diff --git a/data/chroma/kb_2/714cba61-f48b-47c5-bcb8-eed8ffd400b0/data_level0.bin b/data/chroma/kb_2/714cba61-f48b-47c5-bcb8-eed8ffd400b0/data_level0.bin
index eded1b7..1b34c60 100644
Binary files a/data/chroma/kb_2/714cba61-f48b-47c5-bcb8-eed8ffd400b0/data_level0.bin and b/data/chroma/kb_2/714cba61-f48b-47c5-bcb8-eed8ffd400b0/data_level0.bin differ
diff --git a/data/chroma/kb_2/chroma.sqlite3 b/data/chroma/kb_2/chroma.sqlite3
index 78f49c3..508eb32 100644
Binary files a/data/chroma/kb_2/chroma.sqlite3 and b/data/chroma/kb_2/chroma.sqlite3 differ
diff --git a/th_agenter/services/workflow_engine.py b/th_agenter/services/workflow_engine.py
index 337d346..48b4322 100644
--- a/th_agenter/services/workflow_engine.py
+++ b/th_agenter/services/workflow_engine.py
@@ -720,6 +720,66 @@ class WorkflowEngine:
         # 准备提示词
         prompt_template = config.get('prompt', '')
         
+        # 如果提示词为空，尝试自动构建提示词
+        if not prompt_template:
+            # 检查是否有知识库搜索结果
+            previous_outputs = input_data.get('previous_outputs', {})
+            knowledge_base_results = None
+            user_query = None
+            
+            # 查找知识库节点的输出
+            for node_id, output in previous_outputs.items():
+                if isinstance(output, dict) and output.get('knowledge_base_id'):
+                    knowledge_base_results = output.get('results', [])
+                    user_query = output.get('query', '')
+                    break
+            
+            # 如果没有找到知识库结果，尝试从工作流输入中获取查询
+            if not user_query:
+                workflow_input = input_data.get('workflow_input', {})
+                # 尝试获取第一个非空字符串值作为查询
+                for key, value in workflow_input.items():
+                    if isinstance(value, str) and value.strip():
+                        user_query = value.strip()
+                        break
+            
+            # 构建提示词
+            if knowledge_base_results and len(knowledge_base_results) > 0:
+                # 有知识库结果，构建RAG风格的提示词
+                context_parts = []
+                for i, result in enumerate(knowledge_base_results[:5], 1):  # 取前5个结果
+                    content = result.get('content', '').strip()
+                    if content:
+                        # 限制每个结果的长度，避免提示词过长
+                        max_length = 1000
+                        if len(content) > max_length:
+                            content = content[:max_length] + "..."
+                        context_parts.append(f"【参考文档{i}】\n{content}\n")
+                
+                context = "\n\n".join(context_parts)
+                prompt_template = f"""你是一个专业的助手。请仔细阅读以下参考文档，然后回答用户的问题。
+
+{context}
+
+【用户问题】
+{user_query or '请回答上述问题'}
+
+【重要提示】
+- 参考文档中包含了与用户问题相关的信息
+- 请仔细阅读参考文档，提取相关信息来回答用户的问题
+- 即使文档没有直接定义，也要基于文档中的相关内容进行解释和说明
+- 如果文档中提到了相关概念、政策、法规等，请基于这些内容进行回答
+- 回答要准确、详细、有条理，尽量引用文档中的具体内容"""
+                logger.info(f"自动构建RAG提示词，包含 {len(knowledge_base_results)} 个知识库结果，用户问题: {user_query}")
+            elif user_query:
+                # 没有知识库结果，但有用户查询，构建简单提示词
+                prompt_template = user_query
+                logger.info(f"自动使用工作流输入作为提示词: {user_query}")
+            else:
+                # 既没有知识库结果，也没有用户查询
+                prompt_template = "请帮助我处理这个任务。"
+                logger.warning("LLM节点提示词为空，且无法从上下文获取，使用默认提示词")
+        
         # 检查是否启用变量替换
         enable_variable_substitution = config.get('enable_variable_substitution', True)