本篇是系列第 3 篇,讲工作流引擎架构和协同编辑。
六、工作流与 AI 应用引擎架构
本章是全篇的架构核心:所有「AI 应用平台 / 低代码 / 扣子类产品」的骨架,都是编辑器 + 执行器 + 协议。
6.1 三种平台形态
| 形态 | 实现方式 | 示例 |
|---|---|---|
| 无代码平台 | 把多个 action 串联执行,即 action flow,在前端页面自动执行,也称内存型工作流 / 内存流程引擎 | Glide |
| 低代码平台 | 借助工作流编排,涉及触发器、代码执行器、数据查询器、循环节点等 | Retool |
| AI 应用生成引擎 | 生成式 AI 应用引擎(在传统工作流上叠加 LLM、Agent、插件、知识库) | Coze、Dify |
流程引擎的本质:自动化管理和执行既定的业务流程,涵盖自动化处理、批处理、AI 生成详细过程。
三大核心功能:
- 工作流流程建模(编辑器)
- 任务调度:异步处理、前后依赖、变量上下文
- 集成外部系统、插件化构建流程功能生态
6.2 常见工作流类型
- 线性流(Sequential):最简单的逻辑,节点按 A → B → C 顺序执行。
- 有向无环图(DAG):AI Agent 最常见的形态,允许分支与回合,但严禁形成环路(会死循环)。
- 状态机驱动流(State Machine):侧重状态流转(审批通过、驳回、待补件),每个节点是一个状态,连线即触发动作。
6.3 节点体系
核心节点
| 节点 | 作用 | 配置要点 |
|---|---|---|
| start 节点 | 工作流起点,由外部事件或用户输入触发 | 字段类型(文本/段落/下拉/数字)、变量名称、显示名称、最大长度、是否必填 |
| 模型节点 | 调用生成式 AI 模型做生成或理解 | 选择模型与参数(温度、Top P、存在惩罚、频率惩罚、最大标记、回复格式、停止序列)、上下文、提示词、记忆(记忆窗口)、输出变量 |
| 知识检索节点(可选) | 检索已有知识库 | 查询变量(自动带入 start 变量)、知识库(选一篇或一个文件夹)、输出变量 |
| 条件节点 | 分支控制 | if 区域可加多个条件;else 区域直接显示描述词 |
| 代码执行节点 | 自定义逻辑 | 输入变量(初始两个「名 / 值」,可增删改)、代码编辑器(可直接使用输入变量)、输出变量(变量名 + 类型) |
| 直接回答节点 | 相当于当前最后节点,但仍可继续下一步 | 回复文本域可拿到所有回复节点的字段 |
| 更多节点 | 模板转换、变量聚合器、参数提取器、迭代、问题分类器、HTTP 请求(可写入飞书多维表格等) | — |
扩展节点类型(平台生态视角)
- 插件节点:调用外部插件完成集成型任务(天气查询、支付处理)。
- 业务逻辑节点:执行条件判断或复杂算法(如选择支付时触发支付流程)。
- 子工作流节点:把一个工作流嵌套进另一个工作流,支持递归调用,提升可重用性。
- 结束节点:所有任务执行完毕,返回最终结果。
交互细节:每个节点连接下一节点时,右键可拿到当前节点可连接的所有节点(即类型校验后的候选集)。
6.4 数据协议与 DSL
两大构成要素
- 节点(Node):定义功能。
- 边(Edge):定义来源(from / source)与目的(to / target),约束节点关系与流程。
DSL(Domain Specific Language) 领域特定语言,可与 AST(Abstract Syntax Tree) 结合使用。
假设有三个节点:触发器
trigger、新建标签页newTab、滚动执行器scroll,从左往右连接成有向无环图。
1 | const dsl = { |
协议设计四要求:数据兜底、降级、扩展、升级。
6.5 编辑器技术选型
| 选型方向 | 代表库 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 原生 SVG | React-Flow / X6 | 矢量不失真,易用 CSS 控制样式,DOM 节点易绑事件 | 节点过多(数千)时有性能瓶颈 | 首选:中小型 AI 工作流、低代码平台 |
| Canvas | LogicFlow / LiteGraph | 性能上限极高,适合超大规模节点 | 开发成本高,节点交互需手算坐标(Hit Testing) | 大型工业监控、超复杂逻辑链路 |
| 纯 DOM / HTML | 自研 | 上手最快,可用原生拖拽 API | 连线算法(SVG Line)极难写,维护成本高 | 简单的垂直线性审批流 |
面试建议:以 React-Flow 或 AntV X6 为切入点,强调其高度可定制的插件系统与成熟生态。
工作流开发的四个细节
- 数据结构定义 → 引擎数据协议设计(兜底、降级、拓展、升级)。
- 引擎实现:Canvas、SVG、自研框架 三选一。
- 节点 / 边定义与灵活拓展 → 物料体系灵活接入,基于插件化 / 微内核机制(可对接远程插件市场、MCP)。
- 编辑器协同 + 执行引擎实现:协同用 CRDT / OT 解决冲突;执行要处理建图、遍历、异步、日志、错误收集。
6.6 执行器:内存型 vs 服务型
| 维度 | 内存型工作流(In-memory) | 服务型工作流(Service-based) |
|---|---|---|
| 执行环境 | 浏览器端或单个 Node.js 进程内存 | 分布式微服务集群 |
| 状态存储 | 随进程结束释放,瞬时性 | 数据库持久化(MySQL / Redis),支持断点续传 |
| 适用场景 | 前端低代码预览、轻量 AI 助手、单纯数据转换 | 复杂审批流(需人工参与)、长时耗任务、支付链路 |
| 核心挑战 | 内存溢出与性能:节点过多导致浏览器卡死 | 幂等性与重试:节点执行一半服务宕机如何恢复 |
内存型执行机制
- 顶层设计:典型的事件驱动模型。
- 运行逻辑:引擎把整个 Graph 加载进内存,通过递归或循环消费任务队列。
- 关键点:快照同步(每行执行完直接更新 UI 状态)、轻量化(无需考虑网络延迟,节点间数据传递用引用或简单 Copy)。
服务型执行机制
- 顶层设计:任务队列 + 状态机持久化(类似 Temporal、Camunda 的简化版)。
- 运行逻辑:
- 任务解耦:引擎把待执行节点推入消息队列(RabbitMQ / Redis)。
- Worker 消费:不同 Worker 认领任务并执行,结果写回数据库。
- 状态脱水与复活:需要「人工审批」的节点,引擎把流程挂起(Wait),上下文脱水(Serialize)入库,触发后再复活(Hydrate)。
- 关键点:必须处理分布式事务与超时重试。
6.7 执行器实现:从最小闭环到生产可用
① 最小实现(内存型)
编辑器 + 执行器都在前端时,三步走:
- 约定流程协议(节点与边的 JSON 数据)。
- 编辑器编排工作流数据。
- 开发执行器:从前到后按序执行,后面的节点可以拿到前面节点的上下文,通过链表串联。
1 | async function executeWorkflow(nodeId: string) { |
② 生产级三项增强
1)完全稳定可靠的日志系统(基于异步实现)
在每个节点执行前后记录:节点开始时间、输入与输出数据(敏感数据需加密或遮盖)、执行状态(成功 / 失败)、错误信息。
2)上下文变量池
- 在整个流程执行期间保持全局有效,存储所有必要的状态信息。
- 内容包括输入数据、计算结果、外部调用响应等。
- 每个节点执行时,执行器按需从池中取数据或更新数据。
3)错误处理机制
- 全局错误捕获:兜住所有未处理错误并记录相关信息。
- 节点级错误处理:每个节点可定义自己的错误策略,如 API 报错重试。
- 错误通知:关键节点出错时通知管理员或用户。
- 错误恢复:可恢复错误(如网络请求)设计重试机制。
6.8 平台级架构:以 Coze 为例
从「单体作坊」到「工业化生产线」
开源的 coze-studio 用 Docker Compose 把所有功能打包在一起,适合快速体验和中小团队;要支撑大型企业或公有云,必须转向云原生、微服务化架构。
设计理念:「一个中心,四大体系」
- 一个中心:AI 编排与执行引擎(AI Orchestration & Execution Engine)——平台心脏,负责解析和运行由节点(Nodes)与边(Edges)组成的业务流程图(Workflow DAG)。
- 四大体系:
- a. 应用构建体系:面向开发者,提供极致体验的前端编排界面、调试工具与版本管理。
- b. 插件生态体系:平台能力扩展的基石,通过标准化 SDK、市场和沙箱环境,赋能开发者贡献工具。
- c. 多租户与数据管理体系:企业级服务基座,负责用户、组织、权限、数据隔离与知识库向量管理。
- d. 可观测与运维体系:日志、监控、告警与成本分析。
微服务拆分(服务间推荐 gRPC 内部通信,API Gateway 统一对外提供 RESTful / GraphQL)
| 服务 | 职责 | 与 coze-studio 的对应关系 |
|---|---|---|
| API 网关 | 所有外部请求的统一入口,负责鉴权、路由、限流、协议转换。选型:Kong、Traefik、Spring Cloud Gateway | — |
| 用户与租户中心 | 用户、组织(租户)、角色权限(RBAC),登录注册、SSO 单点登录 | coze-studio 只有简单的用户概念,需增强为企业级多租户模型 |
| Bot 配置中心 | 核心 CRUD:Bot 的创建/读取/更新/删除,含人设(Prompt)、插件配置、工作流静态定义(通常是一个大 JSON) | coze-server 中处理数据库交互的大部分逻辑 |
| 插件市场服务 | 插件生命周期:注册、审核、发布、版本控制与发现;存插件元信息(manifest:名称、描述、输入输出 schema) | — |
| 数据与向量管理服务 | 解耦底层数据库,对上层提供统一数据访问;内部封装 PostgreSQL(业务)与 PGVector / Milvus(向量);负责知识库文档的切分、向量化、存储 | — |
| AI 编排与执行引擎 | 无状态计算服务:接收 Bot 配置中心传来的工作流 DAG,负责实时执行、状态追踪与结果返回。性能与稳定性的关键 | — |
6.9 前端编排 + 后端执行的关键难点
前端编排引擎:本质是一个面向 AI 工作流的、可视化的 DAG 编辑器。
- 状态管理与交互:用户拖拽节点(工具、LLM、判断逻辑)并连线,实时构建复杂图结构。需要强大的状态管理方案(Redux Toolkit、Zustand)维护完整数据结构——每个节点的位置、配置与连接关系。
- 图结构序列化:点击「调试」或「发布」时,前端必须把可视化图序列化成后端执行引擎能理解的标准 JSON,描述拓扑结构与每个节点的具体参数。
- 实时调试反馈:调试模式下后端逐节点执行时,前端要实时高亮当前节点并显示输入输出。这要求前后端建立长连接(WebSocket 或 SSE),由后端主动推送执行状态与日志。
后端流式节点执行引擎:整个架构的「技术之巅」。用 for 循环按序执行是天真实现,低效且无法处理流式输出。工业级引擎必须解决:
- DAG 解析与执行调度:拿到工作流 JSON 后先做拓扑排序,确定执行顺序,并识别可并行执行的分支。
- 异步非阻塞 I/O:几乎所有节点(调 LLM、调 API、查数据库)都是 I/O 密集型,引擎必须完全异步非阻塞(Node.js 事件循环,或 Go 协程)。
- 流式处理(Streaming):LLM 节点不能等全部生成完再返回。
- 调用大模型时明确要求流式返回(如 OpenAI API 的
stream: true)。 - 引擎收到的是数据流而非完整响应。
- 通过 WebSocket / SSE 把每个数据块(token)实时转发给前端,实现打字机效果。
- 同时把数据块拼接成完整输出,作为下一节点的输入。
- 调用大模型时明确要求流式返回(如 OpenAI API 的
- 安全沙箱(Sandbox):执行社区开发者贡献的代码片段或插件时,绝不能在主服务直接运行。
- 方案一(重隔离):为每个任务动态启动轻量 Docker 容器,隔离最好但冷启动慢。
- 方案二(轻隔离):WebAssembly(WASM),启动极快、安全性高,是很有前景的方向。
工程化闭环五步:① 定义 DSL → ② 编辑层(状态管理 + 插件化架构)→ ③ 执行器(拓扑排序与动态调度、沙箱隔离)→ ④ AI 特化设计(变量提取与上下文流转、流式输出)→ ⑤ 测试与工程化闭环。
6.10 沙箱的两层理解
- 记忆方式: 通过费曼学习法,记住一个,根据另一个进行推导。
- 微前端沙箱(如 qiankun 的三种 sandbox):
legacy sandbox、proxy sandbox、snapshot sandbox,目的在样式隔离、JS 隔离。 - 系统级沙箱:目的是系统环境隔离,保证执行安全性。deepagent 涉及文件操作、bash 执行、shell 提权,必须做隔离。
- 服务端隔离强度排序:Docker 容器(强隔离、冷启动慢)→ WASM(轻隔离、启动快)→
vm2/isolated-vm(进程内隔离,性能好但需谨慎使用)。
七、协同编辑
协同系统的中级目标是维护多方数据的一致性。
本文只关注上层的数据同步与冲突处理;下层传输与持久化不是重点,可用 WebSocket 或其他方案替代。
编辑器内核选型:重量级代码编辑器(VS Code、Trae)用 Monaco Editor,其余多选 TipTap。
7.1 协同场景盘点
| 产品形态 | 协同数据特征 | 技术组合 |
|---|---|---|
| 协同文档(飞书文档、Notion) | 带格式的、流式文本内容 | TipTap(视图层)+ Yjs(数据模型)+ y-websocket(通信层) |
| 协同代码编辑器(VS Code、Trae) | 纯文本,对性能、语法高亮、开发体验要求极高 | CodeMirror + Yjs + y-codemirror.next + y-websocket |
| 可视化图表编辑器 | 结构化图表配置 | 智能协同可视化编辑引擎 |
| 在线白板(博思白板、飞书画板) | 画布元素、层级、位置 | 画布引擎 + CRDT |
| 协同视频编辑器(剪映) | 时间轴轨道、片段属性 | 时间轴模型 + CRDT |
| 多维表格(飞书云表格) | 单元格、行列结构、公式 | 类 Skia/Canvas 渲染 + CRDT + 公式引擎 |
| 数字孪生低代码(DataWind) | 组件树、场景图、节点属性 | Vue3 + WebAssembly + VanillaJS |
| 协同 AI 应用引擎(扣子) | DAG 节点与边、配置 | 图协议 + CRDT |
7.2 编辑器内核与格式化实现的三种路线
竞品参考
- 飞书文档、Notion:丰富的文本格式、多媒体嵌入、实时协作;可用快捷命令(
/、@)快速插入不同类型的块(Block)。 - Google Docs、Word Online:复杂文档编辑能力——文本格式化、插图、撤销重做、表格与绘图。
- Quill、Draft.js:开源富文本编辑器,可二次开发自定义方案,支持插件扩展与丰富 API。
文档编辑的核心清单
基础编辑、文本格式化、多媒体插入(图片、视频、@提及、引用跳转)、undo/redo(含 Ctrl+Z)、跨浏览器兼容、协作(协同)、AI 赋能。
① contenteditable 属性
在任意容器上设置该属性即可变为可编辑容器;可编辑容器内也可内嵌多个容器,不想编辑的部分设为 contenteditable="false"。
② 路线一:浏览器 execCommand(小白级,过时 / 即将废弃)
document.execCommand是浏览器 API,用于在 HTML 文档中执行与内容相关的命令。- 缺点:兼容性差、可维护性差。
③ 路线二:Selection + Range + Compiler(大神级)
- 单独用
selection(获取当前选中内容)+range(精确操作选中内容)时会发现:每点击一下就被新的标签包裹。Compiler 负责切换——判断当前内容是否已有修饰标签,是则还原,否则添加修饰。 - 大部分编辑器都提供编译器:Markdown / MDX 有 hyper,TipTap 类基于
JSONContent结构。取舍:- 基于 Markdown:性能更好、约束更强。
- 基于 JSONContent:特性更灵活,自定义节点更便捷(如 TipTap custom node)。
- 内容 → 可存储格式 → 再解析回来:实现 JSON 与 HTML 双向转换,可参考 html2json。
- HTML 转 JSON:递归遍历 DOM 元素,构建结构化 JSON。
- JSON 转 HTML:从 JSON 数据生成 HTML 字符串,支持富文本格式。
④ 通用数据协议
用 Schema / DSL / 协议数据承载整个应用的物料体系,参考 BlockSuite。
7.3 个性化需求:@ 提及与 / 命令补全
1 | document.querySelector('.editor-content').addEventListener('input', function (e) { |
其他常见个性化能力
- 协同光标:前端用 WebSocket 实时通信,每个客户端收发光标位置与编辑内容;后端 WebSocket 服务器接收消息并广播给其他客户端,保证编辑状态一致。其他方案:Yjs 等。
- 知识图谱:graph、d3 forceGraph(力导向图)。
- 历史记录栈与 Undo/Redo:用命令模式 + 历史栈管理用户操作,把命令对象压栈;撤销时弹出最后一个命令对象并调用
undo,重做时调用redo。 - 跨浏览器兼容:不同浏览器对 Range/Selection 的实现差异,是编辑器落地的主要坑之一。
7.4 协同架构:协议先行
协同前置,协议先行。
① 传输协议:WS、Socket.IO(下层也可用 WebRTC)。
② 协同数据分两类
- 交互式数据(业务无关):头像、光标位置。
- 核心业务数据:文档内容、图结构、单元格数据。
③ 数据冲突与两大理论
- OT(Operation Transformation,操作转换):Google Docs、Etherpad 使用。集中式,强依赖中心服务器。
- CRDT(Conflict-free Replicated Data Type,无冲突复制数据类型):分布式友好,天然支持 P2P 与离线编辑。
- 进一步分类:面向状态的(state-based)、面向操作的(op-based)。
④ 协同方案对比
- Yjs:基于 CRDT,支持实时同步与冲突处理,生态最成熟。
- Automerge:偏 OT 思路,支持同步与冲突处理,但实时编辑体验较弱。
- 附录:CRDT 论文及实现方案
⑤ 服务层与存储
- 服务层:Node、NestJS、Redis、Kafka + ClickHouse(数据量大时使用)。
- 数据库:PostgreSQL(AI 向量化用 pgvector)。
⑥ OT 的工作原理
1 | sequenceDiagram |
⑦ CRDT 的工作流程
1 | sequenceDiagram |
⑧ 架构师决策:OT vs CRDT
| 特性 | OT | CRDT |
|---|---|---|
| 核心思想 | 转换操作以适应上下文 | 设计可自动合并的数据结构 |
| 复杂度 | 实现极度复杂,尤其在转换函数 | 理论相对简单,实现门槛低 |
| 架构 | 强依赖中心化、有状态的服务器 | 天然支持去中心化、P2P、离线编辑 |
| 服务端 | 逻辑重,是系统核心 | 逻辑轻,通常是无状态的消息中转 |
| 性能 | 理论上元数据开销小 | 理论上元数据开销大(Yjs 已高度优化) |
| 生态 | Google Docs、Zoho、Etherpad | Yjs、Figma、Apple Notes、Automerge |
结论:首选 CRDT。 OT 虽然强大,但在追求敏捷开发、高可用性和优秀离线体验的今天,已显得有些不合时宜。
7.5 Yjs 实战
① 协同原理
1 | flowchart TB |
② Yjs 的五个重要特性
- 核心数据结构:Item 与双向链表。
- 全局唯一 ID + 逻辑时钟。
- 冲突解决:确定性排序规则。
- 删除即标记(Tombstones)。
- 性能优化:Struct 与高效二进制编码。
③ CRDT 的优缺点
- 优点:
- 实现简单:相比 OT,核心逻辑更简单,无需编写复杂转换函数。
- 天生去中心化:完美支持 P2P 与离线编辑,离线修改联网后无冲突合并。
- 服务端逻辑轻:通常只扮演无状态的消息中转站。
- 缺点:
- 元数据开销:为保证可合并性需存额外元数据,理论上比 OT 占更多内存(Yjs 已做大量优化)。
- 意图保留问题:极端场景无法完美保留「真实意图」——「剪切一段文本再粘贴到别处」会被看作「删除一串字符」+「插入一串字符」。绝大多数场景不构成问题。
④ 最小可运行代码(文档协同)
前端主页面:
1 | import React, { ChangeEvent, useEffect, useState } from "react" |
后端服务:
1 | // dependencies: ws 与 y-websocket |
⑤ 结构化数据的承载方式
1 | // 基于 JSON 描述的 Block 数据结构 |
存入 Yjs Doc 时的类型选择:
- 复杂数据:
Y.Array、Y.XmlFragment - 富文本:
Y.XmlElement、Y.XmlFragment - 常用按需:
Y.Text、Y.Array、Y.Map
⑥ 协同文档落地五步
- 平台数据协议统一。
- 存储到 Yjs Doc。
- 增量数据变化 → 同步。
- 传输:WS、Socket.IO、WebRTC。
- 协同双通道:光标/头像(awareness)+ 内容数据(document)。
⑦ TipTap 协同依赖清单
| 依赖 | 作用 |
|---|---|
@tiptap/react |
TipTap 的 React 组件:渲染、事件处理 |
@tiptap/core |
核心:节点 Node、修饰(加粗/斜体/下划线/删除线)Mark、命令 |
@tiptap/starter-kit |
默认配置:节点、修饰、命令 |
@tiptap/extension-collaboration |
绑定层:把 TipTap 内部的 ProseMirror 文档模型与 Yjs 的 Y.Doc 绑定 |
@tiptap/extension-collaboration-cursor |
光标协同:位置、移动 |
yjs |
CRDT 数据模型 |
y-websocket |
Yjs 的 WebSocket 传输层 |
接入四步:① 创建 Y.Doc 代表整个协同文档数据 → ② 通过 Collaboration 扩展绑定编辑器状态与 Y.Doc → ③ 实现实时通信 → ④ 光标同步(Awareness)→ ⑤ 后端实现。
7.6 多端协同架构对照
文档编辑器(飞书文档):核心是处理带格式的、流式的文本内容。TipTap(视图层)+ Yjs(数据模型)+ y-websocket(通信层)
代码编辑器(VS Code、Trae):核心是处理纯文本,对性能、语法高亮、开发体验要求极高。CodeMirror(视图层)+ Yjs(数据模型)+ y-codemirror.next(绑定层)+ y-websocket(通信层)
数字孪生低代码平台(DataWind):核心是结构化数据(组件树、场景图、节点属性)。Vue3 + WebAssembly + VanillaJS
- 关键技术要素:IoT、AI、GIS、BIM;掌握用户故事映射等需求分析方法。
- 三维核心资产辨析:掌握 glTF/GLB、FBX 等主流格式的特性和适用场景;理解 PBR 材质原理与纹理贴图(漫反射、法线、金属度、粗糙度、环境遮蔽)的作用;理解 LOD 对性能优化的意义;能设计并实施从三维数据采集、处理、优化到发布的全流程;针对大规模高精度场景(含模型与地理影像)制定综合性能优化策略,熟练运用 LOD、Draco 压缩、UV 优化等手段。
- 编排引擎设计:独立设计低代码编排引擎的核心数据模型 DSL 与交互逻辑,具备设计与实现事件驱动、逻辑触发机制的能力。
- 三种设计模式:观察者模式、策略模式、工厂模式。
- 核心算法:智能吸附 与 网格吸附。
数字孪生的四个重难点
| 重难点 | 具体表现 | 解决思路 |
|---|---|---|
| 坐标系统与变换 | 多层级坐标变换、缩放因子、边界约束 | 统一坐标系管理、缩放因子正确应用、边界检查与约束处理 |
| 吸附算法 | 大量元素时的性能 | 阈值过滤减少计算、空间分割优化邻近元素查找、缓存计算结果 |
| 状态同步与一致性 | Vue 响应式系统与引擎状态双向同步 | 单向数据流设计、事件驱动的状态更新、防抖避免频繁更新 |
| 内存管理与性能 | 大量元素的渲染与内存占用 | 虚拟滚动、事件监听器正确清理、对象池复用减少 GC 压力 |