从源码看 AI 与流程引擎的分工:驰骋 BPM 的 AI 落点与边界

任务交互层决定工作流成败:驰骋BPM对比三款主流开源引擎 工作流引擎是连接业务流程与信息系统的核心中间件,承担着流程定义、任务调度、状态流转等底层能力。然而,真正决定用户体感的往往是任务交互层——待办列表如何呈现、审批按钮如何响应、已办历史如何追溯。平台型BPM如驰骋BPM,将任务交互层封装为四大菜单与三大处理器,提供开箱即用的完整方案;而Flowable、Camunda、Activiti作为开源流程引擎,仅暴露TaskService等API,需要开发者自行构建交互界面与业务数据关联。从技术价值看,平台型BPM适合快速交付的政企OA项目,开源引擎适合对流程内核深度 阅读详情

本文基于仓库源码静态分析,梳理 AI 能力在设计期/运行期的分布与工程边界,供架构与平台工程师参考。

AI 是更快的输入法,引擎是必须成立的编译器——从驰骋 BPM 的 AI 落点看两类能力的边界

依据代码:CCFlow/Components/BP.WF/AITools.cs、WF_Admin_AI*.cs、Vue3/src/WF/Admin/GPN_AI*.ts、Vue3/src/Copilot/ 文档版本:2026-09 写作口径:只写仓库里能对得上的调用链与字段,不做「AI 全能」或「低代码已死」的结论。


一、先把问题问清楚

「有了 AI 还需要低代码吗」这句话,通常混了三个不同的问题:

  1. 写页面的活要不要 AI 干?——这是生成能力问题。
  2. 业务怎么落地要不要模型和元数据?——这是运行时问题。
  3. 改一处、影响哪里由谁保证?——这是治理问题。

AI(大模型)最擅长的是第 1 类:从自然语言或截图产出一段结构化文本。 低代码擅长的是第 2、3 类:把业务规则固化成可校验、可升级、可审计的元数据与代码结构。

下面不空谈,直接看驰骋 BPM 把 AI 放在了哪些位置,以及它故意没有让 AI 碰哪些位置。


二、驰骋把 AI 放在哪里:一张调用图

从代码看,驰骋的 AI 能力集中在设计期,入口是若干 GPN_AI* 向导,落点是后端 WF_Admin_AI*.cs 与 AITools.cs。运行期(发送、退回、找人、会签)目前仍由确定性引擎执行,没有 AI 介入。

设计期(AI 参与)
├─ AI 流程        GPN_AIFlowNew / GPN_AIFlow.ts        → WF_Admin_AIFlow
├─ AI 修改流程    Prompt_AIFlow.ts                      → WF_Admin_AIFlow_Designer
├─ AI 表单        GPN_AIFrm.ts                          → WF_Admin_AIFrm
├─ AI 大屏        GPN_RptBlueAI.ts                      → HttpHandlerRpt
├─ AI 高代码实体  GPN_AIFrm(From=GPN_MenuHardCode)      → WF_Admin_AIFrm.AiHardCode_*
├─ AI 接收人      GPN_AIAccepter.ts                     → WF_Admin_AI.AiNode_DeliveryWays*
└─ AI 助手        Vue3/src/Copilot/index.vue            → WF_Admin_AI_Copilot / WF_Admin_AI

运行期(AI 不参与)
└─ 发送 / 退回 / 找人 / 会签 / 超时  →  WorkNode、FindWorker、ExecEvent(纯确定性代码)

底层只有一个薄封装:BP.WF.AITools,默认走 DeepSeek 的 chat/completions,JSON 模式强制 response_format=json_object,温度 0.3,超时 300 秒(见 AITools.cs 的 CallDeepSeekChatAsync)。识图另配 OpenAI 兼容视觉接口,未配置时回退通义千问多模态——这是工程上很实在的一处取舍:deepseek-chat 不支持 image_url,所以识图必须换模型,代码里写得很直白。


三、AI 干得好的部分:把「描述」变成「草稿」

3.1 表单:识别「分组」与「从表」

AITools.Frm_Words 构造的提示词,是整个 AI 表单能力的核心。它做了几件低代码平台自己不太会写、但 AI 很擅长的事:

  • 给上下文:把已存在的字段、可用枚举库、可用外键表、已有分组、已有从表全部拼进提示词,要求「不要重复、优先复用」。
  • 定输出格式:强制返回纯 JSON 数组,字段结构固定为 No / Name / 数据类型 / 逻辑类型 / 长度 / 备注 / 分组 / 是否必填 / ExtInfo / Tip。
  • 区分分组与从表:提示词里明确「一条业务只有一份的信息放 main 的不同分组;一对多、可多行重复的才是从表」。
  • 生成时就把扩展属性带上:ExtInfo 里包含 @Icon=、@JSExp=正则^^提示、@suffix=cm,等于让 AI 顺手把图标、校验、单位也配了。

识图场景更体现工程细节。Frm_Words(...MainAndDtl) 会要求模型把纸质/扫描表单里「标题上方的单值项」放主表、「中间多列多行的表格区」放从表,并强制 dtls 至少一条。返回后 Frm_ParseAiFormMainAndDtls、Frm_AttrResponseToDataTable 负责剥 Markdown 围栏、兼容 {"main":[],"dtls":[]} 或纯数组、列名归一化(name→Name、type→数据类型)、缺失列补默认值。AI 输出天然不稳定,这一层清洗是让草稿能进设计器的前提。

前端 GPN_AIFrm.ts 的 EnsureMergedSelectionSource 也值得一提:它把主表字段和从表字段合成一棵「分组 + 项」的勾选树,用户先勾选、再落库(AiFrm_SaveAttrs / AiFrm_DtlsSave)。AI 生成的永远只是候选,落库动作由人确认。

3.2 流程:把自然语言翻译成一串方法调用

WF_Admin_AIFlow_Designer.Edit() 是这套体系里最像「agent」的一段。流程:

  1. 导出当前流程的 XML 模板(flow.GenerFlowXmlTemplete(),超 12 万字符截断);
  2. 连同用户提示词、Flow/Node/Cond 字段说明一起塞给模型;
  3. 要求模型返回一个任务数组,每个任务是 { MethodName, MethodParas, GenerPara };
  4. 后端按序调用 Dev2InterfaceCCFast.ExeMethod,用 GenerPara(如 @NodeID)在任务间传递上一步产物。

也就是说,AI 不直接改数据库,它只填参数;真正改流程的是 Dev2InterfaceCCFast 里既有的、经过事务与校验的静态方法(FlowTemplate_NodeCreate、FlowTemplate_DirCreate、FlowTemplate_CondCreate_ByFrm…)。提示词里甚至写明了「用真实 NodeID,勿臆造」。

这是个可以推广的范式:让模型做意图 → 方法映射,让既有 API 做落地。 好处是 AI 出错时,错在参数而非数据一致性。

3.3 接收人:只放开「客观型」规则

WF_Admin_AI.AiNode_DeliveryWaysGener/Save 有一段很克制的设计。它把 DeliveryWay 分成两类:

  • 客观型(AiSafeDeliveryWays):与上一节点处理人相同、与发起人相同、部门负责人、直属领导、分管领导——这些由组织结构在计算期推导,不需要再绑定角色/部门/人员集合,写 Node.DeliveryWay 即可生效。
  • 绑定型:按角色、按部门、按人员、按表单字段——需要额外配置。AI 拒绝自动落库,返回明确提示,引导用户去接收人规则页手填。

代码里的处理是 IsAiSafeDeliveryWay,不在白名单就直接返回:

该接收人规则需要额外绑定角色/部门/人员或表单字段,为避免节点缺失配置导致发送失败,AI 暂不作为"全自动落库",请在接收人规则页手动选定该规则并完成绑定。

这是全文最值得记的一个细节。它说明作者想清楚了一件事:AI 的可用边界,不是模型能力边界,而是"出错后系统能不能兜住"的边界。 会导致发送失败的配置,宁可不自动做。

3.4 高代码:AI 生成 TypeScript / C# / Java 实体

AiHardCode_GenerFromWords/Img 代表另一条路线:不生成低代码元数据,而是生成高代码实体类。它先让 AI 判断表单形态(Gener_FrmTypeByPrompt:EntityNoName 实体 / EntityOID 单据 / EntityTree 树),再生成三套源码——GenerCodeTS2024、GenerCodeCS2024、GenerCodeJava2024,用同一套 fillMapLinesInto 规则保证三种语言语义一致,最后写入 Vue3Path 下的目录。

这里出现了本文要讨论的核心问题:AI 生成的代码,怎么接进一个已经成体系的工程? 驰骋的答案是给代码一个「模板」和「归宿」——实体继承 EntityNoName/EntityOID,EnMap 里用平台约定的 AddTBString/AddDDLSysEnum/AddTBDtl,保存时写进约定的目录。AI 只填内容,不决定架构。


四、AI 干不好、也不该干的部分

4.1 运行时不能交给概率

流程引擎的核心是「发送到下一个节点后状态一定可推导」。WorkNode 的按 RunModel 分派(NodeSend_11、NodeSend_24_SameSheet…)、FindWorker 的 50+ 种接收人计算、ExecEvent 的事件时序——这些一旦掺入模型输出,就失去了「同一输入必得同一结果」这个前提,审计和排障都无从谈起。

所以从代码看,驰骋的 AI 全部落在设计期:改的是 WF_Flow、WF_Node、Sys_MapAttr 这类元数据,改完经设计器保存、经流程检查(FlowDesignerV2 的 SSE 检查)验证,才进入运行期。AI 产出的东西,必须先「固化」成确定性的配置或代码。

4.2 「生成一个页面」不等于「交付一个系统」

回到第一节的第 2、3 问。一个业务系统真正难的不是画出表单,而是:

问题谁来回答驰骋的载体
这个菜单谁能看见、能点哪些按钮权限模型GPM_Menu + 权限中心
这一步该找谁找人引擎DeliveryWay + Port_*
退回范围、超时怎么处理流程语义NodeAttr / FlowAttr
业务数据怎么查、怎么报表数据模型ND{Flow}Rpt、通用数据源
配置用尽了怎么扩展扩展点事件 + 高代码模式子类

这些是结构性的,不是生成性的。AI 能帮你更快地填出表单字段,但它不会替你决定「一人多部门时按本部门角色找人」该怎么配——那是组织建模。

4.3 一致性靠的是约束,不是提示词

高代码那一章(doc/低代码部分/面向模式编程思想-的高代码开发.md)讲得很清楚:驰骋前端有 14 种页面模式,基类定契约、子类写业务、解析页面统一渲染。这个「铁三角」的价值,在 AI 时代反而更明显——

  • 基类约束了子类「必须实现 Init()、BtnClick()」,格式统一;
  • 解析页面统一了 UI,升级 Vue/组件库时业务子类不动;
  • 工厂按 ClassID 注册,避免「野生页面」。

有了 AI,生成 100 个 GL_* 子类变得很容易。但如果没有基类约束和工厂注册,这 100 个文件就是 100 个失控点。低代码/模式化提供的约束,正是让 AI 的产物可治理的前提。


五、结论:不是替代,是分工

回到标题。从驰骋 BPM 的代码分布看,AI 与低代码的关系更像这样:

维度AI 负责低代码/引擎负责
产出物草稿(字段、节点、代码片段)结构(元数据、表结构、权限、运行时)
时机设计期,人确认后落库运行期,确定性执行
正确性概率,需清洗与校验可推导、可审计
出错影响参数错,重来即可数据一致性,必须兜住
边界依据模型能力「出错能不能兜住」

所以答案不是「有了 AI 就不需要低代码」,而是:

  1. AI 把低代码的门槛进一步压低——从「会拖拽配置」压到「会描述业务」。驰骋的 GPN_AI* 向导、Copilot 助手(自然语言打开菜单/发起流程)都在做这件事。
  2. 低代码/引擎把 AI 的产出变得可用——没有 EnMap、没有 DeliveryWay 白名单、没有 Dev2Interface 这些结构化落点,AI 生成的内容只是一段无法进系统的文本。
  3. 两者的接缝就是 AI 落地成败的关键——AITools 的字段归一化、AiSafeDeliveryWay 的安全集合、任务 JSON 的占位符替换,这些「不性感」的工程代码,才是决定 AI 能力能不能上生产的地方。

一句话:AI 是更快的输入法,低代码/引擎是必须成立的编译器。 打字快不能替代编译器,但编译器配上快输入法,交付效率是真的会变。


附录:本文涉及的代码索引

主题路径
AI 底层封装(DeepSeek / 视觉模型)CCFlow/Components/BP.WF/AITools.cs
AI 表单提示词与解析AITools.Frm_Words、Frm_ParseAiFormMainAndDtls、Frm_AttrResponseToDataTable
AI 表单 HandlerCCFlow/Components/BP.WF/CCFast/WF_Admin_AIFrm.cs
AI 流程生成CCFlow/Components/BP.WF/CCFast/WF_Admin_AIFlow.cs
AI 流程修改(任务 JSON)CCFlow/Components/BP.WF/CCFast/WF_Admin_AIFlow_Designer.cs
AI 接收人(安全集合)CCFlow/Components/BP.WF/HttpHandler/WF_Admin_AI.cs
AI 助手指令解析CCFlow/Components/BP.WF/HttpHandler/WF_Admin_AI_Copilot.cs、Vue3/src/Copilot/
AI 表单向导(前端)Vue3/src/WF/Admin/GPN_AIFrm.ts
AI 流程向导(前端)Vue3/src/WF/Admin/FoolFormDesigner/GPN_AIFlowNew.ts、Vue3/src/WF/Admin/AI/Prompt_AIFlow.ts
AI 大屏向导(前端)Vue3/src/CCFast/RptBlue/GPN_RptBlueAI.ts
流程修改接口(AI 调用的落地方法)Dev2InterfaceCCFast.FlowTemplate_*、ExeMethod
高代码模式(约束 AI 产物的框架)doc/低代码部分/面向模式编程思想-的高代码开发.md

本文基于当前仓库源码静态分析撰写,AI 相关能力仍在迭代,具体行为以你部署的版本为准。

企业级AI Agent多智能体协同与长链路工作流调度实践 工作流引擎是企业级AI系统将复杂业务目标拆解为可执行任务的关键基础设施。它通过有向无环图和状态机模型定义任务依赖关系,统一调度多个AI Agent协同执行,确保长链路任务不丢状态、可监控、可恢复。在企业数字化场景中,这种机制能显著提升多智能体协作的稳定性和可控性,广泛应用于自动化报告生成、智能审批、流程编排等业务。本文基于一个实际项目,详细解析了如何利用Vue3构建三端交互界面,使用FastAPI实现异步调度中枢,结合Redis、Celery和WebSocket打造企业级AI Agent协同与工作流调度系统 阅读详情

相关推荐

LangGraph快速入门:用有向图编排AI工作流

AI工作流编排正从线性链式结构转向更符合现实业务的有向图模型。LangGraph作为轻量级Python原生图编排框架,通过State Schema统一状态管理、Conditional Edge实现可测试分支逻辑、Self-loop支持原生重试机制,解决了LangChain在复杂交互场景下的状态散落、分支难维护与循环表达缺失等核心痛点。其技术价值在于将AI Agent开发从‘能跑’升级为‘稳、可查、可扩’,适用于客服路由、数据分析流水线、多步骤决策系统等需条件判断、状态共享与人工干预的真实工程场景。本文聚焦L

weixin_42532473的博客 172

Praxist AGENTS.md 贡献契约深度解读:仓库身份、三层架构边界与工程护栏

`AGENTS.md` 是 Praxist 仓库根目录下的一份机器友好型贡献契约(Contributor Contract),面向所有"将要编辑这个仓库"的 Agent 与人类开发者,要求他们在任何架构、运行时、插件、任务、测试或文档变更之前先阅读它。本文以该文件为绝对主体,逐节拆解其 34 个条款,并结合 `praxist/cli/`、`praxist/task_spec.py`、`praxis

gitblog_00369的博客 141

从KSA到FNF:硬核游戏玩法在节奏模组中的“低代码”转译实践

游戏模组(Mod)是玩家社区参与和扩展游戏内容的核心方式,其背后体现了模块化、数据驱动和内容与引擎分离的现代游戏开发思想。通过将复杂的游戏机制抽象为可配置的数据和规则,模组创作得以大幅降低技术门槛,实现创意的快速验证与迭代。以《Friday Night Funkin‘》(FNF)为代表的节奏游戏框架,凭借其标准化的谱面编辑器和资源管线,成为了承载各类游戏IP衍生创作的理想“低代码”平台。本文以KSA系列衍生FNF模组为例,深入剖析如何将高难度的弹幕射击机制“转译”为节奏游戏的音符序列,探讨了**玩法机制映射

weixin_33796177的博客 287

JeecgBoot 低代码平台完整上手指南:5 步跑通,把建表到上线的重复工作压到分钟级

JeecgBoot 低代码平台是一个开源的企业级 AI 低代码平台,解决的是管理系统开发里最耗时的部分:你给一张数据库表,它自动产出增删改查代码、前后端工程和菜单权限;表单、审批流、报表、大屏则靠拖拽和配置完成。对以"表 + 增删改查 + 审批"为主的企业内部系统来说,它能把原本半天的重复劳动压到几分钟,而且生成的是标准代码,可以随时手工接管,不会被私有运行时锁死。 ## 先看 JeecgBoo

gitblog_00085的博客 255

ESD放电路径分析

当金属外壳接地情况下,大部分外部干扰信号将会通过外壳,外壳到接地点,再由接地点回到干扰信号的地,实现干扰信号的回流,这点不仅仅适用于​ESD,对于其他的RI类干扰,也同样适合。发现内部金属板跟外壳的搭接处存在较多的缝隙点,该缝隙点对于频率较高的信号能够实现较为理想的回流,但是对于频率没有那么高的信号,则较难以实现回流,我们尝试将这些缝隙用铜箔包裹住,充分降低该金属板跟外壳的接触阻抗​。我们分析,路径3其实是不期望的路径,我们最期望的路径是1,或者2的内部金属部件跟外壳良好接触情况下的路径。

domen_pan的博客 2236

Matlab:常见涡旋光束仿真

代码: clc clear all close all %% 环形涡旋光束 N = 200; lambda = 632e-9; %波长为632nm k = 2*pi/lambda; %波数 w0 = 3; %束腰半径 x = linspace(-10,10,N); y = linspace(-10,10,N); [X,Y] = meshgrid(x,y); [t...

zzz997的博客 3万+

ACE-Step UI 指南:本地化 AI 音乐生成从环境到成品的落地实践

订阅计费、生成次数配额、音频文件存在云端——如果 AI 音乐生成只有这一种形态,音乐素材的制作就一直被订阅服务卡住。本文给出一条完全本地的替代路径:在自己的 GPU 上跑开源 ACE-Step 1.5 模型,免费、不限次地生成带人声的完整歌曲。流程覆盖从零部署、产出第一首歌,到后期精修与导出。 ## 📌 项目定位与差异化 分工上,ACE-Step 1.5 负责音频合成,本工具负责交互、曲库管

gitblog_01094的博客 488

SillyTavern角色卡制作全攻略:如何用AI还原你喜欢的虚构角色(附三叶完整角色卡JSON)

本文详细介绍了如何使用SillyTavern制作高质量AI角色卡,以《你的名字》中的宫水三叶为例,从角色特征提取、对话风格捕捉到JSON结构优化,全面解析AI角色扮演的创作技巧。通过具体的写作示例和完整角色卡JSON,帮助二次元爱好者和同人创作者实现虚构角色的精准还原与生动互动。

pandas7gardener的博客 2149

2026 低代码平台选型实战:JeecgBoot低代码、敲敲云零代码与五家主流厂商七维横评

选低代码平台和买车很像:没有最好的车,只有最适合你路况的车。织信、奥哲·云枢、普元 EOS 在大型企业的复杂系统与强监管场景里各有积累;活字格和简道云分别把"程序员效率"和"业务人员易用"做到了很深。而如果你的团队规模不大、预算有限,又对源码可控、私有化部署和信创有要求,JeecgBoot低代码 + 敲敲云零代码。

JEECG官方博客 337

从DDPM到DDIM:深入解读《Denoising Diffusion Implicit Models》

DDIM发表在ICRL2021上,是DDPM重要的改进之一,能显著提高DDPM的样本质量、减少采样时间,并且能显式控制插值,已经被广泛应用到现在的Diffusion Models上。这篇博客和大家一起详细解读一下DDIM,认识这一伟大的模型。.........

沉迷单车的追风少年 1万+

(01)ORB-SLAM2源码无死角解析-(38) EPnP 算法原理详解→理论基础二:分情况求得beta初始解

讲解关于slam一系列文章汇总链接:史上最全slam从零开始,针对于本栏目讲解的(01)ORB-SLAM2源码无死角解析链接如下(本文内容来自计算机视觉life ORB-SLAM2 课程课件): (01)ORB-SLAM2源码无死角解析-(00)目录_最新无死角讲解:https://blog.youkuaiyun.com/weixin_43013761/article/details/123092196 文末正下方中心提供了本人联系方式,点击本人照片即可显示WX→官方认证{\color{blue}{文末正下方中心}

江南才尽江南山,年少无知年少狂! 1025

HeavenStudio关卡编辑器完全指南:打造专属节奏天国混音

**HeavenStudio**是一款开源的节奏天国混音编辑器,让你能够创建属于自己的节奏游戏关卡!🎵 无论你是节奏天国的忠实粉丝,还是想要尝试游戏开发的创作者,这个强大的关卡编辑器都能帮助你实现创意。通过直观的时间线界面和丰富的游戏事件库,你可以轻松编排各种节奏挑战,打造独一无二的混音体验。 ## 🎮 什么是HeavenStudio? HeavenStudio是一个完全免费、开源的工具,

gitblog_00819的博客 949

第七节:Vben Admin 最新 v5.0 (vben5) + Python Flask 快速入门 - 用户管理(上)

本节的内容是用户管理,后端Python代码的实现。

cuiwin的专栏 781

ruoyi-vue-pro快速上手指南:5步跑通代码生成与工作流引擎

新接后端项目,先建表,再写一套 CRUD、权限、审批流,文档还总落后代码半年。ruoyi-vue-pro 把 Spring Boot 多模块管理后台、代码生成器、Flowable 工作流打包好了,让你跳过搭脚手架的活。本文讲清它是什么、怎么跑起来。 ## 📌 项目速览:定位与 4 个硬性事实 它是基于 RuoYi-Vue 重构的企业级快速开发平台,MIT 协议,个人和企业都能免费商用。 几

gitblog_00494的博客 212

【专栏必读】王道考研408操作系统+Linux系统编程万字笔记使用说明及章节导航

王道408考研操作系统)第一章计算机系统概述-第一节1、2:操作系统概念、概念和特征1:理解fork的作用prinf("还没有执行fork函数的本进程为:%d\n" , getpid());//其返回值是pid类型的 sleep(1);if(ret > 0) //父进程返回的是子进程ID {printf("我是父进程,我的id是:%d,我的孩子id是%d\n" , getpid() , ret);sleep(1);} } else if(ret == 0) //子进程fork返回值是0 {.........

快乐江湖的博客 3万+

JavaScript实现边缘检测Canny(附完整源码)

JavaScript实现边缘检测Canny(附完整源码)

希望我的博客,能帮上你解决学习中工作中所遇到的问题 708

ReconViaGen入门教程:10分钟从多视图图片到3D模型,手把手教你导出GLB与Gaussian

ReconViaGen 是一个面向 **多视图 3D 物体重建** 的生成式 AI 工具(ICLR 2026 论文项目),只需上传同一物体的多角度照片,它就能通过两阶段生成模型直接重建出高精度 3D 模型,并一键导出 **GLB 网格文件**和 **Gaussian Splatting(.ply)高斯泼溅文件**。本教程将带你完成环境安装、网页界面操作、参数调优到文件导出的完整流程,新手也能 10

gitblog_00510的博客 449

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

从0到第一首歌:Stable Audio 3 Medium文生音频快速入门教程(附完整代码示例)

Stable Audio 3 Medium 是 Stability AI 开源的**文生音频(Text-to-Audio)扩散模型**,只需要一段文字描述,就能在几秒内生成最长约 6 分钟的高保真立体声音频——可以是完整的一首歌,也可以是音效、环境声。本文带你从 0 开始,跑通第一首由 AI 生成的音乐 🎵 ## 为什么选择 Stable Audio 3 Medium? 和"固定长度、只出几

gitblog_01041的博客 196

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

AI智能体协同框架agent-village-hub:从单体智能到群体智能的架构实践

在人工智能领域,多智能体系统正成为解决复杂任务的关键技术范式。其核心原理是通过多个专业化智能体的分工协作,将复杂问题分解为子任务,由不同智能体分别处理,再通过中心协调器整合结果,实现超越单体智能的群体智能。这一架构的技术价值在于提升任务处理的模块化、可复用性和整体效率,尤其适用于需要多领域知识融合的场景,如自动化工作流、复杂决策支持等。agent-village-hub正是这一理念的工程实践,它通过智能体注册、工作流引擎和消息总线等核心模块,构建了一个中心化协调的“村庄广场”,实现了对多个AI智能体的有效编

weixin_26971157的博客 562

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

项目管理应接不暇?看看低代码平台的能耐

对于建筑行业而言,项目管理是日常经营过程中极为重要的一环。

xiatianlailewo的博客 1179

智能盯盘系统:AI协同而非全自动交易的实战架构

智能盯盘是量化投资中连接实时行情与人类决策的关键技术环节,其核心在于降低信息熵、保障响应确定性与坚守风控边界。不同于依赖大模型API或券商条件单的通用方案,专业级系统需融合边缘计算、轻量时序模型(如LSTM)与可解释规则引擎,在本地完成毫秒级异动识别与分级通知。技术价值体现在信号纯度(≥87%有效干预率)、端到端延迟(≤1.2秒)与认知负荷压缩(30秒内完成决策)三大硬指标。典型应用场景包括中高频个人投资者的夜间异动监控、多市场持仓协同管理及睡眠周期内的可信唤醒。本文聚焦AI智能体在实盘环境下的分层架构设计

weixin_30607125的博客 281

huashu-art-motion 演进实录:从一支复刻动画到 35 风格 × 9 语法的代码动画 Skill

huashu-art-motion 是一套让 coding agent「把艺术风格写成会动的画」的 Agent Skill:35 种艺术风格配方卡与对应 Canvas 场景、9 种解说动画语法、8 种可参数化片段,外加拆解、QA、可选语音与图片桥接等配套脚本。本文以仓库 [CHANGELOG.md](https://link.gitcode.com/i/9e8000fd0f8c9a3c0942d2

gitblog_00021的博客 618

huashu-art-motion 口播驱动的艺术短片:词级时间戳、单一风格世界画布与镜头语言

`references/06-口播驱动的艺术短片.md` 是 huashu-art-motion(艺术动画 skill)中「口播驱动艺术短片」的方法草案:不靠 BPM 网格切段,而是按口播的词级时间戳组织镜头,用一种贯穿始终的艺术风格,在比画面更大的世界画布上完成推拉摇移的镜头语言。读完本篇,你能掌握从「口播文稿」到「一条无声画面轨」的完整七步流程:镜头表怎么列、风格渲染器怎么定、世界画布和相机怎

gitblog_01094的博客 232

huashu-art-motion 深度解读:让 Coding Agent 用代码画出会动的艺术动画

这是一篇面向「给 AI Agent 派活」场景的技术指南:以仓库根目录的 [SKILL.md](https://link.gitcode.com/i/fb2a21e2b2e76857e27c41765bae1dfd) 为主体,拆解 huashu-art-motion 这套「艺术动画 skill」如何把任务路由到 12 篇方法文档与 35 张风格配方,如何用纯代码工程(Canvas 程序化绘制 +

gitblog_00045的博客 96

Apache 2.0 免费商用吗?MOSS-Music-8B-Instruct-GGUF 许可解析与 OpenMOSS 开源音乐生态全景

MOSS-Music-8B-Instruct-GGUF 是一个将 OpenMOSS Team 的本地音乐理解模型转为 GGUF 格式的权重仓库,它"听懂"音轨并自动写出音乐描述(caption)。本仓库采用 **Apache 2.0** 许可,继承自基础模型,**可以免费商用、修改和再分发**——这正是它能让"免费本地音乐 AI 字幕"走进开源工具的根本原因。本文给出许可解析结论、文件说明与 Op

gitblog_00459的博客 147

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 352
上一篇: 企业级 BPM 工作流引擎的能力全景:154 项功能清单与客观选型参考
下一篇: 在 AI 面前,表单设计器与流程设计器还有用吗?——从驰骋 BPM 的两个设计器说起
驰骋低代码、工作流、表单引擎
博客等级 码龄18年 501粉丝 518原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

驰骋低代码、工作流、表单引擎

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值