Agentic 工作流平台快速开始

本页目标：让你在最短路径下把基于 Flowgram 的 AI4J runtime demo 跑起来，并成功调用一次 /flowgram/tasks/run。

1. 引用 starter

如果你要把这套 Agentic 工作流平台能力接进自己的 Spring Boot 项目，先引入：

<dependency>
  <groupId>io.github.lnyo-cly</groupId>
  <artifactId>ai4j-flowgram-spring-boot-starter</artifactId>
  <version>${project.version}</version>
</dependency>

当前 demo 工程就是这样接入的。

2. 直接运行 demo

最短路径是直接跑仓库里的 demo：

$env:ZHIPU_API_KEY="your-key"
mvn -pl ai4j-flowgram-demo -am -DskipTests package
java -jar ai4j-flowgram-demo/target/ai4j-flowgram-demo-2.1.0.jar

默认端口和路径：

端口：18080
API 根路径：/flowgram

3. demo 默认配置

demo 中默认配置了一个名为 glm-coding 的模型服务，并把它作为 Flowgram runtime 的默认 LLM 服务：

ai:
  platforms:
    - id: glm-coding
      platform: zhipu
      api-key: ${ZHIPU_API_KEY:}
      api-host: https://open.bigmodel.cn/api/paas/
      chat-completion-url: v4/chat/completions

ai4j:
  flowgram:
    default-service-id: glm-coding
    api:
      base-path: /flowgram

如果你换模型，只需要先让 AiServiceRegistry 里存在一个能解析到的 service id。

4. 先跑一个最小无 LLM 流程

这个流程只做一件事：把输入从 Start 传到 End。

$body = @{
  schema = @{
    nodes = @(
      @{
        id = "start_0"
        type = "Start"
        name = "start_0"
        data = @{
          outputs = @{
            type = "object"
            required = @("message")
            properties = @{
              message = @{ type = "string" }
            }
          }
        }
      },
      @{
        id = "end_0"
        type = "End"
        name = "end_0"
        data = @{
          inputs = @{
            type = "object"
            required = @("result")
            properties = @{
              result = @{ type = "string" }
            }
          }
          inputsValues = @{
            result = @{
              type = "ref"
              content = @("start_0", "message")
            }
          }
        }
      }
    )
    edges = @(
      @{
        sourceNodeID = "start_0"
        targetNodeID = "end_0"
      }
    )
  }
  inputs = @{
    message = "hello-flowgram"
  }
} | ConvertTo-Json -Depth 10

Invoke-RestMethod -Method Post -Uri "http://127.0.0.1:18080/flowgram/tasks/run" -ContentType "application/json" -Body $body

5. 再跑一个带 LLM 的流程

demo 自带一个 LLM 节点例子。关键点是：

节点类型写成 LLM
给节点传入 modelName 和 prompt
结果通过 End 节点回收

完整示例可直接参考：

ai4j-flowgram-demo/README.md

6. 查看结果与报告

run 成功后会先返回 taskId，后续常用两个接口：

GET /flowgram/tasks/{taskId}/result
GET /flowgram/tasks/{taskId}/report

建议理解为：

result：看最终状态和最终输出
report：看整条流程的节点输入输出和运行细节

7. 什么时候该切到自己的工程

如果下面三个条件满足，就可以不再停留在 demo：

你已经能稳定跑通 run -> result
你已经知道自己的默认模型 service id
你已经明确要用哪些节点类型

下一步建议看：

1. 引用 starter​

2. 直接运行 demo​

3. demo 默认配置​

4. 先跑一个最小无 LLM 流程​

5. 再跑一个带 LLM 的流程​

6. 查看结果与报告​

7. 什么时候该切到自己的工程​