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
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 StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
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
455
437
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++
1.08 K
1.09 K
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
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220