工作流框架还是比较多的，按照语言分类的话，有

Java: jBPM、Activiti、SWF

PHP: Tpflow、PHPworkflow

Go: Cadence（Cadence由Uber开发并开源，Maxim Fateev是Cadence的主架构师）、Temporal（Maxim Fateev为了推广Workflow编排引擎的商业化，另立门户创建了Temporal）、Fastflow 

特点 缺点 可视化界面 语言 开源

jBPM
  • 始祖级
  • 依赖服务差（如持久化-hibernate）
 无 java
Activiti
  • 需掌握Java语言 BPMN XML语法和图形符号
  • 审批等操作都是在一个大的长事务里面去执行，一个审批操作会设计到操作多张表，如果处理不好的话性能会影响比较大
 无 java 开源，star: 9.3k，近2天有更新
liteflow
  • 轻量
  • 逻辑驱动的编排
 图形化界面 java 开源，star: 1.7k，近1周有更新

n8n（工作流）

docker run -it --rm --name n8n -p 5678:5678 -v ~/.n8n:/home/node/.n8n docker.n8n.io/n8nio/n8n
  • 简单，低代码运行
  • 可拓展
  • 节点是黑盒，报错不可观测
  • 官方支持了很多打包节点，但对按业务来看基本不能直接复用
  • 收费
 图形化界面，关联节点，事件触发 js

开源，star: 29.1k，近1天有更新

Temporal

Cadence
  • 支持重入、取消、超时控制、等待回调
  • 提供工作流河代码执行状态完整可见

  • 中心化状态机+事件溯源模式

  • 支持横向拓展
  • 社区活跃，生态完善，有不少国外公司在用
  • 提供引擎 + web-ui 平台，可以开箱即用或者做少量的定制
  • 偏底层，需要自己实现DSL和对应的可视化UI
  • 需按固定格式编写代码
 图形化界面，可以清楚的知道上下文 golang

开源，star: 6.8k，近1天有更新
Fastflow
  • 轻量、支持水平扩容
  • 开箱即用、低代码
  • DAG 模式
 无 golang 开源，star: 108，近三月有更新

flowable
  • 从 activiti6 中分裂出来的，在其基础上研发了 DMN 支持，BPEL 支持等
  • 大力发展其商业版产品，开源版本维护不及时，部分功能已经不再开源版发布，比如表单生成器（表单引擎）、历史数据同步至其他数据源、ES 等
 java 开源版本维护滞留
Camunda
  • 基于 activiti5，保留了 PVM
  • 支持流程实例的迁移
  • bug 较多，维护周期长
  • 开源版本仅支持部分能力且不承诺任何保障

如何选型

针对我们自身的开发效率、支撑能力、稳定性

  • 多异步事件

  • 服务可靠性低

  • 流程长繁杂

  • 复杂状态

工作流通常适用于，有状态的、异步、长时间执行等特性的业务场景，比较典型的场景包括

  1. 视频、音频、图片处理工作流

  2. 订单、审批流程

  3. 数据处理流水线

  4. 自动化运维

# 开源
Logo
ModelEngine社区

更多推荐

零代码构建企业级智能工作流：AutoAgent多模型协作与动态任务编排实战指南

你是否还在为复杂业务逻辑的自动化实现而烦恼？面对多步骤任务拆解、跨模型协作和动态流程调整时束手无策？本文将通过AutoAgent框架的数学解题工作流实例，带你掌握零代码构建智能业务流程的核心技术，无需编程基础也能打造企业级自动化解决方案。读完本文你将获得：多智能体协作设计方法、动态任务路由实现、结果聚合策略以及可视化工作流编排技巧。## 智能工作流核心架构解析AutoAgent工作流框架采

avatar ModelEngine社区

从零到一：AutoAgent多语言支持实现全球化AI应用的完整指南

你是否正在为AI应用的全球化部署而烦恼？当你的智能体（Agent）只能理解单一语言时，如何突破地域限制触达全球用户？本文将通过三个关键步骤，带你掌握AutoAgent的多语言支持能力，让你的AI应用无缝适配不同语言环境，轻松实现全球化布局。读完本文，你将获得：多语言架构设计思路、自动化翻译工作流搭建方法，以及本地化测试的完整流程。## 多语言支持的商业价值在全球化背景下，语言支持能力直接影

avatar ModelEngine社区

提示工程架构师：互动性设计的核心是“闭环反馈”

你有没有遇到过这样的AI应用？你说“推荐一本科幻书”，它扔给你《三体》，但你其实想要“轻松搞笑的科幻”；你问“怎么煮奶茶”，它列了10步，但你没听懂“煮茶要煮多久”，它却不会主动解释；你用AI写文案，它出了一版你觉得“太正式”，但你改了3次，它还是没get到“要接地气”的点。问题的核心：大多数AI应用的提示设计是单向的——用户发指令，AI给结果，中间没有“互动”。就像你跟一个只会念台词的机器人对话

avatar ModelEngine社区