- 综合排序
- 最热优先
- 最新优先
- 来自专栏科技记者
《高效R语言编程》4-高效工作流
这是《高效R语言编程》的学习笔记，前面的笔记在这里： 高效R编程 《高效R语言编程》笔记 这是《高效R语言编程》的学习笔记，前面的笔记在这里： 我们将实践、习惯、提升生产力的系统环境定义为工作流。 高效工作流的5条高级技巧 类型 1、编码前头脑清晰，保证目标，可以用纸笔 2、制定计划 3、尽早选择要用的包 4、记录每个阶段的工作 5、尽可能使流程可复制，knitr可以帮助实现 项目规划类型 数据分析 使你的工作流更敏捷 SMART标准 明确（目标） 可衡量（结束指标） 可实现 实际情况（资源） 时间限制 项目计划有多种形式，比如甘特图，问题描述等等。 ? 几个推荐的判断标准： 1、是否成熟，版本号1.0以上一般更稳定 2、是否处于持续开发周期 3、完备的文档 4、是否广泛使用 MRAN和METACRAN两个网站可以帮助包的选择，下载量也是一个衡量指标。
97850发布于 2021-05-20 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(4) - 并行工作流
审查简历是否适合（包括优点和不足） 团队成员：针对简历，评估候选人融入团队的程度（包括优点和不足） 可以发现，这3个角色对候选人的评估，相互之间并无严格的顺序依赖，可以并行处理，这就是今天要说的“并行工作流 4 - 最好能在1-2个月内入职。 5 - 薪资期望在55,000-70,000欧元/年范围内。 6 - 稳定的工作历史；无超过6个月的职业空白期。 9 职业履历： 当前职位4年，先前职位1.5年；无重大职业空白期。 10 软技能： 荷兰语母语，英语C1水平；沟通清晰；务实，产品导向。 简介 5 拥有4年以上经验的后端工程师（Java, Spring Boot, PostgreSQL），专注于可扩展系统、API现代化和自动化。 \r\n职业履历： 当前职位4年，先前职位1.5年；无重大职业空白期。\r\n软技能： 荷兰语母语，英语C1水平；沟通清晰；务实，产品导向。
31110编辑于 2026-01-18 - 来自专栏菩提树下的杨过
LangGraph4j 学习系列(1)-顺序工作流
一句话秒懂 LangGraph是一个状态管理和工作流编排框架，专注于构建复杂的多步骤应用，LangGraph4j是LangGraph开源生态中的java实现。 既生瑜？何生亮？ 文档 https://deepwiki.com/langgraph4j/langgraph4j 顺序工作流 定义节点 import org.bsc.langgraph4j.action.NodeAction myData", "node2-my-value", "node2Key", "node2-value"); } } 注：节点上可以携带数据（即：节点的状态），当工作流运行至本节点时 org.bsc.langgraph4j.GraphRepresentation; import org.bsc.langgraph4j.GraphStateException; import org.bsc.langgraph4j.StateGraph 文中源码 https://github.com/yjmyzz/langgraph4j-study/tree/main/src/main/java/org/bsc/langgraph4j/agent/_05
86610编辑于 2026-02-17 - 来自专栏菩提树下的杨过
LangGraph4j 学习系列(3)-循环工作流
接上节继续，本节将演示条件工作流如何用langgraph4j实现。 注：循环工作流可以看成 条件工作流的一个变种。 , loopCount=3, node2Key=node2-value, myData=node1-my-value} 文中源码：https://github.com/yjmyzz/langgraph4j-study /tree/main/src/main/java/org/bsc/langgraph4j/agent/_08_loop
32310编辑于 2026-03-02 - 来自专栏菩提树下的杨过
LangGraph4j 学习系列(2)-条件工作流
接上节继续，本节将演示条件工作流如何用langgraph4j实现 经过node-1节点时，根据该节点的输出状态值，来决定流向node-2，还是node-3 ? AgentState> { 2 @Override 3 public Map<String, Object> apply(AgentState state) throws Exception { 4 implements NodeAction<AgentState> { 2 3 private static final String KEY_NEXT_NODE = "nextNode"; 4 implements EdgeAction<AgentState> { 2 3 private static final String KEY_NEXT_NODE = "nextNode"; 4 /tree/main/src/main/java/org/bsc/langgraph4j/agent/_06_conditional
45710编辑于 2026-03-02 - 来自专栏Java项目实战
提升40% 4步搞定StableCascadeComfyui工作流 不再报错
这个在工作流中很好的体现了这一点C -B -A的级联方式 视频教学 第一步更新Comfyui到最新版本 秋叶版本操作如下 本地版本点击本地的update 第二步，下载对应的模型 存放位置如下 模型存放地址 ComfyUI\models\unet CLIP存放地址ComfyUI\models\clip stage_a放在ComfyUI\models\vae 第三步下载工作流 第四步填入提示词就可以啦~ transparent celestial light, dynamic contrast of elements, primeval earth forces encased, (best quality, 4k mystical emanation, elemental balance, serene, sublime geology, 显存占用情况 Sora论文以及官方视频集锦 https://yv4kfv1n3j.feishu.cn /docx/KOXHdpf6CoyYmaxwr4DcOVnMnze
72210编辑于 2024-02-29 - 来自专栏菩提树下的杨过
LangGraph4j 学习系列(6)-并行工作流
接上节继续，本篇将学习如何实现并行工作流。 上面这张图，用代码很容易绘制，参考以下代码。 多线程提速 LangGraph4可以手动指定线程池实现真正的并发处理。 System.currentTimeMillis(); System.out.println((end - start) + "ms"); }); 文中源码：langgraph4j-study /src/main/java/org/bsc/langgraph4j/agent/_07_parallel at main · yjmyzz/langgraph4j-study · GitHub
36010编辑于 2026-03-02 - 来自专栏若城技术专栏
4种革新性AI Agent工作流设计模式全解析
4. 多Agent协作 Agent协作突出了多个AI Agent之间的合作和协调。如图4所示，在这种模式下，每个AI Agent都可以扮演特定的角色，并与其他AI Agent共同协作以完成复杂的任务。 这种合作可以模拟真实世界中的团队工作流程，通过代理间的互补和协同作用，提高整体的执行效率和创新能力。 总结 AI Agent智能工作流在多个行业中展现出实际应用的巨大潜力，这些智能体在编程、研究和多模态任务处理等领域的应用，智能体工作流将在未来几年内极大扩展AI的能力边界。 随着这些模式的进一步发展和完善，AI Agent将在未来的工作流程中发挥更加关键的作用，推动各行各业向智能化转型。 本文来源：原创，图片来源：原创 责任编辑：王莹，部门领导：宁姗 发布人：白钰
1.3K10编辑于 2025-01-10 - 来自专栏低代码开发平台
用低代码优化工作流程管理的4大优势
随着数字化转型的深入，低代码平台以其高效、灵活的特性，成为了优化工作流管理的有力工具。 本文将深入探讨低代码平台优化工作流管理的4大优势，如何通过简化开发流程、增强团队协作、促进自动化等方面，成为优化项目交付周期的有利武器。 4、模板化应用组件提供了一套适用于60多个行业的app应用模板，可以满足各种行业领域和业务功能的需求，供您进行集成和定制，如CRM、项目管理、库存管理等。 4、移动端协作提供移动应用程序，让团队成员在任何地点都能查看项目状态、接收通知、审批请求或参与讨论，保证协作的连续性和灵活性。 4、可视化工作流设计通过其拖放式的流程设计器，用户可以直观地构建工作流，无需编程知识。每个步骤和决策点都清晰可见，便于理解和调试，同时也便于后续的调整和优化。
38500编辑于 2024-07-05 - 来自专栏全栈程序员必看
activiti工作流开发_flowable工作流
深入理解Activiti工作流 Activiti作为一个流行的开源工作流引擎，正在不断发展，其6.0版本以API形式提供服务，而之前版本基本都是要求我们的应用以JDK方式与其交互，只能将其携带到我们的应用中 ，而API方式则可以服务器独立运行方式，能够形成一个专网内工作流引擎资源共享的方式。 4. 08:00”, “dueDate”: null, “priority”: 50, “suspended”: false, “taskDefinitionKey”: “sid-9A9219F8-306C-4ED0
2.2K40编辑于 2022-11-08 - 来自专栏全栈程序员必看
java jbpm工作流_jbpm工作流
一、JBPM(java business process manager) 1、工作流管理流程 O—>定义工作流(使用流程设计器生成，png和xml文件，分别面向用户和系统) —>执行工作流(核心对象： 流程引擎ProcessEngine) —>连接数据库(jbpm18张表，jbpm4_deploymen,jbpm4_deployprop,jbpm4_execution,jbpm4_hist_task, jbpm_hist_var,jbpm4_lob,jbpm4_task,jbpm_variable) 2、jbmp中的几个基本概念 流程引擎，ProcessEnginee *RepositoryService (deployment)：一次部署一个或者多个文件到数据库中(png，xml，zip) 流程定义(processDefinition):获得并解析xml，解析xml文件中的内容，内容即流程定义的规则，工作流 throwsException { System.out.println(“触发了事件监听，当前活动为：”+execution.getActivity()); } } 3.jbpm的具体过程实现 //获取工作流文件
1.8K10编辑于 2022-09-30 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(3) - 循环工作流
这种工作流编排方式，就是我们今天的主角：循环工作流。 示意图如下： 核心代码如下： /** * 【迭代工作流示例】(改编自langchain4j \n4. 保持了教育背景的真实性，但通过将Java训练营置于机械工程学士之前，更突出相关技术背景。 \n4. 保持了教育背景的真实性，但通过将Java训练营置于机械工程学士之前，更突出相关技术背景。 小结： 本文通过对简历进行迭代优化的案例，演示了如何使用langchain4j的agentic特性构建循环工作流的Agent。
27310编辑于 2026-01-16 - 来自专栏全栈程序员必看
activiti工作流框架_springboot工作流框架
工作流 Activiti是一个项目的名称，Alfresco软件在2010年5月17日宣布Activiti业务流程管理（BPM）开源项目的正式启动，其首席架构师由业务流程管理BPM的专家 Tom Baeyens ，实现自动化的去完成这些任务，优点就是它实现了工作流程的自动化并且大大提高企业的运作效率； 它具体的实现过程就是： 当然最先应该做的就是创建项目导入依赖： <! –添加Activiti工作流对Spring的支持–> <dependency> <groupId>org.activiti</groupId> <artifactId>activiti-spring 4~6、5~3 这是于你生成节点的顺序有关的，最先拉经来的胖子在前面这里： 2是开始 3是结束 4是请假 5是审批 <sequenceFlow id="_6" sourceRef="_2" targetRef ="_<em>4</em>"/> <sequenceFlow id="_7" sourceRef="_<em>4</em>" targetRef="_5"/> <sequenceFlow id="_8" sourceRef
1.2K30编辑于 2022-09-27 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(2) - 顺序工作流
接上节继续，本篇将演示 顺序工作流的实现（即：Building Effective AI Agents \ Anthropic 中的 Prompt Chain模式） 上一节，我们学会了如何基于个人资料， 1 /** 2 * 【顺序工作流示例】(改编自langchain4j官网示例 职位描述、反馈等）进行定制） 6 * 然后使用 sequenceBuilder 按顺序工作流依次调用它们， 7 * 并演示如何在它们之间传递参数。 三、结构化输出的顺序工作流 工作流的输出结果，也可以变成结构化输出，先定义1个Agent 1 /** 2 * 根据个人资料和岗位要求，生成优化后的简历 3 * @author junmingyang 小结： 本文示例了通过针对特定岗位进行简历优化的案例，演示了如何使用langchain4j的agentic特性构建顺序工作流的Agent。
45510编辑于 2026-01-12 - 来自专栏菩提树下的杨过
Agent设计模式学习(基于langchain4j实现)(5) - 条件工作流
也就是今天要演示的“条件工作流”。 2 2.办公区安静时段为下午2点至4点，请避免在开放空间大声交谈。 3 3.员工须至少提前24小时通过内部日历预订会议室。 4 4.自行车必须停放在主楼外侧的专用自行车停放区。 三、条件工作流示例 1 /** 2 * 此示例演示了条件式智能体工作流。 构建条件式工作流 32 UntypedAgent candidateResponder = AgenticServices // 使用UntypedAgent，除非您定义了合成的智能体， 仅允许在停车场后方指定户外区域吸烟\n4. 办公区安静时段为下午2点至4点，请避免在开放空间大声交谈\n5.
31010编辑于 2026-01-18 - 来自专栏Java项目实战
AI绘画专栏之 提升40% 4步搞定StableCascadeComfyui工作流 不再报错
上一期我们提到了Stability更新的Cascade模型，这个模型在图像质量上对比SDXL提升了40%的性能，现已官方版本支持了Comfyui的工作流，让我们4步搞定它吧StableCascade 链接 这个在工作流中很好的体现了这一点C -B -A的级联方式视频教学，时长03:21第一步更新Comfyui到最新版本秋叶版本操作如下本地版本点击本地的update第二步，下载对应的模型存放位置如下模型存放地址 ComfyUI\models\unetCLIP存放地址ComfyUI\models\clipstage_a放在ComfyUI\models\vae第三步下载工作流第四步填入提示词就可以啦~transparent the celestial light, dynamic contrast of elements, primeval earth forces encased, (best quality, 4k /docx/KOXHdpf6CoyYmaxwr4DcOVnMnze
74110编辑于 2024-02-19 - 来自专栏优雅R
「R」Shiny：工作流（一）开发工作流
工作流系列将向读者介绍如何提升 3 个重要的 Shiny 工作流： 创建应用，进行更改并尝试结果的基本开发周期。 调试，找出代码出了什么问题的技巧，并集思广益地解决该问题。 首先我们将学习开发工作流。 优化开发工作流程的目标是减少做出更改和看到结果之间的时间。迭代的速度越快，你可以进行的实验就越快，你就可以成为一名更好的 Shiny 开发人员。 这里有两个主要的工作流程需要优化：第一次创建应用程序，以及加快代码调整和试验结果的迭代周期。 查看你的更改 可能你每天只创建几个应用程序，但你将运行数百次应用程序，因此掌握开发工作流程尤为重要。 这将导致更快的工作流程： 编写代码并运行保存快捷键保存文件。 交互式地测试应用。 回到第 1 步。
1.4K10发布于 2020-07-03 - 来自专栏全栈程序员必看
java工作流_Java 实现简单工作流
工作流主要运用到反射机制 创建一张工作流表 如：主键 | 工作流Code | 工作流内容 其中工作流，内容为Json格式 工作流内容如下 { “procCode”: “OPS”, “procName “taskName”: “响应消息”, “tasklassName”: “com.xf.flow.service.impl.ApiResponseServImpl” } ] } 3.java代码现根据工作流的 Code 获取当前的工作流 4.jsonStr ————>JsonObject————>获取taskControlVoList 5.java的工作流代码 @Override public ApiResponse
1.8K20编辑于 2022-09-08 - 来自专栏人工智能
ML工作流程（第4部分） - 完整性检查和数据分割
本译文自EROGOL 在http://www.erogol.com 上发表的 ML Work-Flow (Part 4) – Sanity Checks and Data Splitting ，文中版权 你的ETL工作流程是错误的。ETL是通过一些软件或简单的代码流合并来自不同资源的数据的过程。这个过程应该适应数据资源的内部变化。
98900发布于 2017-12-25 - 来自专栏AgenticAI
LLM Agent提效揭秘4:多智能体协作工作流深度剖析
在此之前，我们已经从论文到代码深度解读了大语言模型4种Agent 工作流的三种：反思、工具使用和规划。今天我们将深入最后一种Agent工作流：多智能体协作工作流。 而在人工智能的疆域内，这一原理亦被赋予了新的生命——通过多智能体协作工作流，大型语言模型（LLMs）正解锁前所未有的协同潜能。 每个阶段都涉及一组“软件代理”，包括程序员、代码审查员和测试工程师，他们通过协作对话促进无缝工作流程。 角色分配细化到专业，不仅有编码工程师，还有代码审查员，还引入了我们之前讨论的反思Reflection 工作流来进一步提升决策的准确性。 image-20240527181918001 4. 总结 通过本文对ChatDev、MetaGPT和AutoGen三篇论文的详细分析，我们深入了解了多智能体协作工作流在大语言模型（LLM）中的应用。
1.4K10编辑于 2025-03-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号