大家好，我是二哥呀。

PaiFlow，中文名我们叫他派派工作流，叠字听起来是不是蛮亲切的？😄

亲切就对了。这是一个企业级的 AI Agent 工作流编排平台，支持用户通过可视化方式编排大模型节点、工具节点和流程逻辑等。面试题交付部分包括架构设计、工作流引擎、Docker 容器、插件服务（MCP 前身）、Redis&MinIO&MySQL、微服务、Agent&Skills、设计模式、SSE、并发编程、SpringAI、大模型&Prompt、LangGraph4J 等（大家求职面试的重中之重）。

为了让大家能尽快上手，第一期我们主要交付这个工作流——用户输入一段主题，大模型会将其转换为播客风格的文本，再经过 TTS 将其转换为音频内容，主要包括四个节点：输入→LLM→超拟人音频合成→输出。

第二期，我们会在此基础上实现更复杂的流程编排（OCR 识别、代码分支、RAG 知识库、Agent 智能决策、MCP 等等【代码已经实现，第一期交付完就开始更新】），毕竟二哥的目标是对标 dify、coze 和 n8n 这些知名产品。

AI 时代，大家都在被时代洪流裹挟着前进，不得停息。从 2025 年 9 月份立项 PaiFlow，我就开始不停的肝教程，每天所有的空闲时间都扑在这个项目上，但依然到 2026 年 1 月份整体的教程才趋于完善，足足五个月啊。

为了让大家在求职/晋升的时候有更多的话语权，我只能加速冲刺。我能保证的是，目前交付的教程和源码，足够大家在 AI 时代拿下一个大 offer，就像派聪明RAG上架时一样。相信你看完这篇内容也会笃定这一点。

希望第二期，大家能多给我们一点时间撰写教程，星球里其实已经有 Spring Boot+React 前后端分离的技术派、微服务 PmHub、RAG 派聪明、轮子 MYDB 等系列项目，足够大家求职的时候（日常实习/暑期实习/春招/秋招/社招）拿到满意的 offer。

当然了，每个人都有欲望，大家想要更多的优质项目。其实我也迫切地想，假如一年能上他 10 个实战项目（真想克隆几个自己，狠狠肝教程😄），相信大家也会学到更多的同时，更加倾尽全力地推荐二哥给学弟学妹们（嘿嘿）。

一、PaiFlow的架构

整体来看，PaiFlow 的架构可以拆成四层：前端表达层、控制台中枢层、工作流执行层，以及底层基础设施层。

前端使用 React + TypeScript 实现，承担用户和后端交互的职责。用户可以编排工作流、配置节点参数、执行工作流、查看运行状态和日志等。当用户点击【发送】按钮时，前端会把整个工作流转化成一份结构化的 DSL 发送给 hub 中枢，并等待 hub 给出响应（异步流式）。

tips：在低代码平台中，DSL（Domain-Specific Language）被用于以声明式或可视化的方式定义用户界面和交互行为。

后端采用的是微服务构架，Hub 负责业务管理和系统控制，包括用户鉴权、大模型和插件的统一管理、流程元数据的维护，以及工作流的执行调度等等。你可以把 Hub 理解成 PaiFlow 的“大脑皮层”。它负责判断谁可以执行哪一条流程、在什么条件下执行、执行时需要哪些资源。

想要更深层次学习微服务的球友，可以去学习一下：PmHub 项目

所有“执行相关”的事情，都会被 Hub 下发给专门的工作流引擎。

工作流引擎是 PaiFlow 最核心，也是最复杂的部分，既有 Python 版本，也有 Java 版本。主要负责 DSL 的解析与校验、节点的调度与执行顺序控制、上下文和参数的管理、链路的拓扑解析，以及执行过程中状态的变更和事件推送。也是第一期教程交付的重点。

你启动 Python 版工作流引擎，hub 就会自动将工作流的执行请求发送到 core 模块下的 workflow、aitools 和 link 服务；你启动的是 Java 版工作流引擎，hub 就会自动将工作流的执行请求发送到 core-workflow-java 模块下，并等待返回。

hub 不关心工作流最终由谁执行，它只负责调度和路由；真正的执行能力，是可以被替换、演进甚至并行存在的。后面我们打算再出一个 Go 版本的工作流引擎，和 Go 版的派聪明呼应起来，给学 go 的球友再增加一个选项。

基础设施层我们用到了 MySQL（持久化流程元数据和执行状态）、Redis（缓存上下文、运行状态、事件路由）和 MinIO（存储音频文件）等。

这里必须要感谢一下科大讯飞的 astron-agent 项目，2025 年 9 月份和他们有一次合作，动手尝试把这个项目跑起来编排了一个 AI 播客，感觉和当前的 Agent 市场需求非常契合，再加上球友们的诉求比较强烈（除了派聪明 RAG 项目外，迫切需要另外一个 AI 实战项目），于是我就萌生了一个大胆的想法，自己做个吧！

于是折腾了一个多月，项目也有了雏形，可以实现输入节点→LLM 节点→超拟人音频合成节点→输出节点这个工作流。项目名暂定为 PaiAgent，和 PaiFlow 算是同期进行，教程完稿后也会一并上架给大家（敬请期待）。

先上 PaiFlow 而不是 PaiAgent 主要考虑到：

一，前端我不擅长，但我又想呈现给大家一个比较漂亮的前端体验。用户体验这一趴必须要重视，因为大家对一个项目有没有印象，第一眼看到后的感觉很重要。技术派之所有这么长的生命周期，就是因为他的配色和页面布局，在 2023 年推出的时候足够震撼。

二，星球里有一部分球友迫切想要 Python 版的实战项目（毕竟 Java 和 Go 的项目咱都有了）。既然球友们有诉求，咱就必须要满足。后面还想尝试把前端的教程也搞起来，这样就齐活了，哈哈，野心咱必须有。

于是我就想，不如在 astron-agent 的前端交互基础上，新增一版 Java 版的工作流引擎，再加上我们精心为大家准备的 20 多万字教程，能更快交付给大家，能让大家把握住春招/暑期实习/年后跳槽这个窗口期。

好好好，非常好。就这么干。

这一干不要紧，前后花了三个多月时间，难度远超我的想象，从 9 月份开始， 一直到 12 月中旬代码部分才告一段落，然后我又开始马不停蹄的肝教程，熬夜又成了家常便饭，上次肝派聪明 RAG 的教程，最后熬感冒了，咳嗽了俩月才好。

但派聪明 RAG 上架后，大家如潮水般的好评，又让我觉得这一切的付出都是值得的，星球也快速增长到了 11000+ 人。大家斩获满意的 offer，我收获名望和财富，哈哈哈。不错不错，真不错。

贴一点派聪明的证据

我相信，派派工作流这个项目一定能不负众望（成语没用错吧，用错就搞笑了）！看一眼 PaiFlow 写到简历上的部分内容吧，都是 AI 时代强需求的技能点，所向披靡没问题👍。

用星球嘉宾一灰的原话就是，派派工作流涉及的东西很多，深度广度都很大：设计模式、数据结构、架构思想、工程能力、AI 技术栈，全都涉及了，随便一个都可以聊很久聊很深（让面试官和 HR 对你刮目相看，一眼就相中你）。