基于规则引擎的 AI 工作流编排

基于规则引擎的 AI 工作流编排

学习目标

读完本章后，你将能够：

• 理解基于规则引擎的 AI 工作流架构与节点编排模式
• 设计支持多节点类型（AI / 知识库 / 代码 / HTTP）的流程引擎
• 实现流式响应透传与流程上下文管理
• 掌握流程动态脚本扩展（Python / JavaScript / Groovy / Kotlin / Aviator）
• 理解流程停止机制与超时处理策略

---

核心概念

为什么选择规则引擎而非自研

AI 工作流编排有两种常见实现路径：

方案	代表	优势	代价
自研图引擎	LangGraph	完全可控、与代码深度集成	开发成本高、节点扩展需改代码
规则引擎	LiteFlow / Flowable	可视化编排、热更新、多脚本语言	学习成本、额外依赖

选择规则引擎的核心考量：业务人员可配置。通过可视化画布拖拽节点，非开发人员也能组装 AI 流程，这是低代码平台的关键差异化能力。

流程引擎架构

---

节点类型体系

标准节点分类

AI 工作流的节点按功能可分为三大类：

1. 流程控制节点

节点	职责	特点
开始节点	流程入口，接收输入参数	定义流程入参 schema
结束节点	流程出口，输出最终结果	支持多出口（不同分支不同输出）
分支节点	条件判断，路由到不同分支	支持 if/else 或多路分支
分类节点	语义分类，AI 判断走哪个分支	基于 LLM 意图识别
子流程节点	嵌套调用另一个流程	实现流程复用与模块化

2. AI 能力节点

节点	职责	特点
AI 节点	调用 LLM 进行对话/生成	支持模型选择、提示词、参数配置
知识库节点	RAG 检索增强	绑定知识库、配置 topK / 相似度
记忆节点	持久化记忆读写	支持 add_memory / query_memory 工具

3. 扩展节点

节点	职责	特点
Java 节点	执行业务 Java 代码	直接调用系统 API
脚本节点	执行 Python/JS/Groovy/Kotlin	多语言支持，GraalJS 沙箱
HTTP 节点	调用外部 REST API	支持 GET/POST、认证、超时
直接回复节点	直接返回固定内容	无需 AI 参与

节点扩展设计

扩展机制：新增节点类型只需实现统一的 FlowNode 接口，在节点注册表中声明即可，无需修改引擎核心。

---

流程上下文与生命周期

流程上下文（FlowContext）

流程上下文是贯穿整个流程执行过程的状态容器：

FlowContext
├── requestId          # 本次请求唯一标识
├── flowId             # 流程定义 ID
├── conversationId     # 会话 ID
├── topicId            # 话题 ID
├── inputParams        # 流程输入参数
├── outputResult       # 流程输出结果
├── stopped (AtomicBoolean)  # 停止标志（支持中途终止）
├── eventCallback      # 事件回调（SSE 推送）
└── currentNodeId      # 当前执行节点

关键设计：stopped 标志使用 AtomicBoolean，确保多线程环境下的可见性。当用户点击”停止”按钮时，设置该标志，正在执行的节点检测到后主动终止。

流程执行生命周期

事件类型体系

流程执行过程中的事件通过 SSE 实时推送，事件类型定义了完整的生命周期：

事件类型	时机	数据内容
EVENT_INIT_REQUEST_ID	流程初始化	requestId, conversationId, topicId
EVENT_MESSAGE	节点输出内容	流式 token 或完整文本
EVENT_THINKING	推理模型思考开始	thinking token
EVENT_THINKING_END	推理模型思考结束	空
EVENT_TOOL_EXEC_BEFORE	工具调用前	工具名称、参数
EVENT_TOOL_EXEC_DONE	工具调用完成	工具名称、结果
EVENT_FLOW_ERROR	流程执行异常	异常信息
EVENT_FLOW_FINISHED	流程执行完成	最终输出
EVENT_MESSAGE_END	消息推送结束	空

---

流式响应透传

问题背景

在 AI 流程中，LLM 的响应是流式的（SSE token-by-token）。如果流程引擎等到所有节点执行完才返回结果，用户体验会很差（长时间等待）。

解决方案：事件回调透传

流程引擎提供一个 eventCallback 钩子，每个节点在执行时将中间结果通过回调推送：

// 伪代码
flowRunParams.setEventCallback(eventData -> {
    if (EVENT_FLOW_FINISHED.equals(eventData.getEvent())) {
        // 流程完成，处理最终输出
        String output = data.getOutputs();
        appendAiMessage(output);
        saveConversation();
    }
});

优势：

• 前端实时看到每个节点的执行结果（“正在调用知识库…” → “正在调用 AI…” → 输出内容）
• 支持中途停止（通过 FlowContext.stopped 标志）
• 超时自动关闭 SSE（防止连接泄漏）

陷阱：

• SSE 连接超时：默认设置 -0L（无超时），但需要配合心跳或超时计时器防止连接泄漏
• 并发控制：流程执行线程池限制（固定 10 线程），超出排队
• 异常传播：节点异常需要通过 EVENT_FLOW_ERROR 推送，而非直接抛出异常中断 SSE

---

动态脚本扩展

多语言脚本引擎

基于 LiteFlow 的脚本节点支持多种语言：

脚本语言	引擎	用途
Python	liteflow-script-python	数据处理、文件操作
JavaScript	GraalJS	Web API 调用、JSON 处理
Groovy	liteflow-script-groovy	业务逻辑扩展
Kotlin	liteflow-script-kotlin	类型安全的脚本编写
Aviator	liteflow-script-aviator	轻量级表达式计算

设计取舍：脚本引擎标记为 provided 或 runtime scope（每个约 50MB），按需加载，避免增加基础包的体积。

脚本执行安全

• 沙箱隔离：GraalJS 提供沙箱环境，限制文件系统访问
• 超时控制：每个脚本节点可配置超时时间，超时自动终止
• 资源限制：脚本执行限制 CPU / 内存使用（通过容器或 JVM 参数）

---

设计取舍与替代方案

为什么选 LiteFlow

对比维度	LiteFlow	LangGraph	Spring State Machine
可视化编排	支持（JSON 定义）	需自建 UI	不支持
热更新	支持	需重启	不支持
多脚本语言	5 种	仅 Python	不支持
学习成本	中	低	高
社区活跃度	中（国内）	高（全球）	中

选择 LiteFlow 的核心理由：低代码平台需要业务人员可配置的可视化编排能力，LiteFlow 的 JSON 定义 + 可视化画布组合最符合这一场景。

替代方案

1. 自研轻量流程引擎：适合简单场景（3-5 个节点），但不支持可视化
2. BPMN 标准（Flowable/Camunda）：适合传统 OA 审批流，但 AI 场景支持弱
3. LangGraph：适合 Python 生态的 AI 工作流，但 Java 生态不兼容

---

参考来源

• LiteFlow 官方文档
• Workflow Patterns
• JeecgBoot AI 流程编排源码 v3.9.2