Solon AI 开发学习19 - 结合 Solon Flow 实现 ReAct 效果

柴古香 · 昨天 23:30

Solon Flow 是一个通用流程编排引擎，采用 yaml 或 json 配置。下面演示 solon-ai 和 solon-flow 演示一个人机交互的 RcAct 效果。
1、演示步骤预期：

让 LLM 根据主题编写文章，然后由人工审核，如果没有通过重复上面的动作。步骤如下：

Agent 编写：流程进入 agent 节点，LLM 编写初稿。
人机回路 1：流程进入 review 节点。
- 用户输入 reject，并输入反馈：“文章太短，请增加挑战部分的具体细节。”
动态循环：评审 link 到 "agent"，流程回到 agent 节点。
Agent 修改： LLM 读取反馈，修改内容。
人机回路 2：流程再次进入 review 节点。
- 用户输入 approve。
流程结束：评审 link 到 "approved"，流程结束。

2、流程编排

flow/demo1.yml

id: demo1
layout:
- {type: 'start'}
- {task: '@agent', id: 'agent'}
- {task: '@review', id: 'review', type: exclusive, link: [
{nextId: 'final_approval', title: 'approved', when: '"APPROVED".equals(review_status)'},
{nextId: 'final_failure', title: 'failed', when: '"REJECTED".equals(review_status) && revision_count.get() >= MAX_REVISIONS'},
{nextId: 'agent', title: 'revise', when: '"REJECTED".equals(review_status) && revision_count.get() < MAX_REVISIONS'},
{nextId: 'review', title: 'review'}
]}
- {task: '@final_approval', id: 'final_approval', link: 'end'}
- {task: '@final_failure', id: 'final_failure', link: 'end'}
- {type: 'end', id: 'end'}

复制代码

3、编写组件

agent 根据状态编写内容或修改内容。

@Component("agent")
public class AiNodeAgent implements TaskComponent {
private static final Logger log = LoggerFactory.getLogger(AiNodeAgent.class);
private final ChatModel chatModel;
public AiNodeAgent(ChatModel chatModel) {
this.chatModel = chatModel;
}
@Override
public void run(FlowContext context, Node node) throws Throwable {
AtomicInteger revision_count = context.getAs("revision_count");
String draft_content = context.getAs("draft_content");
String feedback = context.getAs("feedback");
List<ChatMessage> messages = context.getAs("messages");
Prompt prompt = new Prompt();
//构建 LLM 提示词
if (revision_count.get() == 0) {
//第一次：编写内容
String topic = messages.get(0).getContent();
prompt.addMessage(ChatMessage.ofSystem("你是一个专业的内容创作者，请根据主题草拟一篇简短的文章。"));
prompt.addMessage(ChatMessage.ofUser("请草拟关于主题 '" + topic + "' 的文章。"));
} else {
//循环：根据反馈修改内容
prompt.addMessage(ChatMessage.ofSystem("你是一个专业的内容创作者。你收到了人工审核员的反馈，请根据反馈修改你的草稿。"));
prompt.addMessage(ChatMessage.ofUser("这是你的旧草稿：\\n---\\n" + draft_content + "\\n---\\n这是人工审核员的反馈：\\n---\\n" + feedback + "\\n---\\n请提供修改后的新草稿。"));
}
ChatMessage new_draft = chatModel.prompt(prompt).call().getMessage();
revision_count.incrementAndGet();
log.info("--- LLM 完成第 {} 次草稿/修改 ---", revision_count.get());
context.put("draft_content", new_draft.getContent());
context.put("review_status", "PENDING");
messages.add(ChatMessage.ofAssistant("提交第 " + revision_count.get() + " 次草稿进行审核。"));
}
}

复制代码

review 模拟人工审核流程，流程在此暂停，等待人工输入。

@Component("review")
public class AiNodeReview implements TaskComponent {
private static final Logger log = LoggerFactory.getLogger(AiNodeReview.class);
@Override
public void run(FlowContext context, Node node) throws Throwable {
AtomicInteger revision_count = context.getAs("revision_count");
String draft_content = context.getAs("draft_content");
List<ChatMessage> messages = context.getAs("messages");
String feedback;
String status = null;
log.info("**人机回路节点激活** - 当前草稿 ({} 次修改):{}",
revision_count.get(),
(draft_content.length() > 200 ? draft_content.substring(0, 200) + "..." : draft_content));
//为了演示，我们用 "控制台" 模拟人工输入：
while (true) {
System.out.println("请输入审核结果 (approve or reject):");
String action = getInput();
if ("approve".equals(action)) {
feedback = "Approved.";
status = "APPROVED";
break;
} else if ("reject".equals(action)) {
System.out.println("请输入拒绝反馈意见: ");
feedback = getInput();
status = "REJECTED";
break;
} else {
System.out.println("输入无效，请重新输入。");
}
}
context.put("review_status", status);
context.put("feedback", feedback);
messages.add(ChatMessage.ofUserTmpl("审核结果: #{status}. 反馈: #{feedback}")
.paramAdd("status", status)
.paramAdd("feedback", feedback)
.generate());
}
private String getInput() throws Throwable {
BufferedReader reader = new BufferedReader(new InputStreamReader(System.in));
return reader.readLine();
}
}

复制代码

final_approval 运行通过。

@Component("final_approval")
public class AiNodeFinalApproval implements TaskComponent {
@Override
public void run(FlowContext context, Node node) throws Throwable {
List<ChatMessage> messages = context.getAs("messages");
messages.add(ChatMessage.ofAssistant("最终内容已发布！"));
}
}

复制代码

final_failure 运行失败。

@Component("final_failure")
public class AiNodeFinalFailure implements TaskComponent {
@Override
public void run(FlowContext context, Node node) throws Throwable {
List<ChatMessage> messages = context.getAs("messages");
messages.add(ChatMessage.ofAssistant("流程失败：内容修改次数过多，已退出。"));
}
}

复制代码

4、组合运行与测试

@Configuration
public class DemoAgent {
private static final Logger log = LoggerFactory.getLogger(DemoAi.class);
@Inject
FlowEngine flowEngine;
@Bean
public ChatModel chatModel(){
return ChatModel.of("http://127.0.0.1:11434/api/chat")
.provider("ollama")
.model("qwen2.5:1.5b")
.build();
}
@Init
public void test() {
FlowContext context = FlowContext.of()
.put("MAX_REVISIONS", 3)
.put("draft_content", "")
.put("review_status", "NONE")
.put("feedback", "")
.put("revision_count", new AtomicInteger(0))
.put("messages", Utils.asList(ChatMessage.ofUser("智能家居的未来趋势和潜在挑战。")));
log.info("--- 启动内容审核 Agent ---");
//执行
flowEngine.eval("demo1", context);
//执行后打印
System.out.println(context.get("draft_content").toString());
List<ChatMessage> messageList = context.getAs("messages");
for (ChatMessage message : messageList) {
System.out.println(message);
}
}
}

复制代码

5、运行效果截图

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！

账号		自动登录	找回密码
密码			立即注册

Solon AI 开发学习19 - 结合 Solon Flow 实现 ReAct 效果

相关帖子

签约作者

Solon AI 开发学习19 - 结合 Solon Flow 实现 ReAct 效果

相关帖子

相关推荐

签约作者