wonder/autumn-recruitment

Fork 0

Files

T

wonder e2975eb86b vault backup: 2026-08-08 19:01:04

2026-08-08 19:01:04 +08:00

5.2 KiB

Raw Blame History

tags, create time, update time

Eino DAG 工作流设计

概述

Eino 是 IBM 开源的 AI 编排框架，核心理念是将多步 AI 任务建模为有向无环图（DAG），通过节点表示原子操作、边定义数据流向。与线性 Chain 不同，DAG 天然支持并行执行、条件分支和错误恢复，是构建复杂 Agent 工作流的骨架。

核心概念

Node — 节点

节点是 DAG 的最小执行单元，每个节点封装一个独立能力：

LLM Node：调用大模型生成文本
Tool Node：执行预注册的外部工具（搜索、数据库查询等）
Prompt Node：模板渲染，组装上下文
State Node：读写共享状态
Lambda Node：自定义 Go 函数闭包

每个节点拥有明确的输入类型和输出类型，节点间通过 State Schema 进行类型安全的传递。

Edge — 边

边定义节点的执行顺序和数据依赖：

普通边：上游节点完成后触发下游
条件边：基于中间结果决定走向
广播边：一对多 fan-out，并行触发多个子任务

Workflow — 有向无环图构建

Workflow 在编译期完成拓扑排序，确保图中无环。运行时按拓扑序执行所有没有未满足依赖的节点，已就绪节点可并发执行。

graph TD
    A["用户请求"] --> B["Prompt 节点\n路由意图"]
    B --> C{"Choice\n条件判断"}
    C -->|"问答"| D["RAG 检索节点"]
    C -->|"创作"| E["知识库加载节点"]
    D --> F["LLM 节点\n生成回答"]
    E --> F
    F --> G["质量评估节点"]
    G --> H{"再检查"}
    H -->|"不达标"| D
    H -->|"达标"| I["结果输出"]

Note

DAG 的核心优势在于并行性——如果两个节点没有数据依赖，它们可以在不同 Goroutine 中同时运行，显著缩短端到端延迟。

详解

状态传递机制

Eino 使用 State 对象作为节点间通信的管道。State 是一个强类型字典，节点声明自己的读集合（reads）和写集合（writes）。

// 定义 State Schema
state := eino.StateSchema{
    Fields: []eino.StateField{
        {Name: "query", Type: eino.TypeString},
        {Name: "context", Type: eino.TypeSlice},
        {Name: "answer", Type: eino.TypeString},
    },
}

// 节点声明权限
llmNode := &eino.LLMNode{
    Reads:  []string{"query", "context"},
    Writes: []string{"answer"},
}

Tip

面试常考点：State 的读写范围决定了节点能否被安全并行——两个节点如果没有重叠的 writes，就一定能并发执行。

Choice / Branch — 条件分支

Choice 节点根据上一个节点的输出选择后续路径，底层基于回调函数返回目标节点 ID：

workflow.AddChoice(
    retrieverNode,                          // 上游节点
    func(state *eino.State) (string, error) { // 路由函数
        hits := state.MustGet("hits").([]*Doc)
        if len(hits) == 0 {
            return "fallback", nil           // 走备用路径
        }
        return "primary", nil                // 走主路径
    },
    map[string]string{                      // 分支 → 目标节点映射
        "primary":   answerNode,
        "fallback":  fallbackNode,
    },
)

ParallelStep — 并行执行

对同一上游 fan-out 到多个下游，用 ParallelStep 包装一组子图：

parallelStep := &eino.ParallelStep{
    Inputs: queryNode,                       // 输入分发策略
    Steps: []*eino.Node{                     // 并行执行的节点列表
        searchAgent,
        docAnalyzer,
        sentimentChecker,
    },
    Merge: mergeResults,                     // 结果合并函数
}

三个 Agent 并行启动，各自处理 query 的一个维度，最后在 mergeResults 处汇聚。Merge 函数负责将结构化数据聚合为最终输出。

错误处理与重试策略

DAG 层面的容错机制包括：

策略	说明	适用场景
节点级超时	单个节点执行超过阈值自动中断	LLM API 慢响应
失败重试	指数退避重试失败的节点	网络抖动、限流
降级路径	Choice 切换至替代节点	RAG 检索为空时回退
熔断器	连续失败 N 次后跳过整条链路	上游服务不可用

node.WithRetry(&eino.RetryConfig{
    MaxRetries:  3,
    BackoffBase: 1 * time.Second,
    BackoffMul:  2,
    RetryOn: func(err error) bool {
        return errors.Is(err, context.DeadlineExceeded)
    },
})

实践场景

面试高频题：如何用 DAG 实现一个多轮对话系统？

答案要点：

每轮对话作为一个 DAG 实例，State 携带历史消息
IntentNode 判断用户意图类型
Choice 分发给不同的专业 Agent
ParallelStep 并行调用工具和模型
质量评估节点做 self-check，不达标则重新检索

Warning

DAG 虽然灵活，但复杂度随节点数呈组合增长。实际项目中建议控制在 15 个节点以内，超出则拆分为嵌套子 DAG。

5.2 KiB Raw Blame History