Transformation
Les nodes de transformation reformatent et modifient les données entre les étapes de votre workflow. Ils ne génèrent pas de contenu nouveau — ils réorganisent, filtrent et mettent en forme ce qui existe déjà. Ce sont les « traducteurs » entre les nodes.
Text Template
Tip
Text Template crée du texte à partir d'un modèle avec des variables. Vous utilisez la syntaxe {{variable}} pour insérer des données dynamiques. C'est parfait pour formater des prompts, des emails, ou des messages personnalisés.
Exemple
Vous créez un email de suivi automatique. Template : « Bonjour {{nom}},\nVotre dossier {{référence}} a été traité. Résultat : {{résultat}}.\nCordialement. ». Les variables sont remplies par les données du workflow.
Note
Warning
JSON Transform
Tip
JSON Transform extrait ou réorganise des données JSON en utilisant des expressions. Par exemple, $.data.users[0].name extrait le nom du premier utilisateur. C'est utile pour sélectionner, filtrer ou restructurer des données entre deux nodes.
Exemple
Un HTTP Request retourne un gros objet JSON avec des données imbriquées. JSON Transform extrait juste la liste des résultats avec $.response.data.items et la passe au node suivant.
Note
Warning
Code Transform
Tip
Code Transform vous permet d'écrire du code JavaScript pour transformer des données. Contrairement à Code Execution (qui est un outil généraliste), Code Transform est optimisé pour la transformation : il a accès à l'entrée, à l'état du workflow, et aux sorties des autres nodes.
Exemple
Vous recevez une liste de documents avec des scores. Code Transform : return context.input.sort((a, b) => b.score - a.score).slice(0, 3); — trie par score décroissant et garde les 3 meilleurs.
Note
Warning
Filter
Tip
Filter prend une liste d'éléments et les sépare en deux groupes : ceux qui passent la condition (filtered) et ceux qui ne passent pas (rejected). C'est utile pour nettoyer des données ou séparer les résultats selon un critère.
Exemple
Vector Search retourne 10 documents. Filter ne garde que ceux avec un score > 0.8. Les 6 documents pertinents vont au LLM Chat, les 4 documents moins bons sont ignorés.
Note
Warning