快速开始：使用 OpenAI 节点创建 Flow

本节将通过一个实际示例，演示如何在 Flow Designer 中快速创建并测试一个基于 LLM 的 Flow。

该示例展示如何构建一个 Flow，从 MQTT 主题接收传感器数据，并使用 LLM（如 OpenAI GPT）对数据进行理解与自然语言摘要。最终生成的摘要将被发布到新主题 ai/summary，供下游系统使用。

场景说明

假设某设备周期性地向 MQTT 主题 sensors/temp_humid 上报温度和湿度数据，每条消息为 JSON 格式。EMQX 的 Flow 将执行以下步骤：

• 数据处理：提取设备 ID 及传感器数值；
• LLM 处理：使用 OpenAI 模型对数据进行摘要；
• 消息转发：将生成的摘要发布到新主题 ai/summary。

示例消息：

{
  "device_id": "device123",
  "temperature": 38.2,
  "humidity": 75,
  "timestamp": 1717568000000
}

期望输出（由 LLM 生成）：

设备 device123 当前温度为 38.2°C，湿度为 75%。

创建 Flow

前置条件

请确保你拥有有效的 OpenAI API 密钥。

1. 点击 Flows 页面上的 创建 Flow 按钮。

2. 添加一个消息节点：

   • 从左侧面板的 Source 区域拖拽一个消息节点。
   • 设置订阅主题为 sensors/temp_humid。
   • 点击保存。

3. 添加一个 Processing 节点：

   • 从 Processing 区域拖拽一个数据处理节点。
   • 添加以下字段映射：
     • payload.device_id → device_id
     • payload.temperature → temperature
     • payload.humidity → humidity
   • 点击保存。

4. 添加一个 OpenAI 节点：

   • 从 Processing 区域拖拽一个 OpenAI 节点并连接至 Data Processing 节点。
   • 配置节点参数如下：
     • 输入：填写 payload。
     • 系统消息：填写生成一段简洁、便于阅读的设备传感器读数摘要。。
     • 模型：选择 gpt-4o。
     • API 密钥：填写你的 OpenAI API Key。
     • 基础 URL：留空即可使用默认。
     • 输出结果别名：填写 summary。
   • 点击保存。

5. 添加一个消息重发布节点：

   • 从 Sink 区域拖拽一个消息重发布节点并连接至 OpenAI 节点。
   • 设置主题为 ai/summary。
   • 设置消息 payload 内容为 ${summary}。
   • 点击保存。

6. 将所有节点连接，然后点击页面右上角保存，完成 Flow 创建。

   

   Flow 与规则引擎的表单规则兼容，也可以在规则页面中查看对应的 SQL 和配置。

   

测试 Flow

1. 使用 MQTT 客户端连接至 EMQX。

   你可以使用 Dashboard 中的诊断工具 -> WebSocket 客户端模拟发布者，也可以使用 MQTTX 或真实设备：

   • 连接至 EMQX；
   • 订阅主题 ai/summary。

2. 启动测试：

   • 在 Flow Designer 中点击任意节点打开编辑面板。

   • 点击编辑，再点击开始测试，底部将出现测试窗口。

   • 点击输入模拟数据，并发布如下消息至主题 sensors/temp_humid：

     {
       "device_id": "device123",
       "temperature": 38.2,
       "humidity": 75
     }

3. 查看测试结果：

   • 若流程执行成功，将显示响应内容：

     

   • 返回 WebSocket 客户端页面，可收到类似以下内容：

     "设备 ID 为 device123 的当前状态：温度为 38.2°C，湿度为 75%。"

   • 若测试失败，系统会提示错误原因。

   • 若需查看该 OpenAI 节点的运行统计，在 Flows 页面中点击节点，在弹出的编辑面板中点击概览选项卡。