Skip to main content

Workflow application

Un workflow décompose les tâches complexes en étapes ordonnées afin de réduire la complexité du système. Dans Alibaba Cloud Model Studio, les workflows permettent de combiner des nœuds, tels que des grands modèles, des API et Function Compute, pour diminuer les coûts de développement.

Application

Pourquoi utiliser une application de workflow

Un workflow décompose les tâches complexes en une séquence d'étapes afin de réduire la complexité du système. La création d'une application de workflow sur Model Studio permet de définir l'ordre d'exécution, d'attribuer les responsabilités et de spécifier les dépendances entre les étapes pour automatiser et optimiser le processus. Les cas d'usage courants des applications de workflow incluent :
  • Planification de voyages : Utilisez un plug-in de workflow pour sélectionner des paramètres, tels qu'une destination, et générer automatiquement un plan de voyage comprenant des vols, des hébergements et des recommandations d'attractions.
  • Analyse de rapports : Pour les jeux de données complexes, combinez des plug-ins de traitement des données, d'analyse et de visualisation afin de produire des rapports d'analyse structurés et formatés.
  • Support client : Exploitez des workflows automatisés pour traiter les demandes des clients, y compris la classification des incidents, afin d'améliorer la rapidité et la précision des réponses.
  • Création de contenu : Générez du contenu tel que des articles et des textes marketing. Fournissez un sujet et des exigences, et le système produira automatiquement un brouillon.
  • Éducation et formation : Concevez des parcours d'apprentissage personnalisés avec suivi des progrès et évaluations grâce à un workflow, permettant ainsi aux étudiants d'apprendre à leur propre rythme.
  • Consultation médicale : À partir des symptômes saisis par le patient, un workflow peut combiner plusieurs outils d'analyse pour générer une évaluation préliminaire ou recommander des examens pertinents afin d'aider les médecins à poser un diagnostic plus précis.

Exemples

Exemple 1 : Détection des messages frauduleux

Cet exemple montre comment créer une application de workflow pour déterminer si un message texte est une fraude potentielle. Le workflow utilise un nœud de départ, un nœud de grand modèle et un nœud de fin.
  1. Accédez à la page App Management. Cliquez sur Create Application>Workflow Application, saisissez un App Name, puis cliquez sur Create Now.
  1. Ajoutez un nœud de grand modèle pour détecter les messages frauduleux. Faites glisser le nœud LLM depuis le volet de gauche vers le canevas, puis configurez les paramètres suivants dans son panneau de configuration. Conservez les valeurs par défaut pour les autres paramètres.
    1. Model Configuration : Sélectionnez Qwen-Plus-latest.
    2. Prompts :
      Analyze the provided message to determine if it is a potential scam. Provide a definitive answer.
       Requirements: Carefully review the message content, focusing on keywords and typical scam patterns, such as requests for urgent transfers, providing personal information, or promising unrealistic benefits.
      Steps:
      1. Identify key elements in the message, including but not limited to the sender's identity, the request made, promised rewards, and any sense of urgency.
      2. Compare the message against the characteristics of known scams to check for similar tactics or language patterns.
      3. Evaluate the overall reasonableness of the message, considering whether the request aligns with standard procedures and common sense.
      4. If the message contains links or attachments, do not click or download them to avoid potential security risks, and warn the user about the dangers of such content.
      Output Format: Clearly state whether the message exhibits characteristics of a scam and briefly explain your reasoning. If a scam is suspected, provide suggestions or preventive measures to protect the user.
      
    3. User Prompt :
      Determine if the message "${sys.query}" is a potential scam.
      
    Fermez le panneau et connectez le nœud Start au nœud Large Model.
p910525
  1. Connectez le nœud de grand modèle au nœud de fin. Ensuite, cliquez sur le nœud de fin et, dans l'éditeur de son panneau de configuration, saisissez / pour insérer la variable Large Model 1/result. Conservez les valeurs par défaut pour les autres paramètres.
p910524
Exemple de configuration :
image
  1. Cliquez sur Test dans le coin supérieur droit. Saisissez Your package has been at the pickup station for several days. Please come and collect it. et cliquez sur image. Une fois l'exécution du workflow terminée, consultez la sortie.
image
  1. Ensuite, saisissez You have a message saying you've won 1 million. Please check it. et cliquez sur image. Après l'exécution du workflow, consultez la sortie.
image

Exemple 2 : Assistant d'achat intelligent

Cet exemple illustre la création d'un assistant d'achat intelligent à l'aide d'un workflow qui aide les utilisateurs à choisir des téléphones mobiles, des téléviseurs et des réfrigérateurs. Le workflow comprend un nœud de départ, un nœud de classification d'intention, des nœuds de grand modèle et un nœud de fin.
  1. Accédez à la page App Management. Cliquez sur Create Application>Create Application, saisissez un App Name, puis cliquez sur Workflow Application.
  1. Faites glisser le nœud Create Now depuis le volet de gauche vers le canevas, puis configurez les paramètres suivants dans son panneau de configuration. Conservez les valeurs par défaut pour les autres paramètres.
    • Intent Classification : Sélectionnez Input Variable > Built-in Variable.
    • query : Sélectionnez Select Model.
    • Qwen-Plus-latest : Cliquez sur Intent Classification et ajoutez les trois intentions suivantes :
      • Buy TV
      • Buy mobile phone
      • Buy refrigerator
    • Add Intent : Permet au modèle de mémoriser le contenu des échanges précédents durant une conversation. Activez le bouton image et sélectionnez Custom Cache.
      Current Node Cache : Le modèle ne mémorise que le contenu de la discussion au sein du nœud actuel.
      Custom Cache : Le modèle mémorise la conversation sur l'ensemble du workflow.
    Fermez le panneau et connectez le nœud Start au nœud Intent Classification.
p910523
  1. Faites glisser un nœud LLM depuis le volet de gauche vers le canevas. Dans son panneau de configuration, définissez les paramètres suivants en conservant les valeurs par défaut pour les autres. Fermez ensuite le panneau et connectez la sortie Buy refrigerator du nœud Intent Classification au nœud Large Model.
    • Model Configuration : Sélectionnez Qwen-Plus-latest.
    • Prompts :
      You are a smart shopping assistant responsible for recommending refrigerators to customers.
      You must proactively ask the user for refrigerator parameters in the order listed in the [Refrigerator Parameter List] below. Ask for only one parameter at a time, and do not repeat questions for the same parameter.
      If the user provides a value for a parameter, continue to ask about the remaining parameters.
      If the user asks for the definition of a parameter, provide an explanation based on your professional knowledge, and then continue to ask which parameter value they prefer.
      If the user indicates they no longer wish to make a purchase, output: Thank you for visiting. We look forward to serving you next time.
      [Refrigerator Parameter List]
      1. Usage Scenario: [Home, Small commercial, Large commercial]
      2. Capacity: [200L, 300L, 400L, 500L]
      3. Energy Efficiency Rating: [Level 1, Level 2, Level 3]
      After all parameters from the [Refrigerator Parameter List] have been collected, ask: "Are you sure you want to purchase?" while also showing the parameters the customer has selected, for example: For small commercial use|300L|Level 1. Ask if they are sure about the refrigerator with these parameters. If the customer decides not to buy, ask which parameters they want to adjust.
      If the customer confirms the parameters meet their requirements, you must output in the following format:
      [Usage Scenario: Home, Capacity: 300L, Energy Efficiency Rating: Level 1]. Output only the content in this format and no other information.
      
    • User Prompt :
      User's question: ${sys.query}
      
    • Memory : Permet au modèle de mémoriser le contenu des échanges précédents durant une conversation. Activez le bouton image et sélectionnez Memory.
p910522
  1. Faites glisser un nœud Custom Cache depuis le volet de gauche vers le canevas. Dans son panneau de configuration, définissez les paramètres suivants en conservant les valeurs par défaut pour les autres. Fermez ensuite le panneau et connectez la sortie LLM du nœud Intent Classification au nœud Large Model.
    • Model Configuration : Sélectionnez Qwen-Plus-latest.
    • Prompts :
      You are a smart shopping assistant responsible for recommending TVs to customers.
      You must proactively ask the user for TV parameters in the order listed in the [TV Parameter List] below. Ask for only one parameter at a time, and do not repeat questions for the same parameter.
      If the user provides a value for a parameter, continue to ask about the remaining parameters.
      If the user asks for the definition of a parameter, provide an explanation based on your professional knowledge, and then continue to ask which parameter value they prefer.
      If the user indicates they no longer wish to make a purchase, output: Thank you for visiting. We look forward to serving you next time.
      [TV Parameter List]
      1. Screen Size: [50-inch, 70-inch, 80-inch]
      2. Refresh Rate: [60Hz, 120Hz, 240Hz]
      3. Resolution: [1080P, 2K, 4K]
      After all parameters from the [TV Parameter List] have been collected, ask: "Are you sure you want to purchase?" while also showing the parameters the customer has selected, for example: 50-inch|120Hz|1080P. Ask if they are sure about the TV with these parameters. If the customer decides not to buy, ask which parameters they want to adjust.
      If the customer confirms the parameters meet their requirements, you must output in the following format:
      [Screen Size: 50-inch, Refresh Rate: 120Hz, Resolution: 1080P]. Output only the content in this format and no other information.
      
    • User Prompt :
      User's question: ${sys.query}
      
    • Memory : Permet au modèle de mémoriser le contenu des échanges précédents durant une conversation. Activez le bouton image et sélectionnez Memory.
p910521
  1. Faites glisser un nœud Custom Cache depuis le volet de gauche vers le canevas. Dans son panneau de configuration, définissez les paramètres suivants en conservant les valeurs par défaut pour les autres. Fermez ensuite le panneau et connectez la sortie Buy TV du nœud Intent Classification au nœud Large Model.
    • Buy mobile phone : Sélectionnez Model Configuration.
    • Qwen-Plus-latest :
      You are a smart shopping assistant responsible for recommending mobile phones to customers.
      You must proactively ask the user for mobile phone parameters in the order listed in the [Mobile Phone Parameter List] below. Ask for only one parameter at a time, and do not repeat questions for the same parameter.
      If the user provides a value for a parameter, continue to ask about the remaining parameters.
      If the user asks for the definition of a parameter, provide an explanation based on your professional knowledge, and then continue to ask which parameter value they prefer.
      If the user indicates they no longer wish to make a purchase, output: Thank you for visiting. We look forward to serving you next time.
      [Mobile Phone Parameter List]
      1. Usage Scenario: [Gaming, Photography, Watching movies]
      2. Screen Size: [6.4-inch, 6.6-inch, 6.8-inch, 7.9-inch foldable screen]
      3. RAM + Storage Space: [8GB+128GB, 8GB+256GB, 12GB+128GB, 12GB+256GB]
      After all parameters from the [Mobile Phone Parameter List] have been collected, ask: "Are you sure you want to purchase?" while also showing the parameters the customer has selected, for example: For photography|8GB+128GB|6.6-inch. Ask if they are sure about the mobile phone with these parameters. If the customer decides not to buy, ask which parameters they want to adjust.
      If the customer confirms the parameters meet their requirements, you must output in the following format:
      [Usage Scenario: Photography, Screen Size: 6.8-inch, Storage Space: 128GB, RAM Space: 8GB]. Output only the content in this format and no other information.
      
    • Prompts :
      User's question: ${sys.query}
      
    • User Prompt : Permet au modèle de mémoriser le contenu des échanges précédents durant une conversation. Activez le bouton image et sélectionnez Memory.
p910519
  1. Faites glisser un nœud Custom Cache depuis le volet de gauche vers le canevas. Dans son panneau de configuration, définissez les paramètres suivants en conservant les valeurs par défaut pour les autres. Fermez ensuite le panneau et connectez la sortie d'intention Default du nœud Intent Classification au nœud Variable Processing.
    • Variable Processing : Sélectionnez Output Mode.
    • Dans la zone d'édition, saisissez :
      Hello! Please tell me if you want to buy a TV, a refrigerator, or a mobile phone.
      
p910518
  1. Connectez les trois nœuds de grand modèle ainsi que le nœud Variable Processing au nœud End. Cliquez ensuite sur le nœud de fin et, dans l'éditeur de son panneau de configuration, saisissez / pour insérer les quatre variables suivantes : Large Model 1/result, Large Model 2/result, Large Model 3/result et Variable Processing 1/result. Conservez les valeurs par défaut pour les autres paramètres.
p910518
Exemple de configuration :
image
  1. Cliquez sur Text Output dans le coin supérieur droit. Dans la boîte de dialogue, saisissez Tell me about your refrigerators, cliquez sur image, puis consultez la sortie.
  2. Saisissez ensuite Home use et consultez la sortie.
  3. Saisissez alors 200L et consultez la sortie.
  4. Enfin, saisissez Level 1 energy efficiency et consultez la sortie.
工作流-智能导购

Paramètres de session

Une variable de session fonctionne comme une variable globale. Elle stocke les paramètres tout au long du cycle de vie du workflow afin que n'importe quel nœud puisse les référencer. Cliquez sur l'icône image située dans le coin supérieur droit de la page de configuration du canevas.
image

Nœud

Les nœuds constituent les unités fonctionnelles centrales d'une application de workflow. Chaque nœud exécute une tâche spécifique, telle qu'une action, un déclenchement conditionnel, un traitement de données ou un routage du flux. Assemblez ces nœuds comme des briques pour créer des processus automatisés.
  • Start and end
  • Large model
  • Knowledge base
  • API
  • Plugin
  • Function Compute
  • Script
  • Condition
  • Classification d'intention
  • Sortie de flux
  • Traitement des variables
  • Extraction de paramètres
  • Groupe d'agents
  • Créer un agent
  • Génération multimodale
  • Cas d'utilisation
    • Lors de la conception d'un workflow, définissez la structure et le contenu des paramètres d'entrée et de sortie dans les nœuds de début et de fin.
  • Mode d'emploi
    • Nœud Start
      ComposantDescription
      Variables prédéfiniesLe workflow fournit les variables prédéfinies suivantes pour traiter les entrées utilisateur et conserver l'historique des conversations :
      • query : Stocke la saisie textuelle de l'utilisateur.
      • historyList : Conserve l'historique des échanges pour maintenir le contexte lors d'une conversation multi-tours. Pour utiliser cette variable dans les nœuds prenant en charge la fonctionnalité de mémoire (tels que les nœuds de grand modèle et de classification d'intention), sélectionnez Custom Cache.
      • imageList : Stocke les images téléchargées par l'utilisateur pour permettre l'analyse d'images ou une conversation multimodale. Pour exploiter cette variable dans les nœuds compatibles avec la mémoire (comme les grands modèles ou la classification d'intention), choisissez Custom Cache.
      Variables personnaliséesLes variables personnalisées sont des paramètres d'entrée structurés que vous définissez pour un workflow. Elles reçoivent des données provenant de tests ou d'appels API et peuvent être référencées dans les nœuds suivants. Lors de la création d'une variable personnalisée, configurez les paramètres ci-après :
      • Nom de la variable : Saisissez un nom explicite. Les caractères chinois ne sont pas pris en charge.
      • Type : Type de données de la variable. Les types acceptés sont String, Boolean, Number, Object, Array (de String, Boolean, Number ou Object) et File.
      • Description : Décrivez brièvement l'utilité de la variable et son contexte d'utilisation.
    • Nœud End

      Composant

      Description

      Mode de sortie

      Test : Adapté au contenu non structuré. Dans la zone de saisie, entrez du contenu fixe ou tapez / pour référencer des variables, ce qui détermine le résultat final renvoyé à l'utilisateur. Ces variables peuvent provenir de la sortie de n'importe quel nœud du workflow ou de variables de session. Un mappage correct des variables de sortie permet de contrôler le flux de données du workflow et de garantir une réponse finale précise et complète.

      Publish : Conçu pour produire un contenu structuré au format JSON. Vous pouvez définir des noms de variables et saisir du texte ou référencer des variables.

      Sortie en streaming

      L'option Streaming Output s'applique uniquement au mode Text Output.

      Si elle est activée, les réponses des nœuds de grand modèle et de composants d'application sont diffusées jeton par jeton. Si elle est désactivée, la réponse complète est renvoyée une fois sa génération terminée.

Tester l'application

Une fois le workflow configuré, utilisez la fonctionnalité de test pour vérifier son bon fonctionnement. Cliquez sur le bouton Kuala Lumpur situé dans le coin supérieur droit pour ouvrir le panneau de test. Celui-ci propose plusieurs modes adaptés à différents cas d'usage.

Conversation textuelle

La conversation textuelle constitue le mode de test par défaut. Elle conserve l'historique des échanges et permet de mener des conversations continues sur plusieurs tours.
  1. Dans la liste déroulante située en haut du panneau de test, sélectionnez le mode de conversation textuelle (sélectionné par défaut). Si le workflow contient des variables personnalisées, saisissez leurs valeurs dans la zone de configuration des paramètres.
  2. Dans la zone de saisie, entrez votre contenu de test (texte et pièces jointes sont acceptés), puis cliquez sur le bouton Indonesia (Jakarta) ou appuyez sur Entrée pour lancer le test.
  3. Examinez les résultats du test. Cliquez sur un nœud pour afficher ses entrées et sorties détaillées, ou basculez le format de sortie entre Text et JSON.
  4. Pour poursuivre la conversation, saisissez votre prochaine intervention dans la zone de texte et envoyez-la. Pour démarrer une nouvelle conversation, cliquez sur le bouton Variable.

Génération de texte

Le mode de génération de texte est conçu pour les interactions à tour unique. Chaque test est indépendant et l'historique de la conversation n'est pas conservé.

Liste de contrôle

La liste de contrôle recense les configurations requises pour votre workflow. Pour afficher cette liste, cliquez sur l'icône image située dans le coin supérieur droit de la page de configuration du canevas.
image

Publier une application

Une fois l'application publiée, vous pouvez l'appeler via une API ou la partager sous forme de page web avec les utilisateurs RAM du même compte principal. Pour cela, cliquez sur le bouton Audio & Video Settings situé dans l'angle supérieur droit de la page de gestion des applications d'agent.

Appel via API

Dans l'onglet Call de votre application de workflow, cliquez sur Try en regard de Publish pour découvrir comment appeler l'application d'agent à l'aide d'une API.
Remarque : Vous devez remplacer YOUR_API_KEY par votre clé API pour pouvoir appeler l'API.
image
Pour les questions fréquentes et les informations relatives aux appels API, reportez-vous aux rubriques suivantes :
  • Concernant les méthodes d'invocation (HTTP/SDK), consultez Appel d'application.
  • Pour plus de détails sur les paramètres d'appel API, voir Informations sur les paramètres d'appel d'application.
  • Pour en savoir plus sur le passage de paramètres, reportez-vous à Passage de paramètres pour les applications.
  • Afin de résoudre les erreurs renvoyées par les appels API, consultez Codes d'erreur.
  • L'application elle-même n'impose aucune limite de concurrence ; celle-ci dépend des modèles qu'elle appelle. Consultez la console Model Studio.
Actuellement, il n'est pas possible d'appeler le service Xiyan depuis un workflow. Utilisez plutôt un nœud API pour invoquer un service API personnalisé.
Le délai d'expiration des appels API est fixé à 600 secondes et ne peut pas être modifié. Si un dépassement de ce délai risque de se produire, envisagez les solutions suivantes :
  • Mode asynchrone : le système renvoie alors un ID de tâche. Cet identifiant permet ensuite d'interroger le résultat, ce qui évite la limite de temporisation synchrone.
  • Découpage de la tâche : divisez la tâche en plusieurs étapes ou traitez les données par lots plus petits afin d'éviter qu'une seule exécution n'expire.

Importer ou exporter un workflow

  1. Importer ou exporter un workflow Model Studio Cliquez sur l'icône image en haut de la page du workflow, puis sélectionnez Publish Channel ou Publish.
    image
  2. Importer un workflow Dify Model Studio prend en charge l'importation en un clic des workflows Dify, facilitant ainsi leur migration et leur réutilisation.
    1. Cliquez sur l'icône image en haut de la page du workflow, puis sélectionnez Publish Channel.
      image
    2. Ajustez les paramètres de chaque nœud.
      image
    Les détails de compatibilité des nœuds sont les suivants :
    Nœud DifyNœud Model Studio correspondantCompatibilité
    startstart
    1. sys.query correspond à query.
    2. sys.dialogue_count correspond à maximum memory turns.
    LLMLLM
    1. model : Model Studio efface le champ du modèle pour les modèles non pris en charge, ce qui vous oblige à en sélectionner un manuellement. Les modèles compatibles le sont intégralement.
    2. prompt : Le prompt système de Dify correspond au prompt principal dans Model Studio, tandis que son prompt utilisateur correspond au prompt utilisateur.
    3. vision capability : Entièrement compatible.
    4. context : Model Studio intègre directement les champs bruts du contexte de Dify dans son prompt système.
    knowledge retrievalknowledge base
    1. input : Model Studio utilise systématiquement le champ content comme entrée.
    2. knowledge base : Ce champ est effacé par Model Studio après l'importation. Vous devez associer manuellement une base de connaissances dans Model Studio.
    3. retrieval settings : Le paramètre Top-k de Dify correspond au number of retrieved fragments.
    Direct Replyoutput nodeEntièrement compatible.
    agentAucunSeul le nom est conservé. Vous devez cliquer sur le nœud et sélectionner un nœud Model Studio spécifique pour le remplacer.
    Question Classifierintent classificationModel Studio efface le champ du modèle pour les modèles non pris en charge, ce qui vous oblige à en sélectionner un manuellement. Les modèles compatibles le sont intégralement.
    Iterationbatch processing
    1. input : Correspond à View API.
    2. output variable : Correspond à API.
    looploopEntièrement compatible.
    code executionscriptModel Studio fait la distinction entre les scripts Python et JavaScript.
    Template TransformAucunNon compatible. Model Studio génère un nœud personnalisé.
    Variable AggregatorVariable ProcessingCorrespond au mode de sortie Export DSL du nœud Import Model Studio DSL.
    Document ExtractorAucunNon compatible. Model Studio génère un nœud personnalisé.
    Variable AssignmentVariable SettingsEntièrement compatible.
    Parameter Extractorparameter extractionModel Studio ne prend pas en charge le mode inférence. Les autres fonctionnalités sont entièrement compatibles.
    HTTP requestAPIEntièrement compatible, mais une nouvelle authentification est requise.
    List OperationAucunNon compatible. Model Studio génère un nœud personnalisé.
    Toolplugin, MCPNon compatible. Model Studio génère un nœud personnalisé.
    commentAucunNon compatible.
    endendSi un workflow Dify contient plusieurs nœuds de fin, Model Studio les convertit en un seul nœud Variable Processing et un seul nœud de fin.

Gérer les versions de workflow

  1. Cliquez sur Publish dans l'angle supérieur droit de la page de configuration du workflow. Dans la boîte de dialogue Publish, saisissez les informations de version, par exemple 1.0.0, puis cliquez sur OK.
image
  1. Cliquez sur Import Dify DSL en haut de la page. Dans le panneau Historical Versions, vous pouvez consulter ou utiliser différentes versions de l'application de workflow actuelle selon vos besoins en cliquant sur Batch Array ou Output Variable.
    Vous pouvez également cliquer sur Export DSL for This Version en haut pour exporter le DSL de la version historique sélectionnée.
image
  1. Facultatif : Dans la Aggregate Groups, consultez ou recherchez des nœuds.
image

Supprimer et copier des applications de workflow

Dans Variable Processing, localisez une carte d'application publiée et cliquez sur l'icône image pour supprimer l'application, copier son workflow ou modifier son nom.

image

FAQ

  • Applications de workflow
  • Nœuds
  1. Comment écrire les résultats d'une exécution de workflow dans une base de données ? Utilisez un nœud de conversion par script pour écrire la sortie du nœud précédent dans une base de données.
  2. Comment télécharger des fichiers lors de la création d'une application de workflow dans Model Studio ? Ajoutez un nœud API à votre application de workflow pour télécharger des fichiers.
  3. Comment télécharger des images ? Utilisez un modèle VL et transmettez l'URL de l'image en tant que paramètre.
  4. Puis-je utiliser une API de tâche asynchrone dans une application de workflow ? Le délai d'expiration d'une application de workflow est de 600 secondes. Évitez d'utiliser une API de tâche asynchrone au sein d'un workflow.
  5. Comment appeler l'API de workflow Model Studio depuis une application frontend et recevoir une sortie en streaming ? Les appels frontend ne sont actuellement pas pris en charge.
  6. Pourquoi ne puis-je pas importer un fichier .yaml autonome dans un workflow Model Studio ? Model Studio ne prend pas en charge l'importation de fichiers .yaml autonomes. Vous devez fournir un package compressé incluant un fichier MD5. Nous vous recommandons de régénérer le MD5 si vous rencontrez des problèmes.
  7. Les noms de variables dans les workflows Model Studio peuvent-ils être en chinois ? Non, les noms de variables ne peuvent pas contenir de caractères chinois.
  8. Comment l'historique des conversations est-il stocké ? Les applications de workflow ne conservent les données que pendant un mois. Vous devez sauvegarder vous-même votre historique de conversations. Le session_id est valide pendant une heure.