spring-ai-alibaba 之 graph 槽点

函数式编程

spring-ai-alibaba-graph-core 的代码也学习有一段时间了,有些地方确实还不尽如人意

其中有些底层设计感觉确实不太符合java开发人员的习惯,不太容易理解

究其根源,个人感觉应该是照搬 langgraph 的逻辑,强行使用函数式编程,没有进行java面向对象的适配导致的(反正我是不承认我不习惯大范围使用 java 的函数式编程的 :))

毕竟在 langgraph 的官网介绍中都说了,Nodes 和 Edges 仅仅是 Python 函数

但做 Java 开发从没听过"仅仅是 Java Lambda表达式"或者"仅仅是Java Function"的说法,类比应该是"仅仅是 Java 类"或"仅仅是 Java 接口"

举个例子

原先 langgraph 的使用逻辑可能类似下面这样

python 复制代码
def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}

llmNode = Node(chatbot)
graph_builder.add_node("chatbot", llmNode)

在python中,函数本身也是一种对象,可以当做参数进行传递

但是在java中,如果要完全复制这种操作,就需要引入Function等函数式编程,进行一层封装

java 复制代码
NodeAction llmAction = overallState -> {
    Map<String, Object> map = ...
    //业务逻辑
    return map;
}


Node llmNode = new Node(llmAction)

Node及NodeAction的定义如下,其中NodeAction是一个继承了Function接口的接口

java 复制代码
public class Node {

	@FunctionalInterface
    public interface NodeAction {

	    Map<String, Object> apply(OverAllState state) throws Exception;

    }

	private final String id;

	private final NodeAction actionFactory;
}

但是这不够,在python中一个函数就能将参数转为异步

python 复制代码
def chatbot(state: State):
    return {"messages": [llm.invoke(state["messages"])]}

llmNode = Node(chatbot)
graph_builder.add_node("chatbot", async(llmNode))

那怎么办?spring-ai-alibaba-graph-core 为了支持这种写法,在外面又套了一层

java 复制代码
public class Node {

    
    @FunctionalInterface
    public interface AsyncNodeAction extends Function<OverAllState, CompletableFuture<Map<String, Object>>> {

	    CompletableFuture<Map<String, Object>> apply(OverAllState state);

        @FunctionalInterface
        public interface NodeAction {
	        Map<String, Object> apply(OverAllState state) throws Exception;
        }

        static AsyncNodeAction node_async(NodeAction syncAction);

    }

	

	private final String id;

	private final AsyncNodeAction asyncActionFactory;
}

然后,python还支持多参数,即节点函数的入参包括State和RunnableConfig

python 复制代码
def chatbot(state: State, runnableConfig: RunnableConfig):
    return {"messages": [llm.invoke(state["messages"])]}

llmNode = Node(chatbot)
graph_builder.add_node("chatbot", async(llmNode))

那就在AsyncNodeAction外面再套一层AsyncNodeActionWithConfig,继承BiFunction

具体代码我就不贴了,后面还又套了一层ActionFactory

总之,让习惯java写法的人非常不习惯

如果是java开发一般会怎么写?一个接口搞定

java 复制代码
public interface GraphNode {

    Map<String, Object> action(OverAllState state);
    
    default Map<String, Object> action(OverAllState state, RunnableConfig config) {
        return action(state);
    }

    default CompletableFuture<Map<String, Object>> asyncAction(OverAllState state) {
        return CompletableFuture.supplyAsync(() ->  action(state));
    }
    
    default CompletableFuture<Map<String, Object>> asyncAction(OverAllState state, RunnableConfig config) {
        return CompletableFuture.supplyAsync(() ->  action(state, config));
    }

}

甚至普通节点都不需要异步,异步放到并行节点里去就ok了

java 复制代码
public interface GraphNode {

    Map<String, Object> action(OverAllState state);
    
    default Map<String, Object> action(OverAllState state, RunnableConfig config) {
        return action(state);
    }

}

public interface ParallelNode extends GraphNode {


    default CompletableFuture<Map<String, Object>> asyncAction(OverAllState state) {
        return CompletableFuture.supplyAsync(() ->  action(state));
    }
    
    default CompletableFuture<Map<String, Object>> asyncAction(OverAllState state, RunnableConfig config) {
        return CompletableFuture.supplyAsync(() ->  action(state, config));
    }

}

边其实也存在同样的问题,要封装为函数式的EdgeAction来操作

异步

在graph的代码中可以看到大量的CompletableFuture,但实际跟踪invoke代码执行会发现,这边刚提交了异步,转头就调用CompletableFuture的get方法阻塞在那了,完全失去了异步的作用,并没有与其他代码并行

可以说整个graph可能就只有ParallelNode那里有一点点并行

而且graph,也就是图,或者叫状态机,本身的机制就是一个节点执行完,才会进入下一个节点,本身就带有很强的顺序执行的特性,完全没必要搞一堆CompletableFuture,只需要在并行节点内部进行一点特殊处理就ok了

如果实在想异步处理节点,需要自行调用 CompiledGraph 的 stream 方法,然后实现一个异步处理器(可以参考spring-ai-alibaba-deepsearch 的 GraphProcess 类)

相关推荐
努力写代码的熊大1 小时前
八大排序算法
java·算法·排序算法
做一位快乐的码农2 小时前
基于springboot的在线考试系统/考试信息管理平台
java·struts·spring·eclipse·tomcat·maven·hibernate
创码小奇客2 小时前
Spring Boot 集成 Talos:打造智能调参系统,让模型性能自动飙升
java·spring boot·trae
涡能增压发动积2 小时前
Browser-Use Agent使用初体验
人工智能·后端·python
探索java3 小时前
Spring lookup-method实现原理深度解析
java·后端·spring
码事漫谈3 小时前
深入解析线程同步中WaitForSingleObject的超时问题
后端
码事漫谈3 小时前
C++多线程同步:深入理解互斥量与事件机制
后端
少女孤岛鹿3 小时前
微服务注册中心详解:Eureka vs Nacos,原理与实践 | 一站式掌握服务注册、发现与负载均衡
后端
梦幻通灵3 小时前
IDEA查看源码利器XCodeMap插件
java·intellij-idea