Nova AI动态提示词需通过变量机制实现内容自动带入，支持用户变量和系统变量两类，语法为${variable_name}，可通过工作流节点注入或上下文抽取赋值，但不支持嵌套变量与纯提示词内数值判断。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在Nova AI中编写动态提示词时，需要让提示词能根据用户每次输入自动带入不同内容，比如把用户说的“帮我把会议纪要整理成3条重点”里的“3条”变成实际数字参与逻辑判断，而不是写死成“3”。这必须依赖变量机制实现，否则所有提示词都只能处理固定格式输入。
识别可用变量类型
进入Nova AI提示词编辑界面后，先确认当前支持的变量来源：只有【用户变量】和【系统变量】两类可直接引用。用户变量是你自己定义并维护的，比如user_preferred_language；系统变量是平台自动生成的，如device_language、user_id，但默认关闭，需手动开启开关才可用。
点击右上角【记忆】→【变量】，打开变量管理页——这里能看到所有已启用的变量及其当前值。没出现的变量说明尚未配置或未开启权限，不能在提示词里使用。
在提示词中插入变量
变量语法统一用${variable_name}格式，注意左右大括号必须完整，中间不能有空格。例如想让AI根据用户语言偏好生成回复，就写成：“请用${user_preferred_language}输出结果”。
如果变量名拼错或未启用，AI会原样输出${xxx}字符串，不会报错也不会替换，调试时要重点检查这个。
给变量赋值的两种方式
方法一：通过工作流节点注入
在绑定工作流的Agent中，可在“变量”组件里设置变量值。例如用正则提取用户输入中的数字：【message】字段匹配“整理成(\d+)条重点”，捕获组1赋给变量summary_count。这样${summary_count}就能拿到真实数值。
方法二：靠上下文自动抽取（仅限单Agent模式且未绑定工作流）
当智能体运行在纯LLM模式（不走工作流），且你在用户变量配置里打开了“支持基于用户上下文抽取”，系统会尝试从最近3轮对话中识别关键词并更新变量。比如用户说“我习惯看简体中文”，可能自动设${user_preferred_language}=“zh-CN”。但该机制不稳定，关键业务逻辑别依赖它。
变量嵌套与组合使用
第一步：先确保基础变量存在且有值，比如${user_name}和${topic}都已在变量管理页显示非空。
第二步：在提示词里组合使用，例如：“用户${user_name}正在讨论${topic}，请结合其历史偏好${user_preferred_language}生成建议。”
第三步：避免嵌套变量，如${${user_role}}不被支持——变量名必须是静态字符串，不能由另一个变量动态生成。
第四步：若需条件分支，用工作流里的“条件”节点判断${summary_count} > 5再走不同路径，纯提示词内无法做数值比较。
