當 Node-RED 自動化流程越來越多，如果每個分頁都要手動拉一次「Prompt 組裝 ➔ Exec 節點 ➔ 指令引號跳脫 ➔ JSON 解析 ➔ 雙軌解包防禦」，編輯畫面看起來會像是一坨打結的耳機線。
未來想加一個 --effort low 或更換模型參數，就得在 10 個分頁裡手動改 10 次，極度容易改漏。
今天我們就用 Subflow（子流程），把 Google agy.exe 的呼叫邏輯打包成一個專屬的自訂節點 🤖 agy 推理核心大腦，其他分頁直接拖拉出來就能像原生節點一樣隨插即用！

本文同步發布於 GitHub： 2026-18th-it-ironman

為什麼必須封裝 Subflow？

封裝架構設計與資料流向

Subflow 內部由三個核心環節緊密配合，外部只需要傳入 msg.prompt（或可選的 msg.schema），其餘所有繁瑣的 CLI 轉義與解包工作全在積木內部自體完成：

[外部流程輸入: msg.prompt / msg.schema] 
       ↓
【第 1 站：指令組裝與參數正規化 (Function)】 ➔ 自動相容字串/物件，安全跳脫引號，動態追加 Schema 參數
       ↓
【第 2 站：呼叫本機 agy CLI (Exec)】 ➔ 執行本機 agy.exe，具備非同步執行與權限自動跳過保護
       ↓
【第 3 站：雙軌解包防禦 (Function)】 ➔ 自動相容 structured_output 與純文字，永遠輸出乾淨的 JSON 物件
       ↓
[外部流程接收: 乾淨標準的 msg.payload]

實戰動手做：5 步驟打造專屬 AI Subflow 樂高積木

步驟 1：建立 Subflow 框架與節點屬性設定

在 Node-RED 編輯器中建立一個乾淨的子流程容器：

1. 點擊右上角「選單」➔「子流程（Subflows）」➔「新建立子流程（Create Subflow）」。
   

2. 點擊左上角「編輯屬性」按鈕：
   

   • 名稱（Name）：🤖 agy 推理核心大腦
     

   • 分類（Category）：選擇外觀選項，然後再類別的下拉式選單選擇添加新的，填寫 AI 模組（設定完成後，左側節點選單會自動多出一個名為「AI 模組」的自訂分組，專屬積木就躺在裡面！）。
     

   • 描述（Info）：封裝本機 Google agy CLI 呼叫使用、JSON Schema 契約約束與雙軌解包防禦的通用積木。
     

   • 輸入埠（Inputs）：1

   • 輸出埠（Outputs）：1
     

先來看一下子流程最終會拉出來的樣子

步驟 2：內部第 1 站——指令組裝與參數正規化（Function 節點）

拉入一個 Function 節點，命名為 1. 建立 agy 指令。

這個節點的職責是將外部傳來的各種雜亂輸入（可能是純文字、可能是物件、可能帶有 Schema 約束）標準化為安全可執行的本機 CLI 指令：

核心組裝邏輯：

// 1. 自動相容外部傳入的 prompt 或 payload
const prompt = msg.prompt || (typeof msg.payload === 'string' ? msg.payload : JSON.stringify(msg.payload));

// 2. 基礎指令：使用 JSON.stringify 確保 Windows 命令列引號安全跳脫
let cmd = `agy -p ${JSON.stringify(prompt)} --dangerously-skip-permissions`;

// 3. 動態 Schema 約束支援：若外部有傳入 msg.schema，自動追加結構化參數
if (msg.schema) {
    const schemaStr = typeof msg.schema === 'object' ? JSON.stringify(msg.schema) : msg.schema;
    cmd += ` --json-schema ${JSON.stringify(schemaStr)} --output-format json`;
}

msg.payload = cmd;
return msg;

💡 設計亮點：
外部調用時完全不用管命令列的跳脫字元！無論提示詞裡面有沒有雙引號、換行符號或特殊的 JSON 語法，透過 JSON.stringify 處理後都能安全傳遞給 PowerShell / CMD 執行。

步驟 3：內部第 2 站——呼叫本機 agy.exe（Exec 節點）

拉入一個 Exec 節點，命名為 2. 呼叫 agy.exe，負責呼叫本機安裝好的 agy cli。

• 指令（Command）：留空（因為完整指令已經在步驟 2 由 msg.payload 傳入）。
• 附加 msg.payload：勾選。
• 輸出方式：選擇「當指令完成時 - exec 模式」。
• 超時（Timeout）：可設定為 60 秒，防止模型在極度複雜任務下無限期卡死。

連線方式：將步驟 2 的輸出端連至 Exec 節點的輸入端。

步驟 4：內部第 3 站——雙軌解包防禦（Function 節點）

拉入一個 Function 節點，命名為 3. 雙軌解包。

在串接 AI CLI 時，回傳的資料結構可能會因為有無指定 --json-schema 而有所不同：

• 有指定 Schema 時，模型會將結果封裝在 structured_output 屬性中。
• 一般問答時，可能包在 response 字串中，或者直接吐出純文字字串。

為了讓下游節點永遠不需要寫重複的 try-catch 或判斷式，我們在 Subflow 內部完成雙軌安全解包：

核心解包邏輯：

let parsed;
try {
    parsed = typeof msg.payload === 'string' ? JSON.parse(msg.payload) : msg.payload;
} catch (e) {
    parsed = { response: msg.payload };
}

// 軌道 1：優先提取 JSON Schema 約束下的 structured_output
let result = parsed.structured_output;

// 軌道 2：若無 structured_output，則檢查一般 response
if (!result && parsed.response) {
    try {
        result = typeof parsed.response === 'string' ? JSON.parse(parsed.response) : parsed.response;
    } catch (e) {
        result = parsed.response;
    }
}

// 終極保底：吐出最純淨的解包物件或原始結果
msg.payload = result || parsed;
return msg;

連線方式：將 Exec 節點的第一個輸出埠（標準輸出 stdout）連至此節點，最後將此節點的輸出端連至 Subflow 的輸出埠（Output Port）。

步驟 5：在任意業務流程中隨拖隨用

點擊子流程分頁右上角的「完成」，回到主畫布。

現在，你可以在任何日常流程中調用這顆專屬積木：

1. 從左側節點選單的「AI 模組」分類中，將 🤖 agy 推理核心大腦 拖拉至畫布。
2. 前方接上一個 inject 節點，後方接上一個 debug 節點。
3. 只需要在 inject 節點中注入想詢問的問題，整條 AI 推理與防禦解析即可自動完成！

成果驗收：雙場景實測成果

我們拉出兩個 Inject 測試節點，分別驗證「一般問答」與「嚴格 Schema 結構化輸出」的表現：

場景 A：一般自然語言問答測試（免 Schema）

• Inject 節點設定：

  {
    "prompt": "請以繁體中文一句話解釋什麼是 Subflow 子流程"
  }
  

• Debug 側邊欄輸出成果：

  "Subflow（子流程）是 Node-RED 中將多個節點封裝為單一可重複使用自訂積木的模組化機制。"
  

• 👉 表現分析：無需任何額外解析節點，Subflow 自動調度 CLI 並直接輸出乾淨的一句話繁體中文！

場景 B：嚴格 JSON Schema 約束輸出測試

• Inject 節點設定：傳入 Prompt 與 Schema 定義：

  {
    "prompt": "分析這份日誌並歸納：[ERROR] Disk space low on C: drive (only 2% free)",
    "schema": {
      "type": "object",
      "properties": {
        "level": { "type": "string" },
        "component": { "type": "string" },
        "suggestion": { "type": "string" }
      },
      "required": ["level", "component", "suggestion"]
    }
  }
  

• Debug 側邊欄輸出成果：

  {
    "level": "ERROR",
    "component": "Disk Storage (C:)",
    "suggestion": "請立即執行暫存檔清理或搬移 Downloads 檔案至外接儲存裝置，釋放磁碟空間。"
  }
  

• 👉 表現分析：Subflow 偵測到 msg.schema，自動注入 --json-schema 參數，並由雙軌解包節點自動抽取 structured_output，下游拿到的直接是型別嚴格的 JavaScript 物件！

完整 Flow 程式

本篇包含 Subflow 完整定義、參數預處理、Exec 本機調用與雙軌解包防禦邏輯，已完整封裝為 Flow JSON 檔。在 Node-RED 點擊「右上角漢堡選單」➔「匯入」即可一鍵部署出專屬的 AI 積木：

本範例 flow 位置：👉 下載

今日總結與明日預告

今天解決了過去「在每個分頁複製貼上 4~5 顆繁瑣節點」的低效模式，成功打造出全專案共用的 🤖 agy 推理核心大腦 Subflow 積木。未來任何新流程只要拉出這顆積木，就能立刻獲得本機 AI 的強大推理能力！

• 明天（Day 15）：我們將探索如何從外部調用本機 AI——本機 AI HTTP API 網關：手機捷徑與終端一鍵呼叫 AI！