Workflow-Core中实现循环审批流程的技术实践
2025-06-06 02:29:43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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
12
1
🔥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
68
20
🎉 (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
1.37 K
781