Documentation Index
Fetch the complete documentation index at: https://docs.langdock.com/llms.txt
Use this file to discover all available pages before exploring further.
Überblick
Mit dem Code-Node verarbeitest du Workflow-Daten direkt mit eigenem JavaScript- oder Python-Code. Nutze ihn, wenn Standard-Nodes nicht ausreichen, zum Beispiel für Berechnungen, Formatierungen, Validierungen, Dateiverarbeitung oder individuelle Geschäftslogik.
Wann du den Code-Node verwenden solltest
Die Code-Node ist perfekt für:- Datentransformationen und Formatierung
- Mathematische Berechnungen
- Benutzerdefinierte Geschäftslogik
- JSON-Parsing und Manipulation
- Datenvalidierung und -bereinigung
- Datums-/Zeitoperationen
- Dateiverarbeitung mit Python
- KI-Analyse (verwende Agent-Node)
- Externe API-Aufrufe (verwende HTTP-Request-Node)
- Einfache Bedingungen (verwende Condition-Node)
- Lange oder interaktive Analysen (verwende Datenanalyse)
Konfiguration
Sprache: Wähle aus, ob du deinen Code in JavaScript oder Python schreiben möchtest. Code-Editor: Schreibe deine Transformationslogik in der ausgewählten Sprache im Code-Editor, der sich öffnet, wenn du den Code-Node auswählst Auf vorherige Nodes zugreifen: Outputs von vorherigen Nodes sind als Variablen im Code-Node verfügbar. Die verfügbaren Variablennamen werden oben im Code-Editor angezeigt. Wie du den Output des Code-Nodes später verwendest, findest du unter Auf Code-Output zugreifen.Beispiele
Statistiken berechnen
Daten validieren und bereinigen
Arrays transformieren und filtern
Datumsoperationen
JSON-Verarbeitung
Aggregieren und Zusammenfassen
Datei mit Python erstellen
Dateien, die du mit Python im Arbeitsverzeichnis erstellst, werden dem Node-Output unter_files hinzugefügt.
Python
Auf Code-Output zugreifen
Verwende den Code-Node-Namen, um auf zurückgegebene Werte aus JavaScript oder Python in nachfolgenden Nodes zuzugreifen:_files verfügbar:
Sprachfunktionen
Die Funktionen des Code-Nodes hängen von der ausgewählten Sprache ab.JavaScript
JavaScript läuft in einer sicheren Sandbox-Umgebung mit integrierten Utility-Funktionen:ld.request(): HTTP-Anfragen ausführenld.log(): Debugging-Informationen ausgeben- Datenkonvertierungen: CSV-, Parquet-, Arrow-Format-Konvertierungen
- Standard-JavaScript: JSON-, Date-, Math-, Array-, Object-Methoden
Vollständige Utilities-Referenz
Sieh dir alle verfügbaren Sandbox-Utilities an, einschließlich Datenkonvertierungen, SQL-Validierung, Kryptographie und mehr.
Python
Python läuft in einer isolierten Umgebung ohne Internetzugang.- Verwende
returnauf oberster Ebene, um den Node-Output festzulegen - Verwende
print(), um Logs zu schreiben - Verwende vorinstallierte Daten- und Dokumentbibliotheken wie pandas, numpy, openpyxl und pypdf
- Greife auf vorherige Node-Outputs als Variablen zu, wenn ihre Slugs gültige Python-Bezeichner sind
- Lies Workflow-Anhänge aus dem Arbeitsverzeichnis
- Speichere Dateien im Arbeitsverzeichnis, um sie unter
_filesbereitzustellen - Läuft ohne Internetzugang
ld.* sind in Python nicht verfügbar.
Best Practices
Gib strukturierte Objekte zurück
Gib strukturierte Objekte zurück
Gib Daten als Objekte zurück für einfachen Zugriff in späteren Nodes. Das macht es einfach, spezifische Werte in nachfolgenden Nodes mit Punkt-Notation zu referenzieren.
Handle fehlende Daten
Handle fehlende Daten
Verwende
||, Optional Chaining oder Python .get(), um Standardwerte bereitzustellen und Fehler zu verhindern, wenn Daten undefined oder null sind.Verwende Error Handling
Verwende Error Handling
Umschließe riskante Operationen mit
try/catch in JavaScript oder try/except in Python. Das hilft dir, Workflow-Fehler zu verhindern und aussagekräftige Fehlermeldungen bereitzustellen.Halte es einfach
Halte es einfach
Komplexe Logik könnte in einem Agent-Node besser aufgehoben sein. Verwende Code-Nodes für unkomplizierte Transformationen und Berechnungen, nicht für Aufgaben, die Intelligenz oder Kontextverständnis erfordern.
Füge Kommentare hinzu
Füge Kommentare hinzu
Dokumentiere, was dein Code macht, für zukünftige Referenz. Klare Kommentare helfen dir und deinem Team, die Logik zu verstehen, wenn der Workflow später erneut besucht wird.
Nächste Schritte
Agent
Verwende KI für intelligente Verarbeitung
HTTP Request
Hole externe Daten ab
Datenanalyse
Analysiere Daten mit einem Agent