Agent设计模式学习(基于langchain4j实现)(9) - 人机协同

经过前面的一系列流程，招聘来到了最重要的1个环节，AI虽然强大，但是不能完全代替人做决定，最终还是要Boss决策这个候选人的去留。从系统设计角度来说，整个AI智能体环节中，要预留人工干预的能力，也称为"人机协同"（human_in_the_loop)
 
示例代码：

1. 1 @SpringBootApplication 2 public class _9a_HumanInTheLoop_Simple_Validator { 3  4     public static void main(String[] args) throws IOException { 5         ConfigurableApplicationContext context = SpringApplication.run(AgentDesignPatternApplication.class, args); 6         ChatModel model = context.getBean("ollamaChatModel", ChatModel.class); 7         RagProvider ragProvider = context.getBean("ragProvider", RagProvider.class); 8  9         // 3. 创建相关智能体10         InterviewOrganizer interviewOrganizer = AgenticServices.agentBuilder(InterviewOrganizer.class)11                 .chatModel(model)12                 .tools(new OrganizingTools())13                 .contentRetriever(ragProvider.loadHouseRulesRetriever())14                 .build();15 16         EmailAssistant emailAssistant = AgenticServices.agentBuilder(EmailAssistant.class)17                 .chatModel(model)18                 .tools(new OrganizingTools())19                 .build();20 21         HiringDecisionProposer decisionProposer = AgenticServices.agentBuilder(HiringDecisionProposer.class)22                 .chatModel(model)23                 .outputKey("modelDecision")24                 .build();25 26         // 2. 定义人工验证环节27         HumanInTheLoop humanValidator = AgenticServices.humanInTheLoopBuilder()28                 .description("验证模型提出的招聘决策")29                 .inputKey("modelDecision")30                 .outputKey("finalDecision") // 由人工检查31                 .requestWriter(request -> {32                     System.out.println("AI招聘助手建议: " + request);33                     System.out.println("请确认最终决定。");34                     System.out.println("选项: 邀请现场面试 (I), 拒绝 (R), 暂缓 (H)");35                     System.out.print("> "); // 在实际系统中需要输入验证和错误处理36                 })37                 .responseReader(() -> new Scanner(System.in).nextLine())38                 .build();39 40         // 3. 将智能体链接成工作流41         UntypedAgent hiringDecisionWorkflow = AgenticServices.sequenceBuilder()42                 .subAgents(decisionProposer, humanValidator)43                 .outputKey("finalDecision")44                 .build();45 46         // 4. 准备输入参数47         Map input = Map.of(48                 "cvReview", new CvReview(0.85,49                         """50                                 技术能力强，但缺乏所需的React经验。51                                 似乎是快速独立学习者。文化契合度良好。52                                 工作许可可能存在潜在问题，但似乎可以解决。53                                 薪资期望略高于计划预算。54                                 决定继续进行现场面试。55                                 """)56         );57 58         System.out.println(input + "\n");59 60         // 5. 运行工作流61         String finalDecision = (String) hiringDecisionWorkflow.invoke(input);62 63         System.out.println("\n=== 人工最终决定 ===");64         System.out.println("(邀请现场面试 (I), 拒绝 (R), 暂缓 (H))\n");65         System.out.println(finalDecision);66 67         UntypedAgent candidateResponder = AgenticServices68                 .conditionalBuilder()69                 .subAgents(agenticScope -> finalDecision.contains("I"), interviewOrganizer)70                 .subAgents(agenticScope -> finalDecision.contains("R"), emailAssistant)71                 .subAgents(agenticScope -> finalDecision.contains("H"), new HoldOnAssist())72                 .build();73 74         String candidateContact = StringLoader.loadFromResource("/documents/candidate_contact.txt");75         String jobDescription = StringLoader.loadFromResource("/documents/job_description_backend.txt");76 77 78         Map arguments = Map.of(79                 "candidateContact", candidateContact,80                 "jobDescription", jobDescription81         );82 83         // 6. 根据人工最终决定，进行下一步操作84         candidateResponder.invoke(arguments);85 86         // 注意：人工参与和人工验证通常需要较长时间等待用户响应。87         // 在这种情况下，建议使用异步智能体，这样它们不会阻塞工作流的其余部分，88         // 这些部分可以在用户回答之前潜在执行。89     }90 }

复制代码

_9a_HumanInTheLoop_Simple_Validator 解释一下：
27行，这里的 AgenticServices.humanInTheLoopBuilder() 表示这里需要人机协助，协助的方式由29行的 new Scanner(System.in).nextLine() 指定为终端控制台输入（也可以根据需要，换成其它方式，比如：读数据库，调用接口从其它系统获取）
67-71行，则是根据人工指令做出的响应（即前面学过过的条件工作流)，如果输入H，则执行下面的Agent 

1. 1 public class HoldOnAssist {2 3     @Agent(description = "招聘流程暂缓")4     public void abort() {5         System.out.println("招聘流程暂缓");6     }7 }

复制代码

HoldOnAssist  
输出日志：

1. 1 {cvReview= 2 CvReview:  - score = 0.85 3 - feedback = "技术能力强，但缺乏所需的React经验。 4 似乎是快速独立学习者。文化契合度良好。 5 工作许可可能存在潜在问题，但似乎可以解决。 6 薪资期望略高于计划预算。 7 决定继续进行现场面试。 8 " 9 }10 11 AI招聘助手建议: **招聘理由汇总：**12 13 **优势：** 技术能力强，文化契合度良好，学习能力佳14 15 **风险：** 缺乏React经验，薪资略超预算，潜在工作许可问题  16 17 **建议：** 继续现场面试评估，面试后综合决定18 请确认最终决定。19 选项: 邀请现场面试 (I), 拒绝 (R), 暂缓 (H)20 > H21 22 === 人工最终决定 ===23 (邀请现场面试 (I), 拒绝 (R), 暂缓 (H))24 25 H26 招聘流程暂缓

复制代码

View Code

 
时序图（简化版) - AI生成

时序图（详细版) - AI生成

 
文中示例代码：
https://github.com/yjmyzz/agentic_turoial_with_langchain4j

 
参考：
Building Effective AI Agents \ Anthropic
[译] AI Workflow & AI Agent：架构、模式与工程建议（Anthropic，2024）
Agents and Agentic AI | LangChain4j

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

热心回复！