Bolt.js 工作流开发:如何获取表单变量并传递到自定义步骤
2025-06-28 21:22:49作者:田桥桑Industrious
在 Slack 应用开发中,Bolt.js 框架提供了强大的工作流功能,允许开发者创建包含表单收集和自定义处理的自动化流程。本文将详细介绍如何正确配置工作流表单变量,并将其传递到自定义步骤中进行处理。
工作流变量传递的基本原理
Slack 工作流中的表单收集步骤与自定义步骤之间的变量传递遵循以下机制:
- 变量类型匹配:表单字段类型必须与自定义步骤的输入参数类型兼容
- 参数映射:在工作流构建器中通过
{}下拉菜单显式建立变量引用关系 - 后端接收:Bolt.js 函数通过
inputs参数接收前端传递的变量
典型实现步骤
1. 定义函数输入参数
在应用的 manifest.json 文件中,需要明确定义自定义步骤的输入参数:
"functions": {
"sample_step": {
"input_parameters": {
"variable_a": {
"type": "string",
"title": "Variable A",
"is_required": true
}
}
}
}
参数类型支持 string、number、boolean 等基本类型,必须与表单字段类型匹配。
2. 工作流配置
在工作流构建器中:
- 添加表单收集步骤,配置所需字段(如短文本、下拉菜单等)
- 添加自定义步骤,在输入参数处点击
{}图标 - 从下拉菜单中选择对应的表单变量
3. 后端处理代码
在 Bolt.js 应用中,通过以下方式接收和处理变量:
app.function('sample_step', async ({ inputs }) => {
// 访问表单变量
const variableA = inputs.variable_a;
// 处理逻辑...
});
常见问题解决方案
类型不匹配错误
当出现变量传递错误时,首先检查:
- 表单字段类型是否与输入参数类型兼容
- 短文本 → string
- 数字输入 → number
- 单选按钮 → string
- 变量名称是否完全匹配(注意大小写)
调试建议
- 创建全新的测试应用和工作流,排除历史配置干扰
- 检查 manifest.json 语法是否正确
- 确保工作流步骤间的变量引用关系正确建立
最佳实践
- 命名规范:保持变量命名一致,使用下划线命名法
- 类型验证:在后端代码中添加类型检查逻辑
- 错误处理:为自定义步骤添加完善的错误处理和日志记录
- 文档记录:为每个输入参数添加清晰的描述信息
通过以上方法,开发者可以可靠地在 Bolt.js 工作流中实现表单数据到自定义步骤的传递,构建复杂的自动化业务流程。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0118
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.98 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.93 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
683
1.33 K
Ascend Extension for PyTorch
Python
719
880
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
457
439
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.1 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
151
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
305
118
昇腾LLM分布式训练框架
Python
178
221