当传统文化遇上AI科技，春节聚会将迎来全新互动体验。'迎春：一字测福'智能体通过字形拆解、五行分析与节气结合，为每个汉字生成财运、姻缘等五大维度的个性化解读。本文将深度拆解这款融合工作流架构与LLM能力的产品设计思路，揭秘如何打造既有文化底蕴又具科技感的节日互动神器。

你有没有想过，一个汉字里能藏着多少秘密？

不是简单的字义解释，而是通过字形拆解、五行分析、笔画计算、文化典故，结合当前时辰节气，从财运、姻缘、事业、健康、福气五大维度，为你揭示这个字背后的运势密码。

这就是我最近搭建的智能体：”迎春：一字测福”。

这篇文章分享一下这个智能体的搭建过程，既有技术实现细节，也有产品设计思考，帮助大家了解如何在节日场景下，用工作流架构和LLM能力打造一个既有文化底蕴又有仪式感的智能体。

智能体的体验链接在文章最后。

为什么做这个？

家庭互动场景：跨越代沟的桥梁

还有1个半月就是春节了。在这个时间节点，我开始思考一个问题：当打工人纷纷归巢，回到家乡与长辈、亲戚团聚时，用什么方式能够和家里的长辈、亲戚们互动升温呢？

我想做的是：在这个时间节点，提供一个轻松、有趣、又有文化底蕴的互动方式，让年轻人和长辈能够一起参与，一起讨论，一起感受传统文化的魅力。

这个场景的价值：

• 共同话题：测字是一个老少皆宜的话题，长辈熟悉传统文化，年轻人对AI感兴趣，可以一起讨论
• 互动性强：可以一家人围在一起，每个人测一个字，互相分享解读结果，增加互动和话题
• 文化传承：在互动中，长辈可以分享他们对传统文化的理解，年轻人可以了解测字文化的深度
• 轻松有趣：不需要严肃的讨论，只需要输入一个字，就能获得一份有趣的解读，让聚会更有意思

节日氛围的营造：从视觉到体验

既然是”迎春”主题，节日氛围的营造就至关重要。我在产品设计中做了几个关键决策：

1. 开场图片的巧思

在用户输入之前，我先展示一张”一字测福”的节日氛围图。这不仅仅是视觉上的烘托，更有一个实用的考虑：

• 烘托节日氛围让用户一进入就能感受到浓浓的春节气息
• 规避等待时间大模型判断文字是否为单个汉字需要一定时间，展示图片可以让用户在等待过程中感受到产品的用心，而不是干巴巴的等待

2. 结尾祝福图的仪式感

在生成完字运解码报告和祝福诗后，我展示了一张珠光宝气的祝福图。这进一步强化了节日氛围，让整个体验在视觉和情感上都达到高潮。

定位&整体交互

产品定位

目标用户：春节期间想要讨个好彩头的用户、对传统文化感兴趣的人、喜欢分享个性化内容的人

核心价值：通过传统测字法与AI解读相结合，让用户输入一个字，获得一份高度个性化的字运解码报告，实现传统智慧与现代体验的融合

整体交互设计

交互流程非常简单直观：

工作流架构设计

整个智能体基于工作流架构搭建，流程相对简单，但每个节点都经过精心设计。

工作流整体架构

主流程：

输入节点（用户输入一个字） ↓ 输入验证节点（LLM） ↓ JSON解析节点（Python代码） ↓ 条件分支：有效 → 直接进入报告生成 | 无效 → 推荐字选择器 ↓ 拆解报告生成节点（LLM，直接输出Markdown）

节点详细设计

节点1：开始节点（用户输入/欢迎界面）

节点类型：开始节点 / 用户输入

问候语（首次交互时显示）：

欢迎来到迎春：一字测福！请为您想测的字输入一个汉字（例如：福、金、爱、升、健、和、顺、祥、吉、庆、喜等），我们将通过传统测字法结合当前时辰节气，从财运、姻缘、事业、健康、福气五大维度为您生成专属的字运解码报告！

设计要点：

• 欢迎语必须是一个句子，不支持多行格式化（平台限制）
• 明确告诉用户要输入什么、会得到什么
• 提及“传统测字法”、“时辰节气”、“五大维度”，让用户感受到专业性
• 使用emoji增加节日氛围，但要适度

时间变量获取：在节点1或工作流开始时通过系统函数获取当前时间，格式为：YYYY-MM-DD HH:mm:ss，赋值给current_time变量，供后续节点使用。

节点2：输入验证节点

节点类型：LLM节点

功能：判断用户输入是否为一个字，如果不是，推荐合适的字供用户选择

输入变量：

user_input

(String): 用户输入的原始文本

输出变量：

llm_output

(String): LLM输出的JSON字符串

提示词核心逻辑：

1. 判断输入是否为一个汉字：单个汉字 = 长度为1且是汉字字符（Unicode范围：\u4e00-\u9fff）
2. 如果输入无效，生成推荐字列表：根据用户输入的内容，推荐3-6个合适的汉字供用户选择
3. 生成友好的提示信息：如果输入无效，生成友好的提示信息，引导用户从推荐字中选择

输出格式（JSON）：

{

“is_valid”:true或false,

“user_message”:”如果is_valid为false，这里是友好的提示信息；如果is_valid为true，这里是空字符串”,

“context_data”:{

“validated_char”:”如果is_valid为true，这里是验证后的单个汉字；如果is_valid为false，这里是空字符串”,

“recommended_chars”:[“如果is_valid为false，这里是推荐字数组；如果is_valid为true，这里是空数组”],

“recommended_chars_with_hints”:[

{

“char”:”推荐字1″,

“hint”:”推荐理由或寓意（简短，10-20字）”

}

]

}

}

设计思考：

• 容错性：用户可能输入多个字、词语、数字、符号等，都要友好处理
• 推荐字质量：推荐字要吉祥、正向，符合测字场景
• 提示信息友好：用”哎呀”、”嘿嘿”等语气词增加亲切感，符合节日氛围

节点2.1：输入验证JSON解析节点

节点类型：代码节点（Python）

功能：解析LLM输出的JSON，提取验证结果和推荐字

关键代码逻辑：

• 处理可能被markdown代码块包裹的JSON（去除“`json标记）
• JSON解析失败时的降级处理（返回空字典）
• 确保提取的字段都有默认值，避免后续节点报错

节点3：推荐字选择器节点

节点类型：选择器节点

功能：让用户从推荐字中选择一个字

设计要点：

• 每个推荐字都要带提示信息（如“发 – 发财致富，运势兴旺”），帮助用户选择
• 选项数量：3-6个，不要太多也不要太少
• 提示信息要简短（10-20字），说明字的寓意

节点4：拆解报告生成节点

节点类型：LLM节点

功能：针对一个字，从多个维度进行拆解，生成解码报告

输入变量：

validated_char

(String): 用户输入或选择的单个汉字

current_time

(String): 当前时间（格式：YYYY-MM-DD HH:mm:ss）

输出变量：

report_markdown

(String): LLM直接输出的Markdown格式的拆解报告

提示词核心要求：

1.简洁喜庆：

• 每个部分严格控制字数，不要冗长
• 用词要充满年味，喜庆、正向、吉祥
• 避免复杂术语，用通俗易懂的语言

2.五福维度解读必须基于字本身的特点：

• 在解读五福维度之前，先分析这个字的特点（字形结构、谐音联想、五行属性、笔画数、文化寓意）
• 每个维度的解读都要有明确的依据，不能泛泛而谈
• 例如：“福”字的财运解读可以基于“示字旁代表祈福，一口田象征有田有产”

3.时间因素应用：

• 结合当前时间分析年份、月份、日期、节气、季节
• 是否在守岁时间（23：00-01：00）
• 是否在节日期间（春节、元宵、中秋等）
• 让解读更加精准和个性化

报告结构（Markdown格式）：

# 你的专属字运解码

## 字运总览

你书写的字：**福** | 五行：**水** | 笔画：**13画**

> [一句话概括整体运势，要喜庆吉祥，20-30字]

—

## 五福维度

#

## 财运

[基于字的字形/谐音/五行等特点解读财运，一句话概括 + 一句话建议，共25-35字，要喜庆专业]

#

## 姻缘

[基于字的字形/谐音/五行等特点解读姻缘，一句话概括 + 一句话建议，共25-35字，要喜庆专业]

#

## 事业

[基于字的字形/谐音/五行等特点解读事业，一句话概括 + 一句话建议，共25-35字，要喜庆专业]

#

## 健康

[基于字的字形/谐音/五行等特点解读健康，一句话概括 + 一句话建议，共25-35字，要喜庆专业]

#

## ✨ 福气

[基于字的字形/谐音/五行等特点解读福气，一句话概括 + 一句话建议，共25-35字，要喜庆专业]

—

## 开运小贴士

– [第一条建议，10-15字，结合当前时间]

– [第二条建议，10-15字，结合当前时间]

– [第三条建议，10-15字，结合当前时间]

– [第四条建议，10-15字，结合当前时间]

—

## 年度卦象

**{{卦象名称}}** → [一句话解释，要喜庆吉祥，15-25字]

—

> 愿此字运解码为您带来吉祥与好运！新年快乐！

设计思考：

• 直接输出Markdown：不包装成JSON，避免JSON转义导致的Markdown渲染问题
• 严格控制字数：每个部分都要简洁，让用户轻松阅读
• 正向解读：所有解读都必须是吉祥、正向的，不能有任何负面解读
• 时间关联：结合当前时间信息，让建议更精准、更个性化

技术实现细节

1. LLM节点的输出结构设计

在工作流架构中，LLM节点的输出需要同时满足两个需求：展示给用户的内容和供后续节点使用的结构化数据。这就需要一个既能展示又能传递数据的输出格式。

为什么选择JSON格式：

节点2（输入验证节点）需要输出JSON格式，原因如下：

1. 结构化数据传递：需要传递验证结果（is_valid）、验证后的字（validated_char）、推荐字列表（recommended_chars）等结构化数据给后续节点
2. 用户消息分离：需要将展示给用户的消息（user_message）和内部使用的数据（context_data）分离，便于前端展示和后续节点处理
3. 条件分支支持：通过is_valid字段，可以方便地进行条件分支判断（有效 → 直接生成报告，无效 → 推荐字选择器）

结构设计的考虑：

1）is_valid字段：布尔值，直接用于条件分支判断，简单明了

2）user_message字段：字符串，直接展示给用户，包含友好的提示信息（如果输入无效）

3）context_data对象：包含所有后续节点需要的数据

• validated_char：验证后的单个汉字（如果有效）
• recommended_chars：推荐字数组（如果无效）
• recommended_chars_with_hints：推荐字数组（带提示信息），用于选择器节点展示

这样的结构设计既满足了数据传递的需求，又保证了用户体验的友好性。

2. LLM节点与JSON解析的配合

节点2（输入验证）：输出JSON格式字符串，需要节点2.1进行JSON解析

节点4（拆解报告生成）：直接输出Markdown格式，无需JSON解析

JSON解析节点的通用代码：

import json

import re

defmain(params: dict) -> dict:

input_str = params.get(‘llm_output’) or params.get(‘input’, ”)

ifnot input_str:

return {}

# 处理可能被markdown代码块包裹的情况

input_str = re.sub(r’^“`json\s*’, ”, input_str, flags=re.MULTILINE)

input_str = re.sub(r’“`\s*$’, ”, input_str, flags=re.MULTILINE)

input_str = input_str.strip()

try:

parsed_data = json.loads(input_str)

context_data = parsed_data.get(‘context_data’, {})

user_message = parsed_data.get(‘user_message’, ”)

return {

‘context_data’: context_data,

‘user_message’: user_message

}

except json.JSONDecodeError:

return {}

关键细节：

• 处理可能被markdown代码块包裹的JSON（去除“`json标记）
• JSON解析失败时的降级处理（返回空字典）
• 确保提取的字段都有默认值，避免后续节点报错

3. 用户没有按要求输入一个文字的交互设计

产品要求用户输入单个汉字，但实际使用中，用户可能会输入多个字、词语、数字、符号等不符合要求的内容。如何友好地处理这些情况，是交互设计的重点。

输入验证逻辑：

通过LLM节点判断用户输入是否为一个汉字：

• 判断标准：单个汉字 = 长度为1且是汉字字符（Unicode范围：\u4e00-\u9fff）
• 如果输入有效：直接进入报告生成流程
• 如果输入无效：进入推荐字选择流程

推荐字生成策略：

当用户输入无效时，LLM会根据用户输入的内容，智能推荐3-6个合适的汉字：

推荐字选择器交互：

每个推荐字都带有提示信息，帮助用户选择

这样的交互设计既保证了输入要求的严格性，又通过友好的引导和智能推荐，让用户感受到产品的用心，而不是被冷冰冰的错误提示拒之门外。

4. 提示词工程的精细化

每个LLM节点都有详细的提示词，包含：

节点2（输入验证）的关键部分：

• 角色设定：友好的输入验证助手
• 判断逻辑：单个汉字 = 长度为1且是汉字字符
• 推荐字生成：根据用户输入推荐3-6个吉祥字
• 输出格式：严格要求JSON格式，提供示例

节点4（拆解报告生成）的关键部分：

• 角色设定：专业的测字解签师
• 核心要求：简洁、喜庆、易读
• 五福维度解读：必须基于字本身的特点，不能泛泛而谈
• 时间因素应用：结合当前时辰、节气、季节等时间信息
• 输出格式：严格要求Markdown格式，提供完整模板

关键点：

• 必须使用结构化输出（JSON或Markdown），确保后续节点能正确解析
• 输出格式要严格规定，包含示例，避免模型自由发挥
• 风格要求要明确具体（简洁、喜庆、正向等）

体验思考

1. 节日氛围的营造

既然是”迎春”主题，节日氛围的营造贯穿整个产品设计：

视觉层面：

• 开场图片：烘托节日氛围，同时规避等待时间
• 结尾图片：进一步强化节日氛围，让体验在视觉和情感上都达到高潮
• 报告中的emoji使用：、、、、等，增加视觉吸引力

内容层面：

• 文案风格：统一在“喜庆、吉祥、正向”的调性下
• 解读风格：用词要充满年味，让用户感受到春节特有的氛围
• 祝福语：报告结尾的祝福语，让用户感受到温暖和祝福

体验层面：

• 仪式感：通过单字输入、多维度拆解、卦象解读的完整流程，营造仪式感
• 期待感：输入阶段不做即时解读，保持神秘感和期待感
• 正向激励：所有解读都必须是吉祥、正向的，给用户带来心理慰藉

2. 产品与节日的契合

这个产品与春节场景高度契合：

时间契合：

• 春节期间，人们有讨彩头的需求
• 结合当前时辰、节气、季节等时间因素，让解读更精准、更个性化
• 守岁时间（23：00-01：00）触发“守岁签”，运势加成，增加节日特色

社交契合：

• 春节期间，人们喜欢分享祝福和好运
• 生成的报告可以分享到朋友圈，增强社交互动
• 个性化的解读让每个用户都感受到专属感

3. 体验设计的细节

输入体验：

• 欢迎语要清晰明了，告诉用户要输入什么、会得到什么
• 如果输入无效，友好提示并推荐吉祥字，而不是冷冰冰的错误提示
• 推荐字选择器要清晰展示每个字的提示信息，帮助用户选择

等待体验：

• 开场图片的展示，让用户在等待过程中感受到产品的用心
• 使用流式输出，降低用户等待焦虑

输出体验：

• 报告要简洁、喜庆、易读，让用户轻松阅读
• 严格控制字数，避免冗长
• 结尾的祝福语，让用户感受到温暖和祝福

实际效果展示

• 用户输入“龘”字（权威认证笔画最多的字）
• 生成的拆解报告（包含字运总览、五福维度、开运小贴士、年度卦象）
• 报告结尾的祝福语

体验一个完整流程后，用户能够：

• 了解这个字在财运、姻缘、事业、健康、福气五大维度的运势解读
• 获得具体的开运建议（吉时、方位、宜行之事等）
• 了解年度卦象，获得整体运势预测
• 感受到传统文化的深度和春节的仪式感

其它细节

1. 正向解读的设计

为了让用户感受到正向激励，我在提示词中强调：

• 所有解读都必须是吉祥、正向的，不能有任何负面解读
• 即使输入”穷”、”病”等字，也要转化为吉祥含义，例如”穷”可以解为”穷则思变，蓄势待发”
• 用词要充满年味，喜庆、正向、吉祥，让用户感受到春节特有的氛围

2. 时辰因素的应用

为了让解读更精准、更个性化，我在提示词中强调：

• 结合当前时辰：分析当前时辰对运势的影响
• 结合当前节日：如果是春节、元宵等节日，自动加入节日元素和祝福
• 守岁时间特殊处理：23:00-01:00期间触发”守岁签”，运势加成

技术实现：

时间信息的获取使用了元器的系统参数SYS.CurrentTime，这个参数会在工作流执行时自动获取当前系统时间（格式：YYYY-MM-DD HH:mm:ss），并传递给拆解报告生成节点。在提示词中，我将这个时间信息作为上下文传递给LLM。

这样设计的好处是，同一个字在不同时间输入，会得到不同的解读，增加了产品的趣味性和个性化程度。

关于智能体平台

搭建这个智能体使用的是单工作流模式，它提供了完整的工作流搭建能力：

• 可视化工作流：通过拖拽节点就能搭建复杂的业务流程
• LLM节点：内置多种大模型，支持灵活的提示词工程
• 代码节点：支持Python代码，实现复杂的数据处理逻辑
• 选择器节点：支持用户从多个选项中选择，增强交互体验
• 变量管理：完善的状态管理和变量传递机制

最关键的是，你可以把搭建好的智能体直接发布到小程序，不需要自己搞备案、买服务器，用户体验流畅，价值完全不同。

写在最后

这个智能体的核心价值不在于技术有多复杂，而在于它把”传统测字”这件事的门槛降低了，同时保持了传统文化的深度和仪式感。

通过AI能力，我们可以在几秒钟内获得一份高度个性化的字运解码报告，感受传统测字文化的魅力。这种体验虽然不能完全替代传统的测字方式，但足以让我们在春节期间，以一种轻松、有趣的方式，讨个好彩头，感受传统文化的智慧。

如果你也想搭建类似的智能体，或者对技术实现细节感兴趣，欢迎交流。

欢迎体验“迎春：一字测福”，并反馈任何建议或BUG。

https://yuanqi.tencent.com/webim/?sessionid=#/chat/ckmjis?appid=2006289267510340608&experience=true