LangChain4j工作流編排完整指南Java AI智能體四種工作流一次講透【免費(fèi)下載鏈接】langchain4j-examples項(xiàng)目地址: https://gitcode.com/GitHub_Trending/la/langchain4j-examplesLangChain4j-examples 項(xiàng)目的 agentic-tutorial 模塊用可運(yùn)行的 Java 示例完整演示了 AI 智能體的工作流編排順序、并行、循環(huán)、條件四種方式各配一個(gè)實(shí)例。本文以簡(jiǎn)歷全流程自動(dòng)化為線索講清什么問題該用哪種編排。從簡(jiǎn)歷全流程看為什么一個(gè)智能體不夠設(shè)想一個(gè)需求用戶交上一段個(gè)人經(jīng)歷和一份職位描述系統(tǒng)要先據(jù)此生成簡(jiǎn)歷再按崗位要求定制然后由 HR、經(jīng)理、團(tuán)隊(duì)負(fù)責(zé)人三方評(píng)審分?jǐn)?shù)不夠就自動(dòng)改稿再提交評(píng)審直到達(dá)標(biāo)。一次模型調(diào)用顯然做不完這件事你得像帶團(tuán)隊(duì)一樣分工每個(gè)角色智能體只負(fù)責(zé)一步中間產(chǎn)物在他們之間傳遞。選哪種分工方式取決于問題本身長(zhǎng)什么樣。流程固定時(shí)順序工作流就夠了先生成、再定制是天然的先后關(guān)系誰也不能先做。順序工作流就是把CvGenerator和CvTailor兩個(gè)智能體用sequenceBuilder()串起來順序即執(zhí)行順序。傳遞的關(guān)鍵在outputKey第一個(gè)智能體的輸出鍵名必須和第二個(gè)智能體接口的入?yún)⒆兞棵麑?duì)得上數(shù)據(jù)才能自動(dòng)流過去。它適合任何步驟固定、一步接一步的線性流程。需要同時(shí)拿到多份結(jié)果上并行工作流HR 審資歷、經(jīng)理審能力、團(tuán)隊(duì)成員審匹配度——三份評(píng)審互不依賴為什么要排隊(duì)并行工作流用parallelBuilder()把三個(gè)評(píng)審智能體丟進(jìn)線程池同時(shí)跑跑完后在output回調(diào)里把三份CvReview讀出來拼出合并反饋并算平均分。它適合多子任務(wù)共享同一份輸入、彼此獨(dú)立、最后需要聚合結(jié)果的場(chǎng)景比如同一份文檔的多角度審查。目標(biāo)需要反復(fù)打磨時(shí)用循環(huán)工作流簡(jiǎn)歷改一輪未必就達(dá)標(biāo)而改幾輪才達(dá)標(biāo)事先沒人知道。循環(huán)工作流把評(píng)審 改稿兩個(gè)智能體放進(jìn)loopBuilder()每輪評(píng)審輸出的新反饋會(huì)作為下一輪改稿的輸入當(dāng)分?jǐn)?shù)超過 0.8 時(shí)退出。注意兩點(diǎn)退出條件是在每個(gè)智能體執(zhí)行完之后檢查的同時(shí)用maxIterations(3)兜底防止分?jǐn)?shù)一直上不去導(dǎo)致死循環(huán)。適合迭代次數(shù)不確定、只能靠結(jié)果判斷做沒做完的任務(wù)。下一步走哪條路看條件工作流評(píng)審之后該做什么分?jǐn)?shù) 0.8 以上轉(zhuǎn)經(jīng)理復(fù)審分?jǐn)?shù)不夠發(fā)拒信反饋里發(fā)現(xiàn)信息缺失就聯(lián)系候選人補(bǔ)材料。conditionalBuilder()給每個(gè)智能體掛一個(gè)條件函數(shù)運(yùn)行時(shí)從作用域里讀狀態(tài)、判斷走哪條分支且多個(gè)滿足條件的分支可以異步并發(fā)執(zhí)行見 agentic-tutorial/src/main/java/_5_conditional_workflow/。它適合分支路由類問題下一步由運(yùn)行時(shí)狀態(tài)決定而不是寫死的順序。數(shù)據(jù)怎么在智能體間流動(dòng)還不亂這套編排里所有輸入、中間變量、輸出都存進(jìn) AgenticScope智能體按鍵名讀寫鍵名就是數(shù)據(jù)契約。為了防止模型自由發(fā)揮導(dǎo)致數(shù)據(jù)變味項(xiàng)目用結(jié)構(gòu)化的 Java 類承載交接物比如 agentic-tutorial/src/main/java/domain/ 下的Cv和CvReview字段上加Description注解告訴模型score 是 0 到 1 的面試邀請(qǐng)意愿評(píng)分。好處很直接分?jǐn)?shù)是數(shù)字后面才能寫出score 0.8這種確定性的分支和退出條件而不是靠模型猜。寫編排代碼時(shí)這幾件事能幫你少踩坑給每個(gè)智能體明確輸入輸出并且outputKey要區(qū)分開否則第二個(gè)智能體可能悄悄覆蓋前一個(gè)的結(jié)果——反過來循環(huán)里故意復(fù)用同一個(gè)鍵比如每輪都更新cv正是滾動(dòng)改進(jìn)的實(shí)現(xiàn)手法用之前想清楚是哪種意圖。評(píng)審、發(fā)郵件這類耗時(shí)智能體可以標(biāo)記為 async 并發(fā)執(zhí)行線程池自己創(chuàng)建的要記得 shutdown別讓進(jìn)程掛不住。循環(huán)必配 maxIterations再配合項(xiàng)目自帶的日志工具調(diào)高日志級(jí)別能直接看到每一輪模型在干什么排錯(cuò)快得多。這組示例最適合剛接觸 Java AI 智能體開發(fā)、想先跑通多智能體怎么配合再談架構(gòu)的人照著 agentic-tutorial 目錄從 1 到 9 的順序讀即可。【免費(fèi)下載鏈接】langchain4j-examples項(xiàng)目地址: https://gitcode.com/GitHub_Trending/la/langchain4j-examples創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考