Agent设计模式学习(基于langchain4j实现)(6) - 组合复杂工作流

一、定义Agent1.1 CandidateWorkflow1 public interface CandidateWorkflow { 2 Agent(根据个人履历和职位描述生成主简历通过反馈循环针对职位描述进行定制直至达到合格分数) 3 String processCandidate(V(lifeStory) String userInfo, V(jobDescription) String jobDescription); 4 }1.2 HiringTeamWorkflow1 public interface HiringTeamWorkflow { 2 Agent(根据简历、电话面试和职位描述该智能体将决定邀请或拒绝候选人) 3 void processApplication(V(candidateCv) String candidateCv, 4 V(jobDescription) String jobDescription, 5 V(hrRequirements) String hrRequirements, 6 V(phoneInterviewNotes) String phoneInterviewNotes, 7 V(candidateContact) String candidateContact); 8 }时序图(简化版) - AI生成时序图(详细版) - AI生成二、组合工作流示例代码1 /** 2 * 每个智能体无论是单任务智能体、顺序工作流...都仍然是一个Agent对象。 3 * 这使得智能体可以完全组合。你可以 4 * - 将较小的智能体捆绑成超级智能体 5 * - 使用子智能体分解任务 6 * - 在任何层级混合顺序、并行、循环、监督...等工作流 7 * 在这个示例中我们将把之前构建的组合智能体顺序、并行等 8 * 组合成两个更大的复合智能体来编排整个申请流程。 9 * by 菩提树下的杨过(yjmyzz.cnblogs.com) 10 */ 11 SpringBootApplication 12 public class _6_Composed_Workflow_Example2 { 13 14 public static void main(String[] args) throws IOException { 15 ConfigurableApplicationContext context SpringApplication.run(AgentDesignPatternApplication.class, args); 16 ChatModel model context.getBean(ollamaChatModel, ChatModel.class); 17 RagProvider ragProvider context.getBean(ragProvider, RagProvider.class); 18 19 ////////////////// 候选人组合工作流 ////////////////////// 20 // 我们将从个人履历 简历 评审 评审循环直到通过 21 // 然后将简历通过电子邮件发送给公司 22 23 // 1. 为候选人工作流创建所有必要的智能体 24 CvGenerator cvGenerator AgenticServices 25 .agentBuilder(CvGenerator.class) 26 .chatModel(model) 27 .outputKey(cv) 28 .build(); 29 30 ScoredCvTailor scoredCvTailor AgenticServices 31 .agentBuilder(ScoredCvTailor.class) 32 .chatModel(model) 33 .outputKey(cv) 34 .build(); 35 36 CvReviewer cvReviewer AgenticServices 37 .agentBuilder(CvReviewer.class) 38 .chatModel(model) 39 .outputKey(cvReview) 40 .build(); 41 42 // 2. 创建简历改进的循环工作流 43 UntypedAgent cvImprovementLoop AgenticServices 44 .loopBuilder() 45 .subAgents(scoredCvTailor, cvReviewer) 46 .outputKey(cv) 47 .exitCondition(agenticScope - { 48 CvReview review (CvReview) agenticScope.readState(cvReview); 49 System.out.println(简历评审分数: review.score); 50 if (review.score 0.8) 51 System.out.println(简历已足够好退出循环。\n); 52 return review.score 0.8; 53 }) 54 .maxIterations(3) 55 .build(); 56 57 // 3. 创建完整的候选人工作流生成 评审 改进循环 58 CandidateWorkflow candidateWorkflow AgenticServices 59 .sequenceBuilder(CandidateWorkflow.class) 60 .subAgents(cvGenerator, cvReviewer, cvImprovementLoop) 61 // 这里我们在sequenceBuilder中使用组合智能体cvImprovementLoop 62 // 我们还需要cvReviewer来在进入循环前生成第一次评审 63 .outputKey(cv) 64 .build(); 65 66 // 4. 加载输入数据 67 String lifeStory StringLoader.loadFromResource(/documents/user_life_story.txt); 68 String jobDescription StringLoader.loadFromResource(/documents/job_description_backend.txt); 69 70 // 5. 执行候选人工作流 71 String candidateCv candidateWorkflow.processCandidate(lifeStory, jobDescription); 72 // 注意输入参数和中间参数都存储在一个AgenticScope中 73 // 这个作用域对系统中的所有智能体都可用无论我们有多少层级的组合 74 75 System.out.println( 候选人工作流完成 ); 76 System.out.println(最终简历: candidateCv); 77 78 System.out.println(\n\n\n\n); 79 80 ////////////////// 招聘团队组合工作流 ////////////////////// 81 // 我们收到包含候选人简历和联系方式的电子邮件。我们进行了电话HR面试。 82 // 现在我们通过3个并行评审然后将结果传入条件流程来决定邀请或拒绝。 83 84 // 1. 为招聘团队工作流创建所有必要的智能体 85 HrCvReviewer hrCvReviewer AgenticServices 86 .agentBuilder(HrCvReviewer.class) 87 .chatModel(model) 88 .outputKey(hrReview) 89 .build(); 90 91 ManagerCvReviewer managerCvReviewer AgenticServices 92 .agentBuilder(ManagerCvReviewer.class) 93 .chatModel(model) 94 .outputKey(managerReview) 95 .build(); 96 97 TeamMemberCvReviewer teamMemberCvReviewer AgenticServices 98 .agentBuilder(TeamMemberCvReviewer.class) 99 .chatModel(model) 100 .outputKey(teamMemberReview) 101 .build(); 102 103 EmailAssistant emailAssistant AgenticServices 104 .agentBuilder(EmailAssistant.class) 105 .chatModel(model) 106 .tools(new OrganizingTools()) 107 .build(); 108 109 InterviewOrganizer interviewOrganizer AgenticServices 110 .agentBuilder(InterviewOrganizer.class) 111 .chatModel(model) 112 .tools(new OrganizingTools()) 113 .contentRetriever(ragProvider.loadHouseRulesRetriever()) 114 .build(); 115 116 // 2. 创建并行评审工作流 117 UntypedAgent parallelReviewWorkflow AgenticServices 118 .parallelBuilder() 119 .subAgents(hrCvReviewer, managerCvReviewer, teamMemberCvReviewer) 120 .executor(Executors.newFixedThreadPool(3)) 121 .outputKey(combinedCvReview) 122 .output(agenticScope - { 123 CvReview hrReview (CvReview) agenticScope.readState(hrReview); 124 CvReview managerReview (CvReview) agenticScope.readState(managerReview); 125 CvReview teamMemberReview (CvReview) agenticScope.readState(teamMemberReview); 126 String feedback String.join(\n, 127 HR评审: hrReview.feedback, 128 经理评审: managerReview.feedback, 129 团队成员评审: teamMemberReview.feedback 130 ); 131 double avgScore (hrReview.score managerReview.score teamMemberReview.score) / 3.0; 132 System.out.println(最终平均简历评审分数: avgScore \n); 133 return new CvReview(avgScore, feedback); 134 }) 135 .build(); 136 137 // 3. 创建最终决策的条件工作流 138 UntypedAgent decisionWorkflow AgenticServices 139 .conditionalBuilder() 140 .subAgents(agenticScope - ((CvReview) agenticScope.readState(combinedCvReview)).score 0.8, interviewOrganizer) 141 .subAgents(agenticScope - ((CvReview) agenticScope.readState(combinedCvReview)).score 0.8, emailAssistant) 142 .build(); 143 144 // 4. 创建完整的招聘团队工作流并行评审 → 决策 145 HiringTeamWorkflow hiringTeamWorkflow AgenticServices 146 .sequenceBuilder(HiringTeamWorkflow.class) 147 .subAgents(parallelReviewWorkflow, decisionWorkflow) 148 .build(); 149 150 // 5. 加载输入数据 151 String candidateContact StringLoader.loadFromResource(/documents/candidate_contact.txt); 152 String hrRequirements StringLoader.loadFromResource(/documents/hr_requirements.txt); 153 String phoneInterviewNotes StringLoader.loadFromResource(/documents/phone_interview_notes.txt); 154 155 156 // 6. 执行招聘团队工作流 157 hiringTeamWorkflow.processApplication(candidateCv, jobDescription, hrRequirements, phoneInterviewNotes, candidateContact); 158 System.out.println( 招聘团队工作流完成 ); 159 System.out.println(并行评审完成并已做出决策); 160 161 162 } 163 }