MAF快速入门（7）工作流的状态共享
💡
原文中文，约8900字，阅读约需22分钟。
📝
内容提要
本文介绍了MAF工作流中如何通过WorkflowContext实现多个步骤间的数据共享。以文档统计案例为例，展示了读取文件内容并统计单词和段落数的过程，最后聚合输出结果。
🎯
关键要点
- MAF工作流中通过WorkflowContext实现多个步骤间的数据共享。
- 状态共享的应用场景包括用户输入和模型输出缓存等。
- WorkflowContext提供状态读取和设置的接口，如QueueStateUpdateAsync和ReadStateAsync。
- 文档统计案例展示了扇入扇出工作流的实现过程。
- 用户输入文件名后，FileReadExecutor读取文件内容并共享给后续Executor。
- 文字统计和段落统计Executor分别统计文件的单词数和段落数。
- 聚合输出Executor汇总统计结果并通过LLM输出友好的信息。
- 工作流的构建包括获取ChatClient、实例化Executor和创建Fan-out/Fan-in工作流。
- 测试工作流的执行结果展示了统计和聚合的最终输出。
- 文章总结了工作流状态共享的应用场景和相关API，并提供了文档统计的案例。
❓
延伸问答
MAF工作流中的状态共享是如何实现的？
MAF工作流通过WorkflowContext实现多个步骤间的数据共享，允许在工作流中共享上下文数据。
WorkflowContext提供了哪些API接口？
WorkflowContext提供了状态读取和设置的接口，如QueueStateUpdateAsync和ReadStateAsync。
文档统计的工作流案例是如何构建的？
文档统计工作流通过用户输入文件名，FileReadExecutor读取文件内容并共享，随后进行单词和段落统计，最后聚合输出结果。
在MAF工作流中，如何处理用户输入和模型输出的缓存？
MAF工作流通过WorkflowContext实现用户输入和模型输出的缓存，确保多个Executor可以共享这些数据。
如何测试MAF工作流的执行结果？
可以通过创建工作流并使用InProcessExecution.StreamAsync方法来测试工作流的执行结果，观察各个节点的输出。
MAF工作流的聚合输出Executor是如何工作的？
聚合输出Executor汇总多个Executor的统计结果，并通过LLM生成用户友好的输出信息。
🏷️
标签
➡️
