这有个朋友（逊之）在搞 Coze 工作流，遇到了一些卡点，花了很长时间都没有解决。
因此，他来求助我。
借助 AI ，我快速帮他定位和解决了问题。
这里分享一个通过 AI 快速排查扣子工作疑难杂症的一种思路。
可以看到，他的工作流还是非常复杂的，节点非常多。
这个工作流是按别人的教程搞的，有很多小问题。这里是一个比较典型的问题：导出的字幕开始时间完全不对。
常规思路是：先跑一遍工作流，再逐节点查日志、定位问题，既耗时又低效。
我之前分享时提到要做思想转变，应该“AI First”,即默认 AI来做，AI 做不好人再上手。
因此，我们需要思考，能不能让 AI 帮我们更高效地排查扣子工作流中遇到的疑难杂症？
我认为现在人机交互几个关键点：第一是要把任务拆解到模型能力范围之内；第二要把任务描述清楚；第三要给大模型解决问题所需的充足而且准确的上下文。
首先，我认为排查这种问题肯定是大模型能力方案之类的。接下来我只需要把任务描述清楚，并给足上下文就可以了。
很多人没有注意到工作流是可以导出的。我们在右上角导出工作流。
导出工作流程之后，我们就可以看到这里的配置其实和网页我们见到的工作流是基本等价的，里面的那些参数代码在这个位置都可以用 YAML 的方式展示出来。
我们把工作流会产出剪映草稿的 JSON文件，可以通过“剪映小助手”导出剪映草稿文件。
我们把工作流的信息和检映草稿信息都放到一个文件夹里。
我们通过 AI Coding 工具，这里选择 Qoder，打开该文件夹。
我们只需要在对话框里描述我们观察到的异常现象，然后让它帮我们分析就可以了。
发现他给出几个被关键的分析。
我们看到它还需要知道其中一个组件align_text_to_audio返回的时间它是秒还是毫秒。
我们直接打开这个节点，把示例的返回贴给它就完事了。
那么看到他根据我们提供的返回值分析出了原因，然后给出了解决办法。
我们按照他给定的办法，在工作流中修改对应的代码，问题彻底解决。
再比如说我们想修改背景音乐，那么我们只需要提问就可以了。
其实，智能体平台完全有能力自动诊断和修复问题。它其实有我们的工作流配置信息，工具原信息，有调试的日志等。
现在还是 AI 时代相对早期，当平台没有提供这些功能的时候，我们可以用变通的方法去自己去实现。
如果文章对你有帮助，可以给我三连击：点赞、喜欢，并转发给身边需要的朋友。
希望本文分享的技巧对你有帮助，我们下次再见。
欢迎关注我的公众号：悟鸣AI，后续会陆续分享比较有用的 AI 工具和比较好的 AI 经验，比较客观理性的 AI 观点等。
