自定义工作流

说明： 原先的 Spring Boot 示例模块 agentscope-examples/multiagent-patterns/ 已在 2.0 包重构中移除。请以本文中的代码片段作为参考实现。其他可运行示例见 agentscope-examples/documentation/。

​

特点

• 图结构完全自定：节点与边由你定义，框架不固定拓扑。
• 混合确定性与智能体步骤：部分节点不调用 LLM（如 retrieve、list_tables），部分节点调用模型或带工具的 Agent。
• 显式状态：每个节点读写状态（如 question、rewritten_query、documents、messages）；通过 Key 策略（replace / append）控制合并方式。
• 可组合：可将其他模式作为节点嵌入，例如将 AgentScopeAgent 或 Pipeline 作为图中的单个节点。

​

何时使用

• 需要多阶段流水线，且不是简单的“同构智能体顺序执行”（例如：rewrite → retrieve → agent，或 list_tables → get_schema → generate_query）。
• 希望将非 LLM 步骤（检索、数据库、API）与 LLM/智能体步骤按固定顺序组合。
• 标准模式（Pipeline、Routing、Subagents、Supervisor）无法表达你的流程，或需要条件分支、循环等更灵活的控制。

​

实现方式

1. 定义状态与策略：创建 StateGraph，指定名称与 Map<String, KeyStrategy> 的提供者。对单值 key（如 question、rewritten_query）使用 ReplaceStrategy，对列表或消息历史（如 messages）使用 AppendStrategy。
2. 添加节点：节点可以是：
   • 函数节点：实现 NodeAction（同步或通过 node_async(...) 异步）。接收 OverAllState，返回 Map<String, Object> 作为状态更新。可以是纯逻辑（如向量检索）或一次 LLM 调用（如改写）。
   • 智能体节点：AgentScopeAgent.asNode()。智能体从状态获取输入（如通过 instruction 的 {input} 或 state 内容），并返回更新（如 messages）。
3. 添加边：addEdge(START, "first_node")、addEdge("node_a", "node_b")、addEdge("last_node", END)。若需条件路由，可使用条件边（下文示例未展开）。
4. 编译与调用：graph.compile() 得到 CompiledGraph；传入初始状态 Map 调用，从返回结果中读取最终状态（如 messages、answer）。

START → rewrite → retrieve → prepare_agent → rag_agent → END

• rewrite：LLM 改写查询以提升检索效果（使用 Model 的函数节点）。
• retrieve：向量相似度检索，无 LLM（使用 Knowledge 的函数节点）。
• prepare_agent：将上下文与问题格式化为 prompt（确定性函数节点）。
• rag_agent：AgentScopeAgent（ReActAgent），带上下文与可选工具（如 get_latest_news）。

START → list_tables → call_get_schema → get_schema → generate_query → END

• list_tables：列出数据库表（使用 SqlTools 的函数节点）。
• call_get_schema：LLM 决定获取哪些表的 schema（函数节点）。
• get_schema：执行 schema 查询（函数节点）。
• generate_query：AgentScopeAgent，具备 sql_db_list_tables、sql_db_schema、sql_db_query 工具，生成并执行 SELECT。

​

示例项目

• workflow.rag.enabled – 启用 RAG 工作流 Bean（默认 false）。
• workflow.sql.enabled – 启用 SQL 工作流 Bean（示例中默认 true）。
• workflow.runner.enabled – 为 true 时，启动时执行一次演示（示例中默认 true，需与上述其一搭配）。
• DashScope API Key：AI_DASHSCOPE_API_KEY 或 spring.ai.dashscope.api-key（RAG 与 SQL 均需；RAG 还需配置 embedding 模型）。

​

与其他模式的关系

• Pipeline：Pipeline 使用流式智能体（SequentialAgent、ParallelAgent、LoopAgent）和固定拓扑（顺序、扇出、循环）。自定义工作流使用 StateGraph 与任意节点/边，可手动实现类似流水线并加入条件或“确定性 + 智能体”混合步骤。
• Routing：Routing 为“分类 → 专家 → 合并”。在自定义工作流中可用自己的图实现（如 router 节点 → 分支 → 专家 → 合并节点）。
• Handoffs：Handoffs 通过状态（如 active_agent）在智能体节点间路由。自定义工作流也可用条件边与状态实现；Handoffs 是专门表达“谁负责当前对话”的交接模式。

​

相关文档

• Pipeline - 预定义流程（顺序、并行、循环）
• Routing - 分类 → 专家 → 综合
• 概览 - 多智能体模式总览