Elsa Core工作流引擎中传递输入参数的实践指南
2025-06-01 00:38:32作者:龚格成
理解工作流输入参数机制
Elsa Core作为一款强大的工作流引擎,提供了灵活的输入参数传递机制。在开发过程中,正确理解和使用输入参数对于构建高效的工作流至关重要。本文将深入探讨如何在Elsa Core V3版本中有效地传递输入参数。
自定义活动中的输入参数定义
在Elsa Core中创建自定义活动时,我们可以通过装饰器来定义输入参数。以下是一个典型示例:
public class CustomTask : CodeActivity<string>
{
[Input(
Description = "The task type to that you want to.",
UIHint = InputUIHints.DropDown,
UIHandlers = [typeof(TaskTypeUIHandler), typeof(RefreshUIHandler)])]
public Input<string> TaskType { get; set; }
protected override ValueTask ExecuteAsync(ActivityExecutionContext context)
{
var message = $"task type is :{TaskType.Get(context)}";
context.SetResult(message);
return base.ExecuteAsync(context);
}
}
在这个示例中,我们定义了一个名为TaskType的输入参数,它将在工作流执行时接收外部传入的值。
工作流级别的输入参数配置
在Elsa Core工作流设计器中,我们可以配置工作流级别的输入参数。这些参数可以通过设计器界面定义,并映射到具体活动的输入参数上。工作流输入参数的配置为整个工作流提供了统一的输入接口。
通过API触发工作流并传递参数
当需要通过HTTP请求触发工作流时,正确的参数传递格式至关重要。Elsa Core期望输入参数被包裹在一个名为"input"的JSON对象中:
{
"input": {
"TaskType": "MyTaskType"
}
}
这个JSON结构应该作为POST请求的body发送到工作流执行端点。请求头需要包含正确的Content-Type和授权信息。
输入参数在工作流中的传递方式
Elsa Core提供了两种主要方式将工作流输入传递给活动:
-
直接映射:在设计器中,可以通过JavaScript表达式直接引用工作流输入:
getInput("TaskType") -
变量传递:将工作流输入赋值给变量,然后在活动中引用该变量
常见问题与最佳实践
在实际开发中,可能会遇到以下问题:
- 参数名称不匹配:确保JSON中的参数名称与工作流或活动中定义的名称完全一致
- 参数类型不符:检查传入值的类型是否与活动期望的类型匹配
- 缺少输入包装:确认输入参数是否正确地包裹在"input"对象中
最佳实践包括:
- 为所有输入参数添加清晰的描述
- 在设计器中测试工作流时提供默认值
- 实现输入验证逻辑
- 记录输入参数的预期格式和类型
总结
Elsa Core提供了灵活而强大的输入参数传递机制,通过正确理解和使用这些机制,开发者可以构建出更加健壮和易用的工作流应用。无论是通过API触发还是设计器配置,合理的参数传递设计都是工作流开发成功的关键因素。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
414
3.18 K
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
Ascend Extension for PyTorch
Python
228
258
暂无简介
Dart
679
160
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
325
🔥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
React Native鸿蒙化仓库
JavaScript
265
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
1.21 K
660
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492