Shuffle平台中如何获取工作流执行的所属组织信息
2025-07-06 08:56:47作者:宗隆裙
在自动化工作流开发过程中,获取当前执行环境的上下文信息是构建智能自动化的重要基础。Shuffle作为一个功能强大的工作流自动化平台,提供了多种方式来访问这些上下文数据,其中组织信息的获取尤为重要。
组织信息在工作流中的作用
组织信息对于多租户环境下的工作流执行至关重要,它可以帮助实现:
- 基于组织的差异化处理逻辑
- 动态调整通知内容和格式
- 组织级别的访问控制和权限管理
- 跨组织工作流的协调与通信
获取组织信息的技术实现
Shuffle平台提供了两种主要方式来获取当前工作流执行的组织信息:
1. 通过Python工具函数获取
在Shuffle的工作流中,可以使用内建的Python工具函数来访问完整的执行上下文:
self.full_execution["workflow"]["execution_org"]["name"]
这种方法会返回一个包含组织详细信息的字典,通过["name"]键可以获取组织的名称字符串。
2. 通过Liquid模板语言获取
对于需要在工作流任意位置快速访问组织信息的场景,可以使用Liquid模板语言的Python内联语法:
{% python %}self.full_execution["workflow"]["executing_org"]["name"]{% endpython %}
子工作流中的组织信息处理
在最新版本的Shuffle中,已经修复了子工作流无法获取组织信息的问题。现在无论是主工作流还是子工作流,都可以使用统一的方式访问执行组织信息。
实际应用示例
假设我们需要根据不同的组织定制通知消息:
org_name = self.full_execution["workflow"]["execution_org"]["name"]
if org_name == "研发部":
notification_content = "紧急:研发环境部署通知"
elif org_name == "市场部":
notification_content = "提醒:市场活动数据更新"
else:
notification_content = "系统通知"
最佳实践建议
- 对于频繁访问的组织信息,建议在工作流开始时将其存储在变量中
- 处理组织信息时考虑大小写敏感性
- 对于关键业务逻辑,建议添加组织信息的验证检查
- 在跨组织工作流中,明确记录组织信息的传递路径
通过合理利用Shuffle提供的组织信息访问能力,开发者可以构建更加智能和自适应的自动化工作流解决方案,满足企业级复杂场景的需求。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0148- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0111
项目优选
收起
暂无描述
Dockerfile
731
4.73 K
Ascend Extension for PyTorch
Python
609
786
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1 K
1.01 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
433
392
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
145
237
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.15 K
148
暂无简介
Dart
983
250
Oohos_react_native
React Native鸿蒙化仓库
C++
347
401
昇腾LLM分布式训练框架
Python
166
197
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.67 K
985