Workflow表决的例子

用CrewAI构建分层式营销研究AI天团 AI智能体系统(Agentic Systems)正从单模型生成走向多角色协同,其核心在于任务分解、角色分工与流程编排。CrewAI作为轻量级LLM编排框架,通过分层架构(Hierarchical Process)实现Agent间职责隔离与动态调度,显著提升复杂业务场景如营销调研的可靠性与可解释性。相比串行或共识模式,分层设计支持并行执行、容错返工与上下文感知整合,天然适配Web Scraping、LinkedIn爬虫、语义检索等真实工具链。本文以客户情报生成为典型场景,详解如何基于CrewAI搭建具备工程鲁 阅读详情

http://file.ddvip.com/2008_09/1220610104_ddvip_2979.rar

先看一下基本流程的草图

Workflow表决的例子

  说一下用WF的实现思路

  1.设计[表决人发表意见]的Activity,这是一个通知,回复的过程,所以用一个组CallExternalMethod与HandleExternalEvent实现通知与等待回复

  2.由于参与人数是不特定的,但所有参与人的参与流程是一样的,所在使用一个ReplicatorActivity容器创建[表决人发表意见]的Activity多个复本

  3.表决是并发的,所以ReplicatorActivity容器应设为并发

  4.由于存在多个[表决人发表意见]的Activity的HandleExternalEvent同时等待,这样新需要使用CorrelationToken关联CallExternalMethod与HandleExternalEvent

  5.由于参与人数不确定,ReplicatorActivit的InitialChildData集合需要在启动流程时由用户定义户后传入

  数据项类

  public class DataItem
  {
    public DataItem(string partakeName)
    {
      this.PartakeName = partakeName;
    }
    public string PartakeName;
    public string Result;
  }
  
allExternalMethod与HandleExternalEvent绑定类
  
 使用
 System.Workflow.Activities.CorrelationParameter
 System.Workflow.Activities.CorrelationInitializer
 System.Workflow.Activities.CorrelationAlias
 为CallExternalMethod与HandleExternalEvent实现关联
  
//接口
  [System.Workflow.Activities.ExternalDataExchange]
  [System.Workflow.Activities.CorrelationParameter("PartakeName")]
  public interface IExternalEvent
  {
    [System.Workflow.Activities.CorrelationInitializer]
    void CreateBallot(string PartakeName, object value);
    
    //关联参数
    //对应到事件的属性
    [System.Workflow.Activities.CorrelationAlias("PartakeName", "e.PartakeName")]
    event EventHandler<EventArgs> WxdEvent;
  }
 
  //事件参数
  [Serializable]
  public class EventArgs : System.Workflow.Activities.ExternalDataEventArgs
  {
    public string Result;
    private string _PartakeName;
    public string PartakeName
    {
      get { return _PartakeName; }
      set { _PartakeName = value; }
    }
  
    public EventArgs(Guid instanceId, string PartakeName)
      : base(instanceId)
    {
      _PartakeName = PartakeName;
    }
  }
  
  //接口实现类
  public class WxdExternalEvent : IExternalEvent
  {
    //实现接口事件
    public event EventHandler<EventArgs> WxdEvent;
    //实现接口方法
    public void CreateBallot(string PartakeName, object value)
    {
      System.Console.WriteLine("通知{0}参与表决" , PartakeName);
    }
  
    //触发事件
    public void OnWxdEvent(Guid instanceId, string PartakeName, string Result)
    {
      EventArgs e = new EventArgs(instanceId, PartakeName);
      e.Result = Result;
      WxdEvent(null, e);
    }
  }

自定义投票Activity

Workflow表决的例子

  工作流设计

Workflow表决的例子

  引警

Workflow表决的例子

  补充一下

  以上例子是为了演示ReplicatorActivity的使用,以及使用CorrelationToken关联CallExternalMethod与HandleExternalEvent。

  在实际应用中[表决人发表意见]的Activity可以做如下设计

Workflow表决的例子

  如果参与人没有在指定的事间内进行表决,系统将按超时处理,这样可以避免某个用户不表决,使整个流程一直处于挂起状态。在实例应用中,delay通常不直接用作业务结点,而是独立的实现一个时间引擎,这样处理工作日、节假日、申请延期处理等方面比效灵活

  还有,如果可以不需要所有的参与人都完成表决流程才继续向下运行,可以加入规则判断,当同意或不同意的达到一定票数后新直接显示结果,当然这要看实际的业务是否有这种要求

  添加上述功能比效简单,这里就不提供代码了

  测试通过后,将引擎与客户端分别封装,引擎可以选择Win服务,COM+,IIS的Application作为宿主

  客户端可以选择WinForm、WEB

  当然还要选择一种通信方式,WebService、Remoting、WCF、TCP都可以

  以上的各种组合的例子都写过,这里也就不再提供了

MacBook办公族福音:一根网线连内网,Wi-Fi上外网,告别手动切换的保姆级路由配置 本文为MacBook办公族提供了一套高效的路由配置方案,通过一根网线连接内网、Wi-Fi上外网,实现自动分流,告别手动切换的烦恼。详细介绍了路由表的工作原理、配置步骤及一键自动化脚本,帮助用户提升工作效率,减少设备损耗。 阅读详情

相关推荐

多Agent系统架构设计与工程化实战:从核心原理到生产部署

多智能体系统是人工智能领域处理复杂任务的核心架构范式,其本质是通过多个具备自主决策能力的智能体协同工作,实现单一模型难以完成的复杂目标。从技术原理层面,多Agent系统通常基于分层控制、平等协作或市场竞标等设计模式构建,涉及智能体间的通信协议、状态管理和任务编排等关键技术。在工程实践中,这类系统的价值在于将前沿AI研究转化为稳定、可扩展的生产级应用,尤其在自动化工作流、复杂决策支持和个性化服务等场景中展现出巨大潜力。本文聚焦于LangGraph、CrewAI等框架的工程化落地,深入探讨了智能体协同中的通信瓶

weixin_34167819的博客 341

Workflow 规则大全 最新版

视频类 全网视频VIPhttps://workflow.is/workflows/62fbf95b774642cf846b144f070d4866 视频下载 8合1https://workflow.is/workflows/d1342b439de542ffaee1994ebdadc90e FOOTAGE视频下载https://workflow.is/workflows...

ancd424115的博客 1万+

Tartancalib标定OAK-FFC_4p(上)

1.使用Tartancalib标定双目或多目相机前,先对单个相机标定获得内参,再获得外参。

qq_51731421的博客 1276

WF 表决的例子

先看一下基本流程的草图 说一下用WF的实现思路 1.设计[表决人发表意见]的Activity,这是一个通知,回复的过程,所以用一个组CallExternalMethod与HandleExternalEvent实现通知与等待回复 2.由于参与人数是不特定的,但所有参与人的参与流程是一样的,所在使用一个ReplicatorActivity容器创建[表决人发表意见]的Activity多个复本 ...

weixin_33802505的博客 156

FFMPEG音视频开发: Linux下采集音频(alsa-lib库)、视频(V4L2框架)数据编码并实时推流到RTMP流媒体服务器,达到直播功能(推流)

一、环境介绍 操作系统: VM虚拟机运行的ubuntu18.04 FFMPEG版本: 4.4.2 摄像头: 罗技USB摄像头、电脑自带摄像头 声卡:电脑自带声卡 二、FFMPEG、X264的安装 参考这里:FFMPEG开发: Linux下采集摄像头数据录制成MP4视频保存到本: 地https://blog.youkuaiyun.com/xiaolong1126626497/article/d...

2989

YOLOv11改进 - 卷积Conv | PATConv(Partial Attention Convolution)部分注意力卷积,在减少计算量的同时融合卷积与注意力的优势 | AAAI 2026

本文提出部分注意力卷积(PATConv)机制,并将其集成到YOLOv11中。传统神经网络中,卷积计算密集,注意力机制全局计算冗余,此前的“部分卷积”会丢失未计算通道的特征价值。PATConv通过“通道拆分 - 并行处理 - 结果拼接”的逻辑,给不同通道分配“擅长的任务”,兼顾局部与全局特征。基于此,它还衍生出PAT_ch、PAT_sp和PAT_sf三种细分模块。此外,还提出了动态部分卷积(DPConv),并构建了新的混合网络家族PartialNet。我们将PATConv代码集成到YOLOv11中,实验表明,

魔改工程师的博客 1084

Workflow与Agent:AI任务处理的核心差异与演进

在AI应用开发中,Workflow(工作流)和Agent(智能体)是两种关键的任务处理范式。Workflow基于预定义的代码路径执行任务,适用于结构化程度高、可预测性强的场景,如电商订单处理和数据ETL管道。而Agent则通过动态决策机制和LLM自主规划,实现实时环境反馈驱动的行为调整,更适合开放性问题求解,如自动编程助手和自适应研究助理。两者的核心差异在于控制流模型,Workflow采用确定性状态机,而Agent则依赖概率性决策循环。从技术价值看,Workflow确保流程合规性,Agent则提供灵活的问题

weixin_30820077的博客 366

11、基于STM32的智能药盒

当今时代是一个新技术层出不穷的时代,在电子领域尤其是自动化智能控制领域,传统的分立元件或数字逻辑电路构成的控制系统,正以前所未有的速度被单片机智能控制系统所取代。嵌入式具有体积小、功能强、成本低、应用面广等优点,可以说,智能控制与自动控制的核心就是单片机。

行走的皮卡丘 6098

[特殊字符] 五大 Workflow 模式详解

本文介绍了五种处理长任务的Workflow模式

MARST.ZHANG的博客 166

YOLOv11改进 | Neck篇 | 双向特征金字塔网络BiFPN助力YOLOv11有效涨点

本文给大家带来的改进机制是BiFPN双向特征金字塔网络,其是一种特征融合层的结构,也就是我们本文改进YOLOv11模型中的Neck部分,它的主要思想是通过多层级的特征金字塔和双向信息传递来提高精度。本文给大家带来的结构可以让大家自行调节网络结构大小,同时能够达到一定的轻量化效果,为什么发BiFPN呢因为它算是YOLO系列改进中的常青树了,大家可以借鉴它的双向特征思想来创新自己的Neck结构本文的BiFPN通过yaml文件配置可以让大家自行调配其结构。

Snu77的博客 9094

风电功率预测项目技术白皮书:短期、超短期、中长期全尺度算法详解与工程落地

聚焦风电功率预测的时间尺度与算法:短期(0~72h)以XGBoost/LightGBM/CatBoost及深度学习为主,超短期(0~4h)采用ARMA+LSTM,中长期用LightGBM等,并涵盖概率预测、多气象源融合、AI大模型+物理模型混合策略、极端天气应对及工程运维要点。

算法工程师 321

AI agent(以AutoGPT为例)和AI Workflow 区别

workflow能为明确定义的任务提供可预测性和一致性,而agent系统更适合需要灵活性和规模化模型驱动决策的场景

weixin_45770491的博客 1401

【机器学习与数据挖掘实战 | 医疗】案例18:基于Apriori算法的中医证型关联规则分析

本案例针对三阴乳腺癌患者,经问卷调查收集数据并筛选处理形成原数据,经清洗、特征选择与变换后,构建Apriori模型,基于业务理解与建模结果,分析患者症状与中医证型关联,并据症状给出建议 。

Morse_Chen的博客 1380

Aras Innovator系统配置-07工作流程图(Workflow Map)

对象类配置-工作流程图(Workflow Map)

企业信息化(PLM,ERP.MES) 1862

FPGA原型验证(八):SoC设计适配与实现策略

时钟门控在SoC设计中很常见,应该小心处理门控时钟,以成功地在FPGA上原型化SoC设计。现代FPGA综合工具在正确约束的情况下,可以自动处理大多数门控时钟。通过遵循本章中的指导方针,即使具有复杂时钟门控的SoC设计也可以得到处理,并成功地在FPGA上进行原型化。

叫好与叫座虽然不是对立面,但想在同一个作品中达到双重效果很难。 476

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

2024年大模型多智能体workflow技术之Multi-Agent Debate,Acc-Debate,DebateTune,ChatEval,COEVOL,GroupDebate,CMD等

总之debate能够提升数据的多样性,防止模型的幻觉,可以做事实性的校验等等,实现起来也很容易,对于debate策略的研究,目前集中在减少token消耗,提升效率,改进discussion和投票策略,使用debate策略构造优质的数据集,debate的方式进行训练等等。这个策略也不是完美的,比如,有研究表明,MAD方法存在认知限制的挑战,包括agents无法识别错误和轻易放弃正确观点等等。

Learning from the mistakes 2155

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

WF从入门到精通(第十五章):工作流和事务

 本文示例源代码或素材下载  学习完本章,你将掌握:  1.了解传统的事务模型以及这种模型在哪些地方适合去使用,哪些地方不适合使用    2.懂得在哪些地方不适合传统的事务以及什么时候是补偿事务的恰当时机    3.看看怎样回滚或补偿事务   4.看看怎样修改默认的补偿顺序   如果你是写软件的,你迟早需要去理解事务处理。事务处理(transactional process

jiangzhe556的专栏 1639

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

工作流-多实例会签条件设置

工作流-多实例会签条件设置

weixin_45189665的博客 1590

手写智能体(三)

本文介绍了基于Spring-AI框架实现狼人杀游戏的智能体系统设计。文章首先提出构建9人局狼人杀游戏(3狼人、3平民、预言家、女巫、猎人各1)的目标,然后详细阐述了游戏流程的状态图设计。系统采用主流程(MainGraph)控制游戏整体运行,包含夜晚(NightGraph)和白天(DayGraph)两个子流程。夜晚流程依次处理狼人、预言家、女巫和猎人的行动,白天流程则包含法官公布信息、玩家发言、投票和总结处理等环节。每个节点都设计为具有思考+行动能力的智能体,通过代码串联实现数据同步。文章强调"th

weixin_44493844的博客 186

OpenClaw多代理架构:从单兵作战到团队协作的AI范式革命

多代理系统是人工智能领域的重要演进方向,它通过模拟人类团队分工协作的方式,将复杂任务分解给多个专业化智能体协同完成。其核心原理在于角色定义、结构化通信和工作流编排,每个代理专注于特定领域,通过共享工作区和标准化协议交换信息。这种架构的技术价值在于显著缓解了大模型的幻觉问题,突破了单一模型的上下文限制,并实现了深度工具集成与专业化。在工程实践中,多代理系统为复杂项目开发、长文档生成、跨领域研究分析等场景提供了可解释、可控制的解决方案。OpenClaw作为该领域的实践典范,展示了如何通过LangChain等框架

357

大模型面试必备:智能体编排与蜂群架构解析

多智能体系统作为AI领域的重要技术方向,其核心在于解决复杂任务的协作问题。从技术原理来看,智能体编排采用中心化控制模式,通过主控节点实现任务分解与调度,适合流程固定的场景;而蜂群架构则基于去中心化自组织原则,通过局部规则实现全局协作,更适应动态环境。在工程实践中,编排架构便于调试但存在单点瓶颈,蜂群架构弹性扩展但调试困难。典型应用场景包括金融交易系统(编排)和社交媒体监控(蜂群)。随着大模型技术的发展,动态架构切换和经济激励机制成为前沿研究方向。掌握这两种架构的区别与应用场景,是AI工程师面试中的关键考察点

weixin_33911824的博客 771

OpenClaw与SecGPT-14B构建智能安全审计流水线实战

在软件安全领域,自动化审计是提升效率和覆盖面的关键技术。其核心原理在于将复杂的审计任务分解为标准化、可并行的子步骤,通过任务编排框架实现高效协同。这种技术价值在于能显著提升大规模代码和日志分析的速度与资源利用率,同时通过专业化分工提高结果的准确性和可解释性。典型的应用场景包括对Spring Boot等现代Web应用进行持续的安全漏洞扫描、运行时行为分析和风险评估。本文以OpenClaw任务编排框架和SecGPT-14B大模型为例,深入探讨如何设计一条从数据预处理、静态分析、动态匹配到风险关联和报告生成的多步

dechen6073的博客 434

TeamFusion:构建具备开放式协作能力的多智能体系统

多智能体系统(Multi-Agent Systems, MAS)是分布式人工智能的重要分支,其核心在于多个自主智能体通过交互与协作,共同完成复杂任务。传统MAS多采用‘任务驱动’范式,适用于流程明确、指令清晰的场景,但在面对开放、模糊、长期的目标时,往往因沟通成本高、协作僵化而受限。TeamFusion框架旨在实现从‘任务驱动’到‘目标驱动’的范式转变,通过增强智能体的团队意识、元认知与动态协商能力,并构建团队协调层与共享记忆环境,支持智能体在不确定环境中自主探索、涌现任务与持续进化。这一设计显著提升了系统

weixin_34055787的博客 502

Superpowers:AI 原生工作流中的标准化能力契约与工程化实践

AI 原生工作流(AI-Native Workflow)正从概念走向大规模落地,其核心挑战在于弥合大语言模型的不确定性与企业系统对确定性、安全性、可观测性的刚性要求。Superpowers 作为一种面向 AI Agent 的能力抽象协议,通过定义强约束的 Skill 接口(含输入/输出 Schema、错误码、SLA)、统一 Runtime 执行环境及声明式编排机制,将模糊的 prompt 调用转化为可验证、可审计、可降级的工程化调用。它不替代 LLM 或后端服务,而是构建在二者之间的‘能力契约层’,支撑数据

weixin_30530939的博客 482

从「AI 帮你写代码」到 Harness Engineering——AI 工程化到底在工程化什么

AI 工程化

m0_65604042的博客 340

易拓展、易修改的状态流程设计和实现

1,前言 Workflow(https://en.wikipedia.org/wiki/Workflow)是一个极其常见的业务场景,基本所有行业都能涉及到流程管理上的问题。工作流,个人认为可以等价的理解为状态流(state flow),因为工作流的主要工作就是流程管理或者就是状态转移。如果用状态转移来抽象描述问题的话,基本大多数业务系统都可以状态转移来描述,且不说OA、ERP等软件,在...

weixin_30613343的博客 151
上一篇: Asp.Net文件上传之简单文件上传(上)
下一篇: 简单状态机Workflow基于Web应用
thy822
博客等级 码龄19年 313粉丝 294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
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