Workflow-Core中实现循环审批流程的技术实践
2025-06-06 16:56:22作者:邬祺芯Juliet
引言
在现代业务流程自动化中,审批流程是最常见的场景之一。特别是当审批被拒绝后需要返回申请人修改并重新提交的情况,这种循环审批机制在Workflow-Core工作流引擎中的实现方式值得深入探讨。
循环审批流程的业务场景
典型的审批流程通常包含以下几个关键环节:
- 用户提交申请
- 审批人审核(可能批准或拒绝)
- 如果拒绝,返回申请人修改
- 修改后重新提交审批
- 循环执行直到批准为止
这种流程在采购审批、请假申请、费用报销等各种业务场景中都非常常见。
Workflow-Core中的实现方案
初始方案尝试
开发者最初尝试了两种实现方式:
-
基于事件的方案:使用
WaitFor事件等待表单提交,然后通过发布事件来触发后续流程。但发现第二次触发事件时无法正常工作。 -
分支方案:尝试使用分支结构实现循环,但难以处理批准后的流程跳出。
最终解决方案
经过实践,发现使用While循环结合用户任务(UserTask)是最佳实现方式:
public void Build(IWorkflowBuilder<SealBasicApprovalData> builder)
{
builder
.StartWith(context => ExecutionResult.Next())
.While(data => data.IsApproved == false)
.Do(workflow => workflow
.StartWith(context => ExecutionResult.Next())
.UserTask("审批操作", data => Environment.UserName)
.WithOption("approve", "批准").Do(approvedWorkflow => approvedWorkflow
.StartWith<Approve>()
.Input(step => step.RequestId, data => data.RequestId)
.Output(data => data.IsApproved, step => step.IsApproved)
)
.WithOption("reject", "拒绝").Do(rejectedWorkflow => rejectedWorkflow
.StartWith<Reject>()
.Input(step => step.RequestId, data => data.RequestId)
.Output(data => data.IsApproved, step => step.IsApproved)
)
)
.Then(context => Console.WriteLine("流程结束"));
}
数据传递的关键发现
在实现过程中,发现Workflow-Core在处理复杂对象的数据传递时需要注意:
- 对于引用类型,直接传递整个对象可能会导致数据更新不生效
- 更可靠的方式是显式地定义每个属性的输入输出映射
优化后的数据传递方式:
.StartWith<Approve>()
.Input(step => step.RequestId, data => data.RequestId)
.Input(step => step.IsApproved, data => data.IsApproved)
.Output(data => data.IsApproved, step => step.IsApproved)
.Output(data => data.ApprovedBy, step => step.ApprovedBy)
实现建议与最佳实践
-
状态管理:使用明确的布尔标志(如IsApproved)控制循环条件
-
用户任务设计:
- 为审批操作提供清晰的选项描述
- 每个选项对应独立的子流程
-
数据跟踪:
- 记录每次审批的操作人和意见
- 保留审批历史便于追溯
-
异常处理:
- 考虑添加超时机制防止流程卡死
- 实现审批委托机制(如审批人不在岗时)
总结
Workflow-Core提供了灵活的工作流定义方式,通过合理使用循环结构和用户任务,可以很好地实现复杂的审批流程。关键在于:
- 正确设计循环条件和退出机制
- 处理好步骤间的数据传递
- 提供清晰的用户交互界面
这种模式不仅适用于审批流程,也可以推广到其他需要多次交互的业务场景中,如订单修改、工单处理等。掌握这些核心概念后,开发者可以构建出更加复杂和强大的业务流程自动化解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
480
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210