AI工作流编排——从DSL设计到确定性执行
AI应用开发正从“胶水代码+回调地狱”转向声明式工作流编排。以Dify为代表的可视化编排平台，核心设计哲学是“前端只负责画，后端只负责跑”。
DSL即代码。
用户在画布上拖拽生成的每一个工作流，最终序列化为标准JSON（DSL）。典型结构包含Nodes（任务单元，含ID、业务配置和类型）和Edges（控制流），变量引用语法 {{#node_id.output#}} 是连接节点的核心机制。
执行引擎四步走。
WorkflowParser承担“编译器”角色：DAG构建与环检测（Kahn算法确保合法DAG）→节点实例化（工厂模式按type字段创建节点类）→变量池管理→拓扑序调度执行。执行引擎已从平台解耦为独立Python库graphon，支持迁移到Amazon Bedrock等云平台。
通用编排引擎新范式。
AgenticWorkflow提出将工作流建模为带类型边的DAG（顺序、并行、条件、循环），提供五大弹性子系统：故障分类重试（指数退避）、逐步回滚（密码学收据）、工作流感知断路器、智能死信管理和内建幂等性。性能测试显示1000步DAG操作<50ms，10000项批量创建<500ms。
选型建议。
n8n适合跨系统自动化，Dify偏LLM应用打包与托管，LangGraph适合对流程控制要求极高的生产场景，Temporal/Prefect则是Ops团队首选的workflow-first引擎。