> For the complete documentation index, see [llms.txt](https://docs.airops.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.airops.com/docs/fr/actions/workflow-concepts/liquid-template.md).

# Templating Liquid

Une introduction à notre puissant langage de templating

## Qu'est-ce que Liquid ?

[Liquid](https://shopify.github.io/liquid/basics/introduction/) est un langage de modélisation créé par Shopify et largement utilisé par d'autres pour créer du contenu dynamique. Il est utile pour faire référence à des variables, modifier du texte (par exemple le tronquer) et créer une logique de base (instructions if, boucles for, etc.).

Liquid peut être utilisé dans la plupart des domaines de notre produit, notamment :

* Champs de saisie dans les workflows
* Prompts LLM
* Étapes de texte
* Étapes de recherche dans la base de connaissances
* Étapes JSON

{% hint style="info" %}
Les étapes de code n'utilisent PAS la syntaxe Liquid
{% endhint %}

## Comment référencer des entrées avec Liquid

Cette section explique comment faire référence à vos variables d'entrée prédéfinies.

1. Assurez-vous d'avoir [configuré une étape d'entrée](/docs/fr/actions/workflow-concepts/application-inputs.md)
2. Si vous n'avez pas saisi de nom de variable distinct, utilisez le nom de variable par défaut pour référencer la valeur d'entrée
3. Cliquez sur le sélecteur de variables violet pour voir la liste de vos entrées disponibles et sélectionner l'entrée souhaitée

Dans l'exemple ci-dessous, nous expliquons comment utiliser la valeur de notre variable d'entrée et la référencer dans notre étape LLM à l'aide de la syntaxe Liquid.

{% @arcade/embed url="<https://app.arcade.software/share/OMkzzu6SdRcxNWMEWIBm>" flowId="OMkzzu6SdRcxNWMEWIBm" %}

## Comment référencer des sorties avec Liquid

Tout comme pour les entrées, vous pouvez référencer les sorties de n'importe quelle étape précédente de votre workflow dans n'importe quelle étape suivante.

Actuellement, les noms des étapes sont définis automatiquement de manière incrémentale, par ex. `step_1` ,`step_2` , `step_3` , etc.

Pour référencer la sortie d'une étape, cliquez simplement sur le `numéro d'étape` pastille ou saisissez-le manuellement au format `{{step_12.output}}` . Si cette étape renvoie du JSON, vous pouvez alors référencer n'importe laquelle des sous-clés.

Dans l'exemple ci-dessous, nous expliquons comment consulter la liste complète des variables disponibles et utiliser la syntaxe appropriée pour les appeler dans votre workflow.

{% @arcade/embed url="<https://app.arcade.software/share/OMkzzu6SdRcxNWMEWIBm>" flowId="OMkzzu6SdRcxNWMEWIBm" %}

### Consolidation des sorties d'étapes à l'aide de Liquid

L'une des utilisations les plus utiles de la syntaxe Liquid consiste à la combiner avec notre étape de texte pour effectuer une mise en forme supplémentaire et garantir que votre sortie ressemble exactement à ce que vous souhaitez.

La capture d'écran ci-dessous montre comment nous référencer les sorties des étapes précédentes (en extrayant même des éléments spécifiques de tableaux comme variables) pour mettre en forme notre "step\_2" afin d'obtenir une sortie plus lisible et mieux organisée.

<figure><img src="https://344527547-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FX2n5yPRPynbnWuO4SH0M%2Fuploads%2Fgit-blob-685d5c894435024bb69ec29446a5b82aa67fdbbe%2FCleanShot%202025-03-04%20at%2007.12.15%402x.png?alt=media" alt="" width="563"><figcaption></figcaption></figure>

### Cas d'utilisation avancés de la modélisation Liquid

La modélisation Liquid offre de puissantes capacités pour gérer des structures de données complexes dans vos workflows. Voici des techniques avancées pour travailler avec des itérateurs, des tableaux et des données structurées.

#### Parcourir les sorties d'itérateurs

Lorsque vous travaillez avec l'étape d'itération, vous pouvez utiliser les `for` boucles de Liquid pour traiter les éléments du tableau de sortie. Ce modèle est couramment utilisé pour regrouper des informations issues de plusieurs itérations dans une seule sortie :

```
{% for chunk in step_12.output %}
  {{ chunk }}
{% endfor %}
```

#### Traitement des résultats de recherche

**Extraction de contenu de base**

Extrayez et mettez en forme le contenu des résultats de recherche ou des recherches dans la base de connaissances :

```
{% for result in step_3.output %}
  {{ result.content }}
{% endfor %}
```

**Gestion des métadonnées**

Accédez aux métadonnées des résultats de recherche dans la base de connaissances et mettez-les en forme :

```
{% for result in step_4.output %}
  Titre : {{ result.metadata.title }}
  Description : {{ result.metadata.description }}
{% endfor %}
```

En maîtrisant ces techniques avancées de modélisation Liquid, vous pouvez transformer des structures de données complexes en sorties bien mises en forme qui constituent des entrées parfaites pour les étapes suivantes de votre workflow.

### Plus d'informations

Pour plus d'informations sur Liquid, nous vous recommandons de consulter [la documentation de Shopify](https://shopify.github.io/liquid/).


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.airops.com/docs/fr/actions/workflow-concepts/liquid-template.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
