🌊 IntelligentFlow

企业级 AI Agent 工作流编排平台

📖 项目简介

IntelligentFlow 是一个企业级 AI Agent 工作流编排平台，支持用户通过可视化拖拽方式编排大模型节点、插件与逻辑控制流，无需编写代码即可构建复杂的 AI 应用。采用微服务架构，深度集成 LLM、超拟人音频合成、MCP 工具协议等能力，提供从工作流设计、调试到发布的完整生命周期管理。

✨ 核心亮点

🎨 可视化流程编排 — 基于 ReactFlow 的拖拽式画布，支持 20+ 节点类型
🧠 多 Agent 协作框架 — Supervisor / Pipeline / Swarm 三种协作拓扑
🔧 MCP 协议集成 — 统一工具调用标准，连接池复用降低 API 开销
🔄 LangGraph4j 有状态编排 — 检查点持久化、条件分支、循环迭代
📡 全链路 SSE 流式响应 — LLM 生成内容实时逐字推送，首字延迟 < 200ms
🧩 Skills 渐进式披露 — 按场景自动激活领域技能模板
🗂️ 可逆上下文压缩 — Redis + MinIO 外置大体量上下文，按需回读
🔍 Deep Research Agent — ReAct Loop + Plan/Search/Synthesize 三阶段流水线

🏗️ 架构设计

系统架构图

┌─────────────────────────────────────────────────────────────────────┐
│                        User Browser                                  │
└──────────────────────────────┬──────────────────────────────────────┘
                               │
                               ▼
┌──────────────────────────────────────────────────────────────────────┐
│                    Nginx (Static + Reverse Proxy)                     │
└──────────┬───────────────────────────────────────────┬───────────────┘
           │                                           │
           ▼                                           ▼
┌─────────────────────────┐              ┌──────────────────────────────┐
│  Console Frontend       │              │  Console Hub (:8080)         │
│  React + ReactFlow      │              │  Spring Boot 3.5             │
│  Zustand + Ant Design   │◄───SSE──────│  业务中台 / SSE 转发          │
│  Monaco Editor          │              │  用户 / 权限 / Bot 发布       │
└─────────────────────────┘              │  分布式锁 / 限流              │
                                         └──────────┬───────────────────┘
                                                    │ HTTP/SSE
                                                    ▼
                                         ┌──────────────────────────────┐
                                         │  Core Workflow Java (:7880)   │
                                         │  Spring AI + LangGraph4j      │
                                         │  DAG 执行引擎                 │
                                         │  Multi-Agent 协作             │
                                         │  MCP / Skills / Context       │
                                         └──────────┬───────────────────┘
                                                    │
                          ┌─────────────────────────┼────────────────────────┐
                          │                         │                        │
                          ▼                         ▼                        ▼
                   ┌────────────┐          ┌──────────────┐         ┌──────────────┐
                   │  LLM API   │          │  Link 工具    │         │  TTS 服务    │
                   │  OpenAI    │          │  MCP / OpenAPI│         │  讯飞/通义    │
                   │  DeepSeek  │          │  知识库 / RPA  │         │  DashScope   │
                   │  Qwen      │          └──────────────┘         └──────────────┘
                   └────────────┘
                          │
                          ▼
              ┌────────────────────────┐
              │  Infrastructure        │
              │  MySQL 8  Redis 7      │
              │  MinIO    Docker       │
              └────────────────────────┘

模块说明

模块	技术栈	说明
`console/frontend`	React 18 + TypeScript + Vite + ReactFlow + Zustand	可视化流程编排前端
`console/backend/hub`	Spring Boot 3.5 + MyBatis-Plus + Redisson + OkHttp	业务中台（用户/权限/发布/SSE 转发）
`console/backend/toolkit`	Spring Boot 3.5 + MyBatis-Plus + SpringDoc	工具集（工作流版本/知识库/模型管理）
`console/backend/commons`	Java 21 + MapStruct + EasyExcel	公共实体/服务/AOP/分布式锁
`core-workflow-java`	Spring Boot 3.5 + Spring AI 1.1 + LangGraph4j 1.8	核心工作流引擎
`core/workflow`	Python + FastAPI + OpenTelemetry	Python 版工作流引擎
`core/agent`	Python + FastAPI	Agent 服务
`core/plugin/link`	Python + FastAPI	工具调度中心
`core/plugin/aitools`	Python + FastAPI	AI 工具服务（TTS/OCR/ISE）
`core/common`	Python + Pydantic + SQLAlchemy	公共库（审计/认证/OTLP）

🚀 核心特性

1. DAG 工作流执行引擎

基于 Kahn 算法的拓扑排序确定节点执行顺序，结合 DFS 检测循环依赖。通过 CachedThreadPool + TTL + synchronized + AtomicInteger + CompletableFuture 实现复杂的并行分支执行逻辑，确保 50+ 节点规模的工作流在多线程环境下的执行顺序与数据一致性。

┌──────┐    ┌─────────┐    ┌──────────┐
│ START├───►│   LLM   ├───►│   TTS    │
└──────┘    └────┬────┘    └──────────┘
                 │
          ┌──────┴──────┐
          ▼             ▼
    ┌──────────┐  ┌──────────┐
    │ Analyzer │  │ Searcher │    ← 并行分支
    └─────┬────┘  └─────┬────┘
          └──────┬──────┘
                 ▼
          ┌──────────┐    ┌──────┐
          │  Writer  ├───►│ END  │
          └──────────┘    └──────┘

2. LangGraph4j 有状态编排

设计 GraphBuilder 将 JSON 工作流配置自动转换为 LangGraph4j StateGraph，支持节点注册、边添加、入口/出口自动识别。通过 RedisCheckpointSaver 实现检查点持久化，支持工作流中断恢复。

WorkflowAgentState — 工作流全局状态（变量池 + 节点结果 + Token 消耗）
NodeExecutorAdapter — 将 NodeExecutor 适配为 LangGraph4j 的 AsyncNodeAction
NodeExecutorFactory — 策略模式，按 NodeTypeEnum 动态分发节点执行器

3. 多 Agent 协作框架

基于 LangGraph4j StateGraph 编排三种协作拓扑：

模式	流程	适用场景
Supervisor	主管拆解任务 → 分派专家 → 汇总结果	复杂研究任务
Pipeline	Agent A → Agent B → Agent C	串行流水线处理
Swarm	Worker 并行探索 → Judge 综合评判	多方向并行研究

核心组件：

AgentRole — 角色能力边界定义（Supervisor/Searcher/Analyzer/Writer/Judge）
HandoffProtocol — Agent 间任务交接协议（DELEGATE/RETURN/BROADCAST/AGGREGATE）
CollaborationGraph — 基于 LangGraph4j StateGraph 编排协作拓扑

4. MCP 协议统一工具调用

基于 MCP（Model Context Protocol）协议统一工具调用标准，拆分 Link、AITools 等子模块：

McpSseClient — MCP SSE 客户端，支持工具发现与调用
McpConnectionPool — 连接池复用 TCP 连接，降低外部 API 调用开销
McpToolExecutor — 工具执行器，支持参数校验与结果解析

5. Skills 渐进式披露机制

实现 Anthropic Claude Code 的 Skills 扩展能力，通过渐进式披露（Progressive Disclosure）按场景自动激活领域技能模板：

SkillLoader — 从资源文件加载技能定义
SkillRegistry — 技能注册中心
SkillMatcher — 三级匹配策略（精确匹配 → Token 匹配 → 字符匹配）
SkillExecutor — 技能执行器

预置技能：Code Review、Data Analysis、PDF Processing、Podcast Writing

6. 全链路 SSE 流式响应

基于 SSE 技术设计全链路流式响应机制，支持 LLM 生成内容的实时逐字推送：

DualQueueManager — 双队列架构（接收队列 + 发送队列），解耦生产与消费，保证消息有序
Callback Handler — 节点状态变更、中间结果输出及 Token 消耗统计的实时反馈
SseEmitter — Hub 层 SSE 转发，超时 5 分钟 + 心跳保活

7. Deep Research Agent

基于 ReAct Loop 作为主控流程，构建 Plan → Search → Synthesize 三阶段任务流水线：

PlanningAgent — 生成结构化研究计划，持久化为 plan.md 文件
DeepResearchAgent — ReAct Loop 自主推理，按步骤拆解与执行
LlmPlanExecutor / LlmSearchExecutor / LlmSynthesizeExecutor — 三阶段 LLM 驱动执行器

8. 可逆上下文压缩

设计 Context Manager 实现可逆上下文压缩机制：

ContextStorageService — Redis + MinIO 双层存储（热数据 Redis + 冷数据 MinIO）
ContextManager — 压缩/解压/片段检索，对话上下文仅保留"路径 + 摘要"
支持按需回读与片段级检索，控制上下文规模

9. 智能分块 + 并发 TTS

针对文本长度限制问题，设计智能分块算法结合多线程优化长文本 TTS 分片并发处理：

SmartTextChunker — 语义边界感知的智能分块（段落 → 句子 → 字符三级回退）
ConcurrentTtsProcessor — 并行分片处理，CompletableFuture 线程池调度
WavAudioMerger — WAV 音频文件合并

10. Spring AI 深度集成

深度集成 Spring AI 框架，通过 OpenAiChatModel 与 OpenAiApi 标准接口，实现对 OpenAI、DeepSeek、Qwen 的统一抽象与调用：

适配器模式统一不同 LLM 提供商
兼容模式重写 baseUrl 和 completionsPath，支持非标准 OpenAI 接口路由
Function Calling 支持，工具自动注册与调用

📂 项目结构

IntelligentFlow/
├── console/                            # 控制台
│   ├── backend/                        # Java 后端
│   │   ├── hub/                        # 业务中台 (:8080)
│   │   ├── toolkit/                    # 工具集
│   │   └── commons/                    # 公共模块
│   └── frontend/                       # React 前端
│       └── src/
│           ├── pages/                  # 页面
│           │   ├── workflow/           # 工作流编排页（核心）
│           │   ├── chat-page/          # 对话页
│           │   └── space/              # 空间管理
│           └── components/
│               └── workflow/           # 工作流组件
│                   ├── nodes/          # 20+ 可视化节点组件
│                   ├── edges/          # 边组件
│                   ├── store/          # Zustand 状态管理
│                   └── hooks/          # 自定义 Hooks
├── core-workflow-java/                 # Java 工作流引擎 (:7880)
│   └── src/main/java/.../workflow/
│       ├── engine/
│       │   ├── node/                   # 节点执行器（策略模式）
│       │   │   └── impl/
│       │   │       ├── llm/            # LLM 大模型节点
│       │   │       ├── plugin/         # 插件节点
│       │   │       ├── skill/          # Skills 技能节点
│       │   │       ├── research/       # 深度研究节点
│       │   │       └── collaboration/  # 多 Agent 协作节点
│       │   ├── langgraph/              # LangGraph4j 集成
│       │   ├── agent/
│       │   │   ├── research/           # Deep Research Agent
│       │   │   └── collaboration/      # Multi-Agent 协作
│       │   ├── skills/                 # Skills 渐进式披露
│       │   ├── context/                # 上下文管理
│       │   └── integration/
│       │       ├── mcp/                # MCP 协议客户端
│       │       ├── model/              # LLM 统一适配层
│       │       └── plugins/tts/        # TTS 语音合成
│       ├── domain/                     # 领域模型
│       ├── constants/                  # 常量与枚举
│       └── controller/                 # REST API
├── core/                               # Python 核心服务
│   ├── workflow/                       # Python 工作流引擎
│   ├── agent/                          # Agent 服务
│   ├── plugin/
│   │   ├── link/                       # 工具调度中心
│   │   └── aitools/                    # AI 工具服务
│   └── common/                         # 公共库
├── docker/                             # Docker 部署
│   └── IntelligentFlow/
│       ├── docker-compose.yaml
│       ├── Dockerfile.backend
│       ├── Dockerfile.workflow
│       ├── Dockerfile.frontend
│       └── mysql/                      # 数据库初始化脚本
└── scripts/                            # 辅助脚本

🛠️ 技术栈

后端

技术	版本	用途
Java	21	运行时
Spring Boot	3.5.4	应用框架
Spring AI	1.1.2	LLM 集成
LangGraph4j	1.8.11	有状态工作流编排
MyBatis-Plus	3.5.7	ORM
Redisson	3.30	分布式锁 / 缓存
OkHttp	4.12.0	HTTP 客户端
MinIO	8.5.7	对象存储
DashScope SDK	2.22.3	阿里云通义千问 TTS
Guava	33.5.0	超时控制 / Rate Limiter
TTL	2.14.5	线程池上下文传递
Fastjson2	2.0.51	JSON 序列化
SpringDoc	2.8	API 文档

前端

技术	版本	用途
React	18.2	UI 框架
TypeScript	5.9	类型安全
Vite	5.4	构建工具
ReactFlow	11.11	可视化流程编辑器
Zustand	5.0	状态管理
Ant Design	5.19	UI 组件库
Monaco Editor	0.52	代码编辑器
Tailwind CSS	3.3	样式框架
i18next	23.10	国际化（中/英）
ECharts	5.4	图表

基础设施

技术	版本	用途
MySQL	8.0	关系型数据库
Redis	7	缓存 / 分布式锁 / 消息队列
MinIO	RELEASE.2025-07	对象存储
Docker Compose	3.8	容器编排
Nginx	1.15	反向代理 / 静态资源

🎯 快速开始

环境要求

JDK 21+
Node.js 18+
MySQL 8.0+
Redis 7+
MinIO（可选，用于对象存储）
Docker & Docker Compose（推荐）

方式一：Docker Compose 一键部署（推荐）

# 1. 克隆项目
git clone https://github.com/your-username/IntelligentFlow.git
cd IntelligentFlow

# 2. 配置环境变量
cd docker/IntelligentFlow
cp .env.example .env
# 编辑 .env 文件，配置 MySQL 密码、MinIO 凭证、DeepSeek API Key 等

# 3. 一键启动
docker-compose up -d

# 4. 访问应用
# 前端：http://localhost:3000
# 后端 API：http://localhost:8080
# 工作流引擎：http://localhost:7880
# MinIO 控制台：http://localhost:9001

方式二：本地开发

1. 启动基础设施

# 仅启动 MySQL + Redis + MinIO
cd docker/IntelligentFlow
docker-compose up -d mysql redis minio

2. 启动后端

# 工作流引擎
cd core-workflow-java
mvn spring-boot:run

# 业务中台
cd console/backend/hub
mvn spring-boot:run

3. 启动前端

cd console/frontend
pnpm install
pnpm dev

4. 访问应用

打开浏览器访问 http://localhost:5173

📡 API 概览

工作流引擎 API

方法	路径	说明
POST	`/api/v1/workflow/chat/stream`	工作流对话（SSE 流式）
POST	`/api/v1/workflow/debug`	工作流调试
POST	`/api/v1/workflow/node/debug`	单节点调试
GET	`/api/v1/workflow/node-template`	获取节点模板列表

业务中台 API

方法	路径	说明
POST	`/workflow/chat/stream`	工作流对话（Hub 转发 SSE）
GET	`/workflow/list`	工作流列表
POST	`/workflow/save`	保存工作流
POST	`/bot/publish`	Bot 发布
GET	`/model/list`	模型列表

🧩 工作流节点类型

节点类型	idType	说明
开始节点	`node-start`	工作流入口，定义输入变量
结束节点	`node-end`	工作流出口，输出结果
大模型节点	`spark-llm`	LLM 调用，含系统/用户提示词
Agent 节点	`agent`	智能体，支持策略/工具/MCP
多Agent协作	`multi-agent`	Supervisor/Pipeline/Swarm 协作
知识库节点	`knowledge-base`	知识库检索
代码节点	`ifly-code`	自定义代码执行
条件分支	`if-else`	条件判断分支
决策节点	`decision-making`	意图识别与分支
迭代器	`iteration`	循环迭代
插件节点	`plugin`	外部工具/插件调用
数据库节点	`database`	数据库操作
消息节点	`message`	消息输出
Skills 节点	`skill`	技能自动匹配与执行
深度研究	`research`	Deep Research Agent
子流程	`flow`	嵌套工作流调用
RPA 节点	`rpa`	RPA 自动化

🎨 设计模式

本项目在核心模块中广泛运用了经典设计模式：

模式	应用场景	关键类
策略模式	不同节点类型差异化执行	`NodeExecutor` + `NodeExecutorFactory`
模板方法	节点执行标准流程（重试/超时/回调）	`AbstractNodeExecutor.execute()`
适配器模式	NodeExecutor → LangGraph4j AsyncNodeAction	`NodeExecutorAdapter`
工厂模式	按配置动态创建节点执行器	`NodeExecutorFactory`
观察者模式	节点状态变更实时通知	`WorkflowMsgCallback`
装饰器模式	分布式锁 + 限流 AOP	`@DistributedLock` / `@RateLimit`
责任链模式	Spring 事件驱动节点调度	`NodeExecutor` 链式执行

🧪 测试

后端测试

cd core-workflow-java

# 运行全部测试
mvn test

# 运行指定模块测试
mvn test -Dtest="MultiAgentCollaborationTest"
mvn test -Dtest="DeepResearchAgentTest"
mvn test -Dtest="SkillsTest"
mvn test -Dtest="McpToolExecutorTest"
mvn test -Dtest="ContextManagerTest"

测试覆盖

模块	测试类	测试用例数
Multi-Agent 协作	`MultiAgentCollaborationTest`	23
Deep Research	`DeepResearchAgentTest`	12
Skills	`SkillsTest`	8
MCP	`McpToolExecutorTest`	10
Context Manager	`ContextManagerTest`	9
GraphBuilder	`GraphBuilderTest`	6

🚢 部署指南

Docker Compose 生产部署

# 1. 构建并启动所有服务
docker-compose up -d --build

# 2. 查看服务状态
docker-compose ps

# 3. 查看日志
docker-compose logs -f core-workflow-java
docker-compose logs -f console-hub

# 4. 停止所有服务
docker-compose down

# 5. 停止并清除数据卷
docker-compose down -v

服务端口

服务	端口	说明
Console Frontend	3000	前端页面
Console Hub	8080	业务中台 API
Core Workflow Java	7880	工作流引擎 API
MySQL	3306	数据库
Redis	6379	缓存
MinIO API	9000	对象存储 API
MinIO Console	9001	对象存储控制台

🤝 贡献指南

Fork 本仓库
创建特性分支 (git checkout -b feature/amazing-feature)
提交更改 (git commit -m 'Add some amazing feature')
推送到分支 (git push origin feature/amazing-feature)
提交 Pull Request

开发规范

Java 代码遵循阿里巴巴 Java 开发手册
前端代码使用 ESLint + Prettier 格式化
提交信息遵循 Conventional Commits 规范
新功能需附带单元测试

📄 License

本项目基于 MIT License 开源。

Name		Name	Last commit message	Last commit date
Latest commit History 74 Commits
console		console
core-workflow-java		core-workflow-java
core		core
docker/IntelligentFlow		docker/IntelligentFlow
scripts		scripts
.gitignore		.gitignore
README.md		README.md

Folders and files

Latest commit

History

Repository files navigation

🌊 IntelligentFlow

📖 项目简介

✨ 核心亮点

🏗️ 架构设计

系统架构图

模块说明

🚀 核心特性

1. DAG 工作流执行引擎

2. LangGraph4j 有状态编排

3. 多 Agent 协作框架

4. MCP 协议统一工具调用

5. Skills 渐进式披露机制

6. 全链路 SSE 流式响应

7. Deep Research Agent

8. 可逆上下文压缩

9. 智能分块 + 并发 TTS

10. Spring AI 深度集成

📂 项目结构

🛠️ 技术栈

后端

前端

基础设施

🎯 快速开始

环境要求

方式一：Docker Compose 一键部署（推荐）

方式二：本地开发

1. 启动基础设施

2. 启动后端

3. 启动前端

4. 访问应用

📡 API 概览

工作流引擎 API

业务中台 API

🧩 工作流节点类型

🎨 设计模式

🧪 测试

后端测试

测试覆盖

🚢 部署指南

Docker Compose 生产部署

服务端口

🤝 贡献指南

开发规范

📄 License

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages