Flowgram + MySQL：让工作流任务可落库、可恢复、可查询

如果你要把 AI4J 的 Flowgram runtime 真正当成一个后端工作流平台使用，TaskStore 不能只放内存。

这页给出一条最直接的生产化路径：

前端画布或调用方提交 schema
FlowGramTaskController 接收任务
JdbcFlowGramTaskStore 把任务状态写入 MySQL
report / result 从数据库里恢复任务状态

1. 这页解决什么问题

默认内存版 TaskStore 适合 demo，但不适合：

服务重启后继续查任务
多实例部署
按任务 ID 查询历史结果
平台化接入任务审计

切到 JDBC 后，你会得到：

任务状态跨进程保留
最终结果和错误信息落库
更容易接平台侧权限、归属和报表

2. 依赖

<dependencies>
  <dependency>
    <groupId>io.github.lnyo-cly</groupId>
    <artifactId>ai4j-flowgram-spring-boot-starter</artifactId>
    <version>2.1.0</version>
  </dependency>

  <dependency>
    <groupId>io.github.lnyo-cly</groupId>
    <artifactId>ai4j-spring-boot-starter</artifactId>
    <version>2.1.0</version>
  </dependency>

  <dependency>
    <groupId>com.mysql</groupId>
    <artifactId>mysql-connector-j</artifactId>
    <scope>runtime</scope>
  </dependency>
</dependencies>

3. `application.yml`

下面是一份最小可运行配置：

spring:
  datasource:
    url: jdbc:mysql://127.0.0.1:3306/ai4j?useUnicode=true&characterEncoding=UTF-8&serverTimezone=Asia/Shanghai
    username: root
    password: 123456

ai:
  platforms:
    - id: glm-coding
      platform: openai
      api-key: ${MODEL_API_KEY}
      api-host: https://open.bigmodel.cn/api/paas/v4/

ai4j:
  flowgram:
    enabled: true
    default-service-id: glm-coding
    api:
      base-path: /flowgram
    task-store:
      type: jdbc
      table-name: ai4j_flowgram_task
      initialize-schema: true

这几个配置最关键：

ai.platforms[].id
ai4j.flowgram.default-service-id
ai4j.flowgram.task-store.type=jdbc

关系是：

ai.platforms[].id 定义了可用模型服务注册名
Flowgram 的 LLM 节点默认会走 default-service-id
task-store.type=jdbc 则会自动启用 JdbcFlowGramTaskStore

4. 自动装配后会发生什么

在上面的配置下，starter 会自动完成：

注入 FlowGramTaskController
注入 FlowGramRuntimeFacade
注入 JdbcFlowGramTaskStore
启动时创建表 ai4j_flowgram_task

也就是说，你不需要自己手写 TaskStore Bean。

5. 一条最小工作流请求

你可以先不接前端画布，直接用接口验证后端 runtime。

curl -X POST "http://127.0.0.1:8080/flowgram/tasks/run" ^
  -H "Content-Type: application/json" ^
  -d "{
    \"schema\": {
      \"nodes\": [
        {
          \"id\": \"start_0\",
          \"type\": \"Start\",
          \"name\": \"start_0\",
          \"data\": {
            \"outputs\": {
              \"type\": \"object\",
              \"required\": [\"message\"],
              \"properties\": {
                \"message\": {\"type\": \"string\"}
              }
            }
          }
        },
        {
          \"id\": \"llm_0\",
          \"type\": \"LLM\",
          \"name\": \"llm_0\",
          \"data\": {
            \"inputs\": {
              \"type\": \"object\",
              \"required\": [\"modelName\", \"prompt\"],
              \"properties\": {
                \"modelName\": {\"type\": \"string\"},
                \"prompt\": {\"type\": \"string\"}
              }
            },
            \"outputs\": {
              \"type\": \"object\",
              \"required\": [\"result\"],
              \"properties\": {
                \"result\": {\"type\": \"string\"}
              }
            },
            \"inputsValues\": {
              \"modelName\": {
                \"type\": \"constant\",
                \"content\": \"glm-4.7\"
              },
              \"prompt\": {
                \"type\": \"ref\",
                \"content\": [\"start_0\", \"message\"]
              }
            }
          }
        },
        {
          \"id\": \"end_0\",
          \"type\": \"End\",
          \"name\": \"end_0\",
          \"data\": {
            \"inputs\": {
              \"type\": \"object\",
              \"required\": [\"result\"],
              \"properties\": {
                \"result\": {\"type\": \"string\"}
              }
            },
            \"inputsValues\": {
              \"result\": {
                \"type\": \"ref\",
                \"content\": [\"llm_0\", \"result\"]
              }
            }
          }
        }
      ],
      \"edges\": [
        {\"sourceNodeID\": \"start_0\", \"targetNodeID\": \"llm_0\"},
        {\"sourceNodeID\": \"llm_0\", \"targetNodeID\": \"end_0\"}
      ]
    },
    \"inputs\": {
      \"message\": \"请用一句话介绍 AI4J Flowgram。\" 
    }
  }"

返回值只会先给你：

{
  "taskId": "..."
}

这说明 Flowgram 是任务式运行，不是同步一次性把最终结果直接塞回来。

6. 查询结果与报告

查最终结果

curl "http://127.0.0.1:8080/flowgram/tasks/{taskId}/result"

返回结构：

{
  "taskId": "...",
  "status": "success",
  "terminated": false,
  "error": null,
  "result": {
    "result": "..."
  }
}

查完整执行报告

curl "http://127.0.0.1:8080/flowgram/tasks/{taskId}/report"

报告里能拿到：

workflow 状态
每个节点的输入输出
起止时间
节点级错误信息

这对平台后端做“运行面板”和“调试面板”很重要。

7. 数据库里会存什么

JdbcFlowGramTaskStore 当前会把这些信息写进 ai4j_flowgram_task：

task_id
creator_id
tenant_id
created_at
expires_at
status
terminated
error
result_snapshot

也就是说，Flowgram JDBC 版当前更像：

任务状态存储
结果快照存储

而不是完整的事件溯源系统。

8. 前端画布如何接它

如果你已经有 Flowgram 前端画布，后端仍然是这套接口：

POST /flowgram/tasks/run
POST /flowgram/tasks/validate
GET /flowgram/tasks/{taskId}/report
GET /flowgram/tasks/{taskId}/result
POST /flowgram/tasks/{taskId}/cancel

前端通常的主链路是：

本地表单校验
调 validate
调 run
轮询 report
拉取 result

完整联调说明继续看：

前端画布与后端 Runtime 对接

9. 平台化接入时建议补的三层

只把 TaskStore 切成 JDBC 还不够，真实平台建议继续替换：

FlowGramCallerResolver
FlowGramAccessChecker
FlowGramTaskOwnershipStrategy

原因很简单：

你需要知道谁创建了任务
你需要限制谁能看某个任务
你需要按租户或项目维度做任务隔离

10. 上线建议

demo 阶段可以只开 task-store.type=jdbc
真正平台化时，补 caller、ownership、auth 三层
result_snapshot 适合查最终结果，不适合替代完整审计日志
如果你要做海量任务平台，再考虑任务归档、过期清理和冷热分层

1. 这页解决什么问题​

2. 依赖​

3. application.yml​

4. 自动装配后会发生什么​

5. 一条最小工作流请求​

6. 查询结果与报告​

查最终结果​

查完整执行报告​

7. 数据库里会存什么​

8. 前端画布如何接它​

9. 平台化接入时建议补的三层​

10. 上线建议​

11. 继续阅读​