以Python为例。
简单讲解一下：定义一个main函数，接受输入字符串，然后输出一个字典。
注意main的参数名一定要与输入变量定义的名字一致，否则会报错，而输出因为定义了字典，所以必须按照return {"result": 字符串}的格式给出，一定要严格按照这个规则执行。
因为输入的是字符串，所以根据数据内容，假如是JSON字符串格式，就需要对其进行JSON对象的转换。本例中4天的天气数据，是按数组的形式传输的。那么就可以遍历数组，找出其中关键字date与今天日期匹配的那个对象，再将其输出为字符串即可。如果是其他的格式，也可以通过正则表达式进行关键内容的提取。
类似开发就根据业务需求进行处理即可。这里麦金叔要特别提一下调试的问题。在Dify的沙箱环境里面执行Python脚本，其错误提示还是比较粗糙的，对开发定位要求比较高，往往有点"丈二和尚摸不着头脑"。所以麦金叔建议，还是先在本地的电脑调试完成（可以单步Debug，不比看那乱七八糟的报错要便捷的多），再复制进Dify的代码节点，否则比较浪费时间。
当然，今天的课程虽然对普通人来说略微有点难度，但总体来说，对于有代码经验的人来说，也不算特别难。只要多学习别人的流程里面的代码，再结合自己动手实践，相信很快就能掌握。
总结
今天在上次的工作流基础上，进一步增加利用Python来处理数据的过程，让我们得到的数据越来越接近真实可用的状态。同时，代码节点可以充当很多功能节点的粘合剂，进行各种数据或者流程的转换，这在实际应用中也是必不可少的功能。希望大家再接再厉，跟着麦金叔踏实的走好每一步。
如果你对AI的发展感兴趣，欢迎一键三连。有任何问题可以留言私信，我们共同探讨。