RiverFlow AI 智能助手：让流程编排像聊天一样简单
从“拖拽节点写脚本”到“说一句话，流程自动生成”
经过一段时间的迭代，RiverFlow 正式推出AI 智能助手模块（riverflow-ai）。它不是简单接入一个大模型对话框，而是把工作流引擎中的节点设计、条件编写、数据映射、脚本生成、接口解析等核心能力，全部用自然语言重新封装了一遍。
对于数据交换、跨系统协同这类场景，这意味着：业务人员也能直接搭建流程，开发者的重复配置工作量可以大幅减少。
一、为什么需要 AI 助手？
传统流程编排平台虽然可视化，但依然有门槛：
- 要懂SpEL 表达式才能写分支条件；
- 要会Groovy 脚本才能做复杂数据处理；
- 要熟悉第三方接口的入参出参，才能配置 API 节点；
- 要手动拖拽节点、画连线、配映射，一条数据迁移流程可能要配十几分钟。
RiverFlow AI 助手的目标很简单：你描述业务需求，AI 帮你生成可用的流程草稿。你负责确认和发布，AI 负责繁琐的配置细节。
二、五大 AI 助手能力
| 能力 | 说明 | 典型场景 |
|---|---|---|
| 🧩 流程生成助手 | 用自然语言生成完整的 RiverFlow 流程定义（含节点、连线、循环、映射） | “把 A 库未同步订单分页迁移到 B 库” |
| 🔀 条件生成助手 | 将业务规则翻译成 SpEL 条件表达式 | “当状态为 pending 且金额大于 1000 时走审批分支” |
| 🔗 映射推荐助手 | 根据源字段和目标字段智能推荐数据映射关系 | 接口返回值 → 数据库字段自动对齐 |
| 📝 脚本生成助手 | 用自然语言生成 Groovy 单步处理脚本 | “把 JSON 数组按 id 去重后返回前 10 条” |
| 📡 接口解析助手 | 粘贴接口文档（Swagger / Markdown / 示例报文），自动解析为 API 目录结构 | 快速录入第三方接口 |
💡 所有生成结果都会进入 RiverFlow 设计器，支持人工二次编辑和校验后再发布。
三、技术亮点：不是一个简单的 LLM 壳
1. 独立微服务架构
riverflow-ai是独立 Spring Boot 微服务，通过主服务/api/ai/**统一代理。好处是：
- AI SDK 和 Prompt 升级不影响核心流程引擎；
- 可按需独立扩缩容；
- 避免大模型依赖污染主服务。
2. 多模型 Provider 支持
统一 Provider SPI，已支持：
- OpenAI 协议兼容模型（OpenAI、智谱、通义千问等）
- Ollama 本地模型（推荐
qwen2.5:14b，本地部署更合规） - 后续可扩展 Claude、文心一言、讯飞星火等
3. 知识库增强生成
生成流程时，AI 会自动检索平台已有的：
- API 接口目录
- 数据源注册信息
- 历史流程定义
让生成结果更贴合你的实际环境，而不是凭空造字段、造接口。
4. 输出解析与安全过滤
- 自动提取模型
<think>思考过程； - 对 Groovy 脚本、SpEL 表达式做安全校验；
- JSON 输出标准化解析，兼容多种模型格式。
5. 完整的调用治理
- 限流：防止单用户高频调用；
- 缓存：相同 Prompt 命中缓存，降低成本；
- 重试：模型失败自动重试；
- 审计日志：每一次 AI 调用都可追溯、可审计。
四、前端体验：AI菜单，贯穿设计器
在 RiverFlow 流程设计器中，右侧集成了 AI 助手面板：
- AI 聊天：随时询问平台使用问题、流程设计建议；
- 流程生成：输入业务需求，一键生成画布草稿；
- Prompt 辅助：针对当前选中节点，让 AI 帮你写条件、写脚本、推荐映射；
- 调用统计：查看 AI 调用次数、Token 消耗、响应耗时；
- 审计日志：排查 AI 生成结果的问题来源；
- 模型管理：动态切换不同 LLM Provider 和模型。
同时还支持流式输出，生成过程实时可见，体验更接近 ChatGPT。
五、快速体验
1. 启动本地 Ollama（推荐）
ollama run qwen2.5:14b2. 启动 AI 服务
mvn spring-boot:run-plriverflow-ai默认端口8081。
3. 启动主服务
mvn spring-boot:run-plriverflow-admin主服务会自动把/api/ai/**转发到 AI 服务。
4. 打开流程设计器，点击右侧 AI 助手即可开始
配置示例：
riverflow:ai:default-provider:ollamaproviders:-name:ollamatype:openaibase-url:http://localhost:11434/v1default-model:qwen2.5:14b六、适用场景
RiverFlow AI 助手特别适合以下场景：
- 数据交换：跨系统定时同步数据，AI 生成分页迁移流程；
- 接口集成：快速录入大量第三方接口，AI 解析文档自动生成 API 目录；
- 报表/对账流程：AI 生成 SQL 查询、条件分支、异常处理脚本；
- 低代码平台用户：业务人员用自然语言搭建流程，降低对开发人员的依赖。
七、当前状态与后续规划
目前riverflow-ai已经可以作为AI 辅助设计模块投入使用，但还处于快速迭代期。我们正在重点完善：
- 更强的流程生成准确率：针对 while 循环、嵌套分支、并行节点持续优化 Prompt；
- 运行时 AI 节点：在流程执行过程中直接调用 LLM 做智能判断；
- 执行反馈闭环：流程运行异常后，AI 自动分析日志并给出修复建议；
- 多 Agent 协作：让“规划 Agent”、“执行 Agent”、“校验 Agent”分工配合。
八、写在最后
RiverFlow 的 AI 化不是要把流程编排变成“黑盒”，而是想让AI 做繁琐的事，人做判断的事。
我们相信：
最好的数字化工具，不是替代人，而是让每个人都能更高效、更安全地完成自己的工作。
如果你正在做数据交换、流程编排，欢迎体验 RiverFlow AI 助手，也欢迎给我们提 issue 和 PR。
🌟Star 我们：https://gitee.com/whp_lyf/RiverFlow
📖完整文档：见docs-site/docs/
💬交流反馈：欢迎在 Discussions 区留言
RiverFlow — 筑坝导流，智驭数据之河。
