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

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'}

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;}@Overridepublic 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。"));}
}

• 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);@Overridepublic 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();}
}

• final_approval 运行通过。

@Component("final_approval")
public class AiNodeFinalApproval implements TaskComponent {@Overridepublic 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！"));}
}

• final_failure 运行失败。

@Component("final_failure")
public class AiNodeFinalFailure implements TaskComponent {@Overridepublic 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。"));}
}

4、组合运行与测试

@Configuration
public class DemoAgent {private static final Logger log = LoggerFactory.getLogger(DemoAi.class);@InjectFlowEngine flowEngine;@Beanpublic ChatModel chatModel(){return ChatModel.of("http://127.0.0.1:11434/api/chat").provider("ollama").model("qwen2.5:1.5b").build();}@Initpublic 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);}}
}

5、运行效果截图