supervisor、工作流编排配置、子图

javascript 复制代码

{
  "agent_id": "personnel_business_agent",
  "supervisor_prompt": "# 人事业务主图（前端自治版本）\n\n你是一名人事业务工作流编排助手。根据用户语言识别意图，动态调度 Worker 完成业务。\n\n可用 Workers：\n- employee_onboard: 员工入职子流程。职责：校验员工信息完整性 → 校验工号/部门有效性 → 统一参数校验 → 创建新员工。\n\n- employee_transfer: 员工异动（部门调整）子流程。职责：匹配目标员工 → 输入目标部门 → 执行部门调整。\n\n- employee_offboard: 员工离职子流程。职责：匹配目标员工 → 确认离职类型和时间 → 执行离职操作。\n\n- employee_info_maintain: 员工信息维护子流程。职责：匹配员工 → 获取信息 → 并行校验 → 用户确认 → 执行修改。\n\n- employee_info_query: 员工信息查询子流程。职责：接收搜索条件 → 执行AND逻辑检索 → 返回人员信息。\n\n\n规则：\n1. 根据用户语言识别意图，返回 action=\"execute\" 和对应的 next_worker。\n2. 如果用户指令模糊或缺失关键信息，返回 action=\"clarify\" 和友好的澄清提示语。\n3. 当已完成的 Workers 足以满足用户请求时，返回 action=\"complete\"。\n\n输出 JSON 格式：\n{\n  \"action\": \"execute\" | \"clarify\" | \"complete\",\n  \"next_worker\": \"...\",\n  \"worker_inputs\": {...},\n  \"clarification_prompt\": \"...\"\n}\n",
  "workers": [
    {
      "id": "employee_onboard",
      "description": "员工入职子流程。职责：校验员工信息完整性 → 校验工号/部门有效性 → 统一参数校验 → 创建新员工。\n",
      "worker_id": "sg_employee_onboard",
      "entry": "validate_name_integrity",
      "outputs": [
        "status",
        "person_id",
        "details"
      ],
      "inputs": null,
      "dependencies": null,
      "schema": {
        "type": "object",
        "properties": {
          "person_name": {
            "type": "string",
            "nullable": true,
            "description": "员工姓名"
          },
          "surname": {
            "type": "string",
            "nullable": true,
            "description": "姓"
          },
          "given_name": {
            "type": "string",
            "nullable": true,
            "description": "名"
          },
          "person_code": {
            "type": "string",
            "nullable": true,
            "description": "工号"
          },
          "department_name": {
            "type": "string",
            "nullable": true,
            "description": "部门名称"
          },
          "entry_date": {
            "type": "string",
            "nullable": true,
            "description": "入职日期"
          },
          "email": {
            "type": "string",
            "nullable": true,
            "description": "邮箱"
          },
          "phone": {
            "type": "string",
            "nullable": true,
            "description": "电话"
          },
          "gender": {
            "type": "string",
            "nullable": true,
            "description": "性别"
          },
          "position": {
            "type": "string",
            "nullable": true,
            "description": "职位"
          },
          "user_query": {
            "type": "string",
            "nullable": true,
            "description": "用户原始查询语句"
          },
          "user_selections": {
            "type": "object",
            "nullable": true,
            "description": "用户在前端的选择结果"
          }
        },
        "required": []
      }
    },
    {
      "id": "employee_transfer",
      "description": "员工异动（部门调整）子流程。职责：匹配目标员工 → 输入目标部门 → 执行部门调整。\n",
      "worker_id": "sg_employee_transfer",
      "entry": "match_employee",
      "outputs": [
        "status",
        "person_id",
        "details"
      ],
      "inputs": null,
      "dependencies": null,
      "schema": {
        "type": "object",
        "properties": {
          "person_name": {
            "type": "string",
            "nullable": true,
            "description": "员工姓名"
          },
          "person_code": {
            "type": "string",
            "nullable": true,
            "description": "工号"
          },
          "target_department_name": {
            "type": "string",
            "nullable": true,
            "description": "目标部门名称"
          },
          "user_query": {
            "type": "string",
            "nullable": true,
            "description": "用户原始查询语句"
          },
          "user_selections": {
            "type": "object",
            "nullable": true,
            "description": "用户在前端的选择结果"
          }
        },
        "required": []
      }
    },
    {
      "id": "employee_offboard",
      "description": "员工离职子流程。职责：匹配目标员工 → 确认离职类型和时间 → 执行离职操作。\n",
      "worker_id": "sg_employee_offboard",
      "entry": "match_employee",
      "outputs": [
        "status",
        "person_id",
        "details"
      ],
      "inputs": null,
      "dependencies": null,
      "schema": {
        "type": "object",
        "properties": {
          "person_name": {
            "type": "string",
            "nullable": true,
            "description": "员工姓名"
          },
          "person_code": {
            "type": "string",
            "nullable": true,
            "description": "工号"
          },
          "offboard_type": {
            "type": "string",
            "nullable": true,
            "description": "离职类型，默认辞职"
          },
          "offboard_date": {
            "type": "string",
            "nullable": true,
            "description": "离职日期，默认当天"
          },
          "user_query": {
            "type": "string",
            "nullable": true,
            "description": "用户原始查询语句"
          },
          "user_selections": {
            "type": "object",
            "nullable": true,
            "description": "用户在前端的选择结果"
          }
        },
        "required": []
      }
    },
    {
      "id": "employee_info_maintain",
      "description": "员工信息维护子流程。职责：匹配员工 → 获取信息 → 并行校验 → 用户确认 → 执行修改。\n",
      "worker_id": "sg_employee_info_maintain",
      "entry": "validate_employee_exists",
      "outputs": [
        "status",
        "person_id",
        "details"
      ],
      "inputs": null,
      "dependencies": null,
      "schema": {
        "type": "object",
        "properties": {
          "person_name": {
            "type": "string",
            "nullable": true,
            "description": "员工姓名"
          },
          "person_code": {
            "type": "string",
            "nullable": true,
            "description": "工号"
          },
          "update_fields": {
            "type": "object",
            "nullable": true,
            "description": "需要修改的字段及值"
          },
          "user_query": {
            "type": "string",
            "nullable": true,
            "description": "用户原始查询语句"
          },
          "user_selections": {
            "type": "object",
            "nullable": true,
            "description": "用户在前端的选择结果"
          }
        },
        "required": []
      }
    },
    {
      "id": "employee_info_query",
      "description": "员工信息查询子流程。职责：接收搜索条件 → 执行AND逻辑检索 → 返回人员信息。\n",
      "worker_id": "sg_employee_info_query",
      "entry": "query_employee_info",
      "outputs": [
        "status",
        "total",
        "persons"
      ],
      "inputs": null,
      "dependencies": null,
      "schema": {
        "type": "object",
        "properties": {
          "person_name": {
            "type": "string",
            "nullable": true,
            "description": "姓名"
          },
          "person_code": {
            "type": "string",
            "nullable": true,
            "description": "工号"
          },
          "department_name": {
            "type": "string",
            "nullable": true,
            "description": "部门"
          },
          "card_no": {
            "type": "string",
            "nullable": true,
            "description": "卡号"
          },
          "status": {
            "type": "string",
            "nullable": true,
            "description": "人员状态"
          },
          "user_query": {
            "type": "string",
            "nullable": true,
            "description": "用户原始查询语句"
          },
          "user_selections": {
            "type": "object",
            "nullable": true,
            "description": "用户在前端的选择结果"
          }
        },
        "required": []
      }
    }
  ],
  "dependencies": {}
}

这是一个基于 AI Agent（智能体）架构的人事业务工作流编排配置（Schema）。

简单来说，它是一套给 AI "大脑"使用的说明书。通过这份配置，AI 能够理解如何处理关于员工入职、调动、离职、修改信息及查询的指令。

以下是该配置的详细拆解：

1. 核心身份（Agent Role）

Agent ID : personnel_business_agent（人事业务助手）。
职责：它扮演的是"中枢调度员"的角色。它的任务不是直接去数据库改数据，而是听懂用户的意图，然后决定把活儿分给哪个具体的"执行员"（Worker）。

2. 五大业务模块（Workers）

该 Agent 下挂载了 5 个专门处理特定业务的"工具人"：

employee_onboard (入职)：负责新员工入职流程，包括姓名、工号、部门、入职日期等信息的校验和录入。
employee_transfer (异动)：处理员工跨部门调动，只需匹配员工并指定目标部门。
employee_offboard (离职)：处理离职手续，记录离职类型和日期。
employee_info_maintain (信息维护)：修改员工的现有信息（如改电话、改邮箱等）。
employee_info_query (信息查询)：通过姓名、工号、部门等条件进行搜索。

3. 工作逻辑（Workflow Rules）

配置中定义了 AI 的决策逻辑（即 supervisor_prompt 里的规则）：

执行（execute）：如果用户意图明确（例如"帮我办理张三入职"），AI 直接调度对应的 Worker。
澄清（clarify）：如果用户说得太模糊（例如"帮我改一下信息"，没说改谁，也没说改什么），AI 会返回一段提示语向用户追问。
完成（complete）：当所有步骤执行完毕，AI 告诉前端流程结束。

4. 技术特征

结构化输入（Schema） ：每个模块都严格定义了需要的参数（如 person_name, person_code 等），这确保了 AI 在调用后台接口时数据格式是标准的。
前端自治版本：这表明该系统设计为"前端驱动"，AI 返回 JSON 格式的指令，由前端页面根据指令决定下一步是弹出确认框、显示搜索结果，还是继续引导用户填表。
AND 逻辑检索：在查询模块中特别注明了多条件查询采用"且"关系。

5. 应用场景举例

用户说："王小明今天入职研发部，工号是 1001。"
AI 处理 ：
1. 识别为 employee_onboard 意图。
2. 提取参数：姓名=王小明，部门=研发部，工号=1001。
3. 返回 JSON：{"action": "execute", "next_worker": "employee_onboard", "worker_inputs": {...}}。
4. 系统自动跳转到入职校验流程。

总结： 这是一个典型的人机交互（LUI）后台管理系统配置，通过 LLM（大语言模型）将复杂的 HR 业务流程简化为对话式操作。

为了让你更清晰地理解这个系统是如何工作的，

我们可以模拟三个典型的应用场景：直接执行（入职） 、需要澄清（调动） 、以及精准查询。

以下是完整的交互逻辑展示：

场景一：直接执行（信息完整）

用户输入： "帮我给新入职的王小明办下入职手续，工号是 HR007，今天入职，分配到研发部。"

AI 内部意图识别：
- 意图：员工入职 (employee_onboard)
- 提取实体：姓名=王小明，工号=HR007，部门=研发部，日期=2023-10-27（假设当前日期）
AI 返回的 JSON：

json 复制代码

{
  "action": "execute",
  "next_worker": "employee_onboard",
  "worker_inputs": {
    "person_name": "王小明",
    "person_code": "HR007",
    "department_name": "研发部",
    "entry_date": "2023-10-27",
    "user_query": "帮我给新入职的王小明办下入职手续，工号是 HR007，今天入职，分配到研发部。"
  },
  "clarification_prompt": ""
}

后续动作： 系统前端收到该指令，自动跳转到"入职办理"界面，并自动填好了上述信息，等待确认提交。

场景二：需要澄清（缺失关键信息）

用户输入： "把张三调到市场部去。"

AI 内部意图识别：
- 意图：员工异动 (employee_transfer)
- 提取实体：目标部门=市场部，姓名=张三
- 发现问题： 同名同姓的人可能很多，且系统中通常需要"工号"或"当前部门"来精准匹配张三。
AI 返回的 JSON：

json 复制代码

{
  "action": "clarify",
  "next_worker": "employee_transfer",
  "worker_inputs": {
    "person_name": "张三",
    "target_department_name": "市场部"
  },
  "clarification_prompt": "系统中查询到多个名叫'张三'的员工，请问您指的是哪一个？或者请输入他的工号以便我准确办理。"
}

后续动作： 前端对话框直接弹出"澄清提示语"，引导用户提供更精准的信息。

场景三：信息维护（更新特定字段）

用户输入： "工号为 1024 的程序员李四换手机号了，新号码是 13800138000。"

AI 内部意图识别：
- 意图：信息维护 (employee_info_maintain)
- 提取实体：工号=1024，姓名=李四，更新内容=手机号
AI 返回的 JSON：

json 复制代码

{
  "action": "execute",
  "next_worker": "employee_info_maintain",
  "worker_inputs": {
    "person_code": "1024",
    "person_name": "李四",
    "update_fields": {
      "phone": "13800138000"
    },
    "user_query": "工号为 1024 的程序员李四换手机号了，新号码是 13800138000。"
  },
  "clarification_prompt": ""
}

后续动作： 系统调起"信息维护子流程"，自动定位到工号 1024 的员工，并准备修改其 phone 字段。

场景四：综合查询

用户输入： "帮我找一下研发部所有还在职的员工。"

AI 内部意图识别：
- 意图：员工查询 (employee_info_query)
- 提取实体：部门=研发部，状态=在职
AI 返回的 JSON：

json 复制代码

{
  "action": "execute",
  "next_worker": "employee_info_query",
  "worker_inputs": {
    "department_name": "研发部",
    "status": "在职",
    "user_query": "帮 me 找一下研发部所有还在职的员工。"
  },
  "clarification_prompt": ""
}

后续动作： 系统执行数据库查询，前端以列表或卡片形式展示所有符合条件的员工名单。

总结

这个架构的核心价值在于：

容错性 ：如果用户说得不清不楚，AI 不会报错，而是通过 clarify 进行追问。
结构化：无论用户说话多随意，输出永远是整齐的 JSON，方便程序员写后端代码。
自动化：自动识别该调哪个子流程（Worker），无需用户在复杂的 ERP 菜单里层层点击。

要让这套"人事业务主图"真正运转起来，需要将 AI 调度中心（Supervisor）、业务执行单元（Workers）和前端界面三者有机结合。

以下是实现这一工作流的四个核心步骤：

第一步：意图识别与分发（中枢指挥）

当用户输入一句话时，你的 Supervisor Agent 首先介入。它不执行具体的业务，只负责"看地图"和"指路"。

接收输入：用户说："张三要离职。"
匹配 Worker ：Supervisor 查阅 workers 列表，发现 employee_offboard 最匹配。
提取参数 ：AI 从一句话中提取出 person_name: "张三"。
下达指令 ：输出 JSON，告知系统执行 employee_offboard，并带上参数。

第二步：子流程的内部流转（Worker 协作）

每个 Worker 内部其实是一个微型工作流 。根据你提供的 JSON，每个 Worker 都有 entry（入口点）和一套职责。

以 employee_onboard（入职） 为例，它的工作流是线性的：

触发点 ：接收到 execute 指令。
数据校验 ：调用 validate_name_integrity（校验姓名是否完整）。
合法性检查：检查工号是否重复、部门是否存在。
业务处理：一切 OK 后，调用后台接口"创建新员工"。
反馈结果 ：输出 status: "success" 和 person_id。

第三步：多轮对话与状态保持（动态纠偏）

工作流最难的是处理"信息不全"。这时候需要 Supervisor 和 User 之间的反复横跳：

场景：用户说："帮我办入职。"
AI 识别 ：动作是 onboard，但缺少姓名、部门。
状态切换 ：AI 返回 action: "clarify"，提示语为"请问入职员工的姓名和部门是什么？"
前端处理：前端对话框显示提示语，并保持当前的业务上下文。
用户补全：用户回答："李四，财务部。"
工作流继续 ：AI 将新信息与旧信息合并，再次发送 execute 指令给 Worker。

第四步：前端自治调度（实现自动化）

由于你这个版本是"前端自治版本"，这意味着 前端代码（如 React/Vue）扮演了"调度员"角色：

前端监听：前端捕获 AI 返回的 JSON。
逻辑判断 ：
- 如果 action === "clarify"：直接弹出气泡询问用户。
- 如果 action === "execute"：
  - 前端根据 next_worker 的 ID（如 sg_employee_onboard），去调用对应的 API 或渲染对应的表单。
  - 将 worker_inputs 里的值自动填入表单。
界面反馈 ：当 Worker 执行成功返回 status 后，前端调用 AI 的 complete 动作，并提示用户："办理成功，员工 ID 是 XXX。"

总结：完整的工作流逻辑图

#mermaid-svg-pRIW3hUg30JMRSRp{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-pRIW3hUg30JMRSRp .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-pRIW3hUg30JMRSRp .error-icon{fill:#552222;}#mermaid-svg-pRIW3hUg30JMRSRp .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-pRIW3hUg30JMRSRp .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-pRIW3hUg30JMRSRp .marker{fill:#333333;stroke:#333333;}#mermaid-svg-pRIW3hUg30JMRSRp .marker.cross{stroke:#333333;}#mermaid-svg-pRIW3hUg30JMRSRp svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-pRIW3hUg30JMRSRp p{margin:0;}#mermaid-svg-pRIW3hUg30JMRSRp .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-pRIW3hUg30JMRSRp .cluster-label text{fill:#333;}#mermaid-svg-pRIW3hUg30JMRSRp .cluster-label span{color:#333;}#mermaid-svg-pRIW3hUg30JMRSRp .cluster-label span p{background-color:transparent;}#mermaid-svg-pRIW3hUg30JMRSRp .label text,#mermaid-svg-pRIW3hUg30JMRSRp span{fill:#333;color:#333;}#mermaid-svg-pRIW3hUg30JMRSRp .node rect,#mermaid-svg-pRIW3hUg30JMRSRp .node circle,#mermaid-svg-pRIW3hUg30JMRSRp .node ellipse,#mermaid-svg-pRIW3hUg30JMRSRp .node polygon,#mermaid-svg-pRIW3hUg30JMRSRp .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-pRIW3hUg30JMRSRp .rough-node .label text,#mermaid-svg-pRIW3hUg30JMRSRp .node .label text,#mermaid-svg-pRIW3hUg30JMRSRp .image-shape .label,#mermaid-svg-pRIW3hUg30JMRSRp .icon-shape .label{text-anchor:middle;}#mermaid-svg-pRIW3hUg30JMRSRp .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-pRIW3hUg30JMRSRp .rough-node .label,#mermaid-svg-pRIW3hUg30JMRSRp .node .label,#mermaid-svg-pRIW3hUg30JMRSRp .image-shape .label,#mermaid-svg-pRIW3hUg30JMRSRp .icon-shape .label{text-align:center;}#mermaid-svg-pRIW3hUg30JMRSRp .node.clickable{cursor:pointer;}#mermaid-svg-pRIW3hUg30JMRSRp .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-pRIW3hUg30JMRSRp .arrowheadPath{fill:#333333;}#mermaid-svg-pRIW3hUg30JMRSRp .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-pRIW3hUg30JMRSRp .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-pRIW3hUg30JMRSRp .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-pRIW3hUg30JMRSRp .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-pRIW3hUg30JMRSRp .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-pRIW3hUg30JMRSRp .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-pRIW3hUg30JMRSRp .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-pRIW3hUg30JMRSRp .cluster text{fill:#333;}#mermaid-svg-pRIW3hUg30JMRSRp .cluster span{color:#333;}#mermaid-svg-pRIW3hUg30JMRSRp div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-pRIW3hUg30JMRSRp .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-pRIW3hUg30JMRSRp rect.text{fill:none;stroke-width:0;}#mermaid-svg-pRIW3hUg30JMRSRp .icon-shape,#mermaid-svg-pRIW3hUg30JMRSRp .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-pRIW3hUg30JMRSRp .icon-shape p,#mermaid-svg-pRIW3hUg30JMRSRp .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-pRIW3hUg30JMRSRp .icon-shape .label rect,#mermaid-svg-pRIW3hUg30JMRSRp .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-pRIW3hUg30JMRSRp .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-pRIW3hUg30JMRSRp .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-pRIW3hUg30JMRSRp :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 信息不足
意图明确
入职
异动
查询
成功
报错
用户输入
Supervisor Agent
Clarify: 追问用户
执行对应的 Worker
Worker: Onboard
Worker: Transfer
Worker: Query
调用后端业务 API
Complete: 流程结束并反馈

搭配建议：

上下文关联 ：在传输 worker_inputs 时，务必带上 user_query（原始语句），这样在 Worker 内部如果需要二次处理，AI 能参考上下文。
用户确认环节 ：在执行"离职"或"修改信息"这种高危操作时，Worker 的流转中应加入一个 User Confirmation（人工确认）节点，不要只靠 AI 直接修改数据库。
错误处理：如果 Worker 执行时发现后端接口报错（如部门已撤销），应将错误信息反馈给 Supervisor，让它用自然语言向用户解释。

和子图如何关联起来

javascript 复制代码

const workerManageEmployee: WorkerDefinition = {
  worker_id: 'worker_manage_employee',
  graph_id: 'graph_manage_employee',
  entry: 'add_person',
  description: '员工录入和手机号修改复合子图',
  nodes: [
    {
      id: 'add_person',
      type: 'action',
      config: { mcp_tool: 'add_person', timeout: 30000, wait_result: true },
      data_bind: ['inputs.user_query'],
      output_key: 'add_result',
      error: { fallback: 'END', retry: 1 },
    },
    {
      id: 'search_person',
      type: 'action',
      config: { mcp_tool: 'search_employee', timeout: 30000, wait_result: true },
      data_bind: ['inputs.user_query'],
      output_key: 'search_result',
      error: { fallback: 'END', retry: 1 },
    },
    {
      id: 'display_status',
      type: 'render',
      config: { component: 'EmployeeAddCard', confirm_required: false },
      data_bind: ['tool_outputs.add_result.person|new_person', 'tool_outputs.search_result.target_person|target_person'],
      output_key: 'display_result',
      error: { fallback: 'END', retry: 0 },
    },
    {
      id: 'input_phone',
      type: 'interrupt',
      config: { component: 'PhoneInputCard', message: '无法修改王五的手机号，请回复我新的号码直接帮你更改。', confirm_required: true },
      data_bind: ['tool_outputs.search_result.target_person|person'],
      output_key: 'phone_input',
      error: { fallback: 'END', retry: 0 },
    },
    {
      id: 'edit_phone',
      type: 'action',
      config: { mcp_tool: 'edit_employee_phone', timeout: 30000, wait_result: true },
      data_bind: [
        'tool_outputs.phone_input.userSelections.phone_number|phone_number',
        'tool_outputs.phone_input.userSelections.person_id|person_id',
      ],
      output_key: 'edit_result',
      error: { fallback: 'END', retry: 1 },
    },
    {
      id: 'display_summary',
      type: 'render',
      config: { component: 'EmployeeResultCard', confirm_required: false },
      data_bind: ['tool_outputs.add_result|add_result', 'tool_outputs.edit_result|edit_result'],
      output_key: 'summary_result',
      error: { fallback: 'END', retry: 0 },
    },
  ],
  edges: [
    { from: 'add_person', to: 'search_person', type: 'direct' },
    { from: 'search_person', to: 'display_status', type: 'direct' },
    { from: 'display_status', to: 'input_phone', type: 'direct' },
    { from: 'input_phone', to: 'edit_phone', type: 'direct' },
    { from: 'edit_phone', to: 'display_summary', type: 'direct' },
    { from: 'display_summary', to: 'END', type: 'direct' },
  ],
};

这段代码定义了一个 Worker 的具体执行逻辑图（Workflow Graph）。

如果说你之前提供的 JSON 是"地图"（告诉 AI 有哪些路可以走），那么这段代码就是其中一条路的详细导航步骤（告诉系统在执行"员工管理"这个具体任务时，第一步干什么，第二步干什么）。

1. 这是什么？

这是一个基于 DAG（有向无环图） 的工作流定义。它定义了一个名为 worker_manage_employee 的复合子流程，专门处理"录入员工"+"修改手机号"的组合业务。

节点 (Nodes)：代表具体的动作（调接口、弹窗、给用户看结果）。
边 (Edges)：代表执行顺序。
数据绑定 (Data Bind)：代表信息如何在步骤之间传递（例如把第一步搜到的 ID 给第五步用）。

2. 它如何与前面的 Supervisor 搭配？

它们是 "统帅"与"士兵" 的关系：

Supervisor（统帅 - 你之前提供的 JSON）：
- 负责听用户的话（自然语言）。
- 决定派哪个 Worker 出场。
- 比如用户说："帮我录入张三，顺便改下他的手机号。" Supervisor 识别后，会指向这个 worker_manage_employee。
Worker Graph（士兵 - 这段代码）：
- 负责按部就班地执行任务。
- 它不关心用户说的是中文还是英文，它只负责运行 add_person -> search_person 等预设好的节点。

3. 完整的执行流程（业务视角）

假设用户输入："帮我录入王五，他的手机号好像填错了，帮我改一下。"

第一阶段：中枢调度（Supervisor）

AI 识别到这是一个复合需求（录入+修改）。
AI 匹配到 worker_id: worker_manage_employee。
AI 将用户原始话语放入 inputs.user_query。

第二阶段：子图执行（这段代码的工作流）

节点 add_person (Action)：
- 系统调用 add_person 工具，尝试把王五存入数据库。
- 结果存入 add_result。
节点 search_person (Action)：
- 系统紧接着调用查询工具，确认王五的信息（可能是为了获取他在数据库里的 person_id）。
- 结果存入 search_result。
节点 display_status (Render)：
- 前端介入 ：屏幕上弹出一个 EmployeeAddCard 卡片，展示刚才录入的王五信息。
- 用户看到："王五已录入成功"。
节点 input_phone (Interrupt - 关键点)：
- 工作流中断 ：系统停下来，弹出一个 PhoneInputCard 输入框。
- 人机交互：界面显示："无法修改王五手机号，请回复我新的号码"。
- 用户在界面输入 13912345678 并点击确认。此时流程才会继续。
节点 edit_phone (Action)：
- 系统获取用户刚才输入的号码，调用 edit_employee_phone 工具。
- 使用 data_bind 自动从上一步（phone_input）拿到新号码和 ID。
节点 display_summary (Render)：
- 结束反馈 ：弹出 EmployeeResultCard，显示"入职及手机号修改已全部完成"。

4. 核心亮点说明

Interrupt（中断机制） ：input_phone 节点非常重要。它允许工作流在执行中途停下来，等待人工干预。这解决了 AI 无法自行决定某些关键信息（如新手机号）的问题。
Data Binding（数据流转） ：你可以看到 edit_phone 的 data_bind 引用了 tool_outputs.phone_input.userSelections。这就像接力棒，不需要全局变量，每个步骤只拿它需要的数据。
自治性：前端收到这个 Graph 定义后，可以全自动地渲染 UI（卡片、输入框），不需要后端频繁下指令，极大地提高了交互流畅度。

总结

Supervisor 负责**"找对人"，而这个 Worker Graph 负责"把事办稳"**。通过这种搭配，你可以用非常结构化的方式，处理非常复杂的自然语言需求。