Shuffle平台中如何获取工作流执行的所属组织信息
2025-07-06 21:59:55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
kernelopenEuler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。C030
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
425
3.26 K
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++
689
334
暂无简介
Dart
686
161
Ascend Extension for PyTorch
Python
231
264
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
326
🎉 (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
1.22 K
667
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
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
19
30