Tinyflow AI流程编排实战教程

这次从入门到实战，技术栈选的是若依plus加上JDK17和SpringBoot 3.4.1，这几个版本搭配起来，运行效率确实不错。

聊聊这次的主角：Tinyflow。市面上这类工作流组件不少，但Tinyflow的优势在于它同时支持Java和前端，后端引入依赖即可，前端Vue或React都能用。整个设计思路其实跟Dify、Coze的工作流很像，核心是支持智能体编排，还能自定义节点——这一点在实际开发中非常关键，因为实际情况往往不是标准化的流程能搞定的。

顺便提一嘴，Spring AI Alibaba也在做类似的功能，基于Spring AI Alibaba Graph实现，但坦白讲，目前还处在完善阶段，生产环境暂时不必作为首选。

好，话不多说，直接上手实战。

demo版

项目启动成功后，浏览器访问“http://localhost:port”就能看到界面。直接在页面上新增节点，然后点击运行测试。测试通过后，再点击保存。看一眼数据库，就能看到数据被成功插入——整个流程跑通了。

来，我们看看运行过程中生成的JSON结构是什么样的：

{"nodes":[{"id":"node_CVKeWeJL8jn5cGr4","position":{"x":-83,"y":67},"data":{"title":"开始节点","description":"开始定义输入参数","expand":true,"parameters":[{"name":"username","dataType":"String","refType":"input","id":"YtkNFKFFC5hh4zAh","required":true},{"name":"password","dataType":"String","refType":"input","id":"YW0JonLnPtsDVRlp","required":true}]},"type":"startNode","selected":false,"measured":{"width":305,"height":238},"dragging":false},{"id":"node_Lmg446ujJkBFTq7s","position":{"x":333,"y":68},"data":{"title":"结束节点","description":"结束定义输出参数","expand":true,"outputDefs":[{"name":"用户名","dataType":"String","refType":"ref","id":"0FqjBTXWXwmNHvOm","ref":"node_CVKeWeJL8jn5cGr4.username"},{"name":"密码","dataType":"String","refType":"ref","id":"jdXNtiAiLAqP1uto","ref":"node_CVKeWeJL8jn5cGr4.password"}]},"type":"endNode","selected":true,"measured":{"width":368,"height":238},"dragging":false}],"edges":[{"markerEnd":{"type":"arrowclosed","width":20,"height":20},"source":"node_CVKeWeJL8jn5cGr4","target":"node_Lmg446ujJkBFTq7s","id":"p1QfMcJuAkHG9XN7","selected":false}],"viewport":{"x":269.9146606773976,"y":109.93970251055521,"zoom":0.8705505632961242}}

这个结构非常清晰完整，开始节点定义了输入参数（username和password），结束节点引用了这些参数作为输出，中间通过一条边连接——基本的工作流骨架一目了然。

实战中，一共分为七个步骤。别看步骤多，其实每一块都不复杂，我们一个个来过。

第一步：引入依赖

在pom.xml中先定义版本号：

<tinyflow.version>1.0.8tinyflow.version>

然后引入核心依赖：

<dependency><groupId>dev.tinyflowgroupId><artifactId>tinyflow-ja va-coreartifactId><version>${tinyflow.version}version>dependency>

第二步：表设计

我们需要一张表来存储流程数据，这里定义了一个ai_workflow表，包含流程id、名称、节点数据、状态、描述等基础字段，同时也预留了租户、部门、创建者等通用字段，方便业务扩展：

CREATETABLE`ai_workflow` ( `flow_id`bigintNOTNULLCOMMENT'流程id', `flow_name`varchar(50)DEFAULTNULLCOMMENT'流程名称', `graph` jsonDEFAULTNULLCOMMENT'节点数据', `status`intDEFAULT'0'COMMENT'状态 0->草稿 1->发布', `description`varchar(255)DEFAULTNULLCOMMENT'描述内容', `tenant_id`varchar(20)DEFAULTNULLCOMMENT'租户id', `create_dept`bigintDEFAULTNULLCOMMENT'创建部门', `create_by`bigintDEFAULTNULLCOMMENT'创建者', `create_time` datetimeDEFAULTNULLCOMMENT'创建时间', `update_by`bigintDEFAULTNULLCOMMENT'更新者', `update_time` datetimeDEFAULTNULLCOMMENT'更新时间', `del_flag`char(1)DEFAULT'0'COMMENT'删除标志（0代表存在 2代表删除）',PRIMARYKEY (`flow_id`)) COMMENT='AI流程编排';

第三步：代码生成

这一块是最省事的。直接用生成器把对应的Controller、Service、Mapper一键生成，然后拷贝到项目对应的目录下就行。不需要手写任何基础的CRUD。

第四步：执行流程接口

控制器层定义了一个/excute接口，接收AiWorkflowExcuteBo参数，调用Service执行流程。实现层目前先留一个壳子，具体的执行逻辑可以根据业务需求填充。

@PostMapping("/excute")publicR

第五步：保存结果接口

执行完成后，需要把结果存起来。这个接口跟前面的执行接口设计思路一致，只是功能侧重点不同。

/*** 保存结果**@parambo*@return*/ @PostMapping("/saveResult") publicR saveResult(@RequestBodyAiWorkflowBo bo) {returntoAjax(aiWorkflowService.saveResult(bo));}

第六步：发布流程接口

流程从草稿状态变成已发布状态，需要一个接口来触发。这里用PUT方法，传递流程ID即可。

/** * 发布流程 * *@paramflowId 流程id *@return */@PutMapping("/release/{flowId}")publicR release(@PathVariable("flowId")LongflowId){ returntoAjax(aiWorkflowService.release(flowId)); }

第七步：功能测试

到这一步，基本的接口就齐了。测试时，依次验证以下几个接口：查询接口、流程详情接口、新增接口、修改接口、删除接口、执行流程接口、保存结果接口、发布流程接口。最后去表里看看数据是否写入成功，各字段是否正常。

至此，Tinyflow结合若依plus的AI流程编排已经完整跑通。从手动引入依赖、设计库表、生成代码，到定义核心的执行、保存、发布接口，再到测试验证——整个链条走下来，对工作流在业务中的落地方式应该就有比较直观的感受了。接下来的事情，就是根据实际业务场景，把自定义节点加进去，让这个框架真正为业务服务。