工作流引擎

别做"AI 翻译"了，做"AI 本地化"：跨境电商 Listing 系统的工程实践摘要：通用翻译是红海，但"懂电商规则的本地化"还是蓝海。本文分享一个人做跨境电商 AI 文案系统的完整技术方案：架构、选型、核心实现、踩坑与成本，供做类似产品的同学参考。

梦想很大很大

Workrun 进度更新：从理念到解决具体问题前不久我发了一篇文章《如果有一个本地优先的 Workflow 工具，你们团队会愿意用吗？》，和大家聊了聊我对本地优先工作流工具的一些构想。

BPMN.js 自定义工具栏、节点图标和右键菜单把 BPMN.js 嵌入 Vue 页面后，企业通常会继续增加顶部工具栏、企业节点、节点图标和右键菜单。真正的难点不是“把按钮画出来”，而是让所有入口共享同一套动作、权限、建模规则和撤销机制。

大龄码农有梦想

仿钉钉流程模型如何转换成 BPMN 2.0？一句话回答：仿钉钉流程模型转换成 BPMN 2.0，本质上不是 JSON 换成 XML，而是把审批树编译成可执行流程图。转换器需要先统一节点和分支语义，再生成 User Task、Gateway、Sequence Flow、Event、Extension Elements 与 BPMN DI；会签、或签、条件分支、抄送、超时和空审批人策略都必须有明确映射。

Camunda 7 与 Camunda 8 不是升级关系：架构差异与选型边界Camunda 8 不是 Camunda 7 的大版本升级，而是以 Zeebe 为执行核心重新设计的分布式流程编排平台。Camunda 7 是可嵌入 JVM、依赖共享关系型数据库和 Java Service API 的传统流程引擎；Camunda 8 通过远程客户端、Gateway、分区化 Broker、Raft 复制和 Job Worker 运行。

我把一套 Flowable + Spring Boot + Vue 的 BPM 流程引擎整理开源了：从流程设计器到待办闭环最近把一个 BPM 流程引擎项目单独整理成了开源版，项目名叫 **Open BPM Flow Engine**。它的定位比较明确：给 Java 后端、全栈工程师、技术负责人一个可以本地跑起来、能看懂核心链路、能二次开发接业务系统的 Flowable 工作流示例。

我的AI工作流整理【个人向】今天上午帮同事折腾了一套用 AI 工作的配置流程，配完之后发现，这套东西其实我也一直没整理过。干脆趁热打铁，把我自己日常使用的 AI 工作流梳理一遍，另外有jym说可以让自己人增加摸鱼的时间，那我肯定分享给各位彦祖们啊。

Warm-Flow工作流引擎入门：比Flowable轻量在哪去年用一个人+AI给公司搭内部管理平台的时候，技术选型卡在工作流引擎上。请假、报销、招待费这些审批流程是刚需，绕不开。

Agentic AI、AI Agent、AI 工作流有什么区别？一句话回答：Agentic AI 是一种让 AI 围绕目标自主规划、调用工具并根据反馈完成任务的应用范式；AI Agent 是实现这种范式的具体执行单元；AI 工作流是把模型、Agent、工具、知识库和人工确认编排成确定流程的工程化方式。

驰骋工作流

开源 BPM 工作流引擎六方对比选型分析（java领域）对比对象：Flowable、Camunda、Activiti、JFlow、FixFlow、JBoss jBPM 6.5 资料截止：综合公开文档、官方博客、社区讨论与行业对比文（约至 2025–2026）写作原则：中肯、公正、坦诚——既写优势，也写短板与风险；分数反映“综合选型价值”，而非单一场景满分。

驰骋工作流

流程引擎BPM设计之：流程消息驰骋 BPM 主张：事件负责「发生了什么」，消息负责「告诉谁、用什么说、从哪打开」。在事件执行过程中，需要把执行内容与结果，传递给该流程实例上相关人员——这一能力，我们称为流程消息。

驰骋工作流

流程引擎七项能力评估致：客户技术评估团队主题：流程引擎七项能力评估答复产品：驰骋 BPM（CCFlow / JFlow，.NET 与 Java 版核心能力等价）日期： 2026 年 7 月

驰骋工作流

驰骋 BPM（CCFlow）评估指标答复致：客户技术评估团队主题： BPM 产品评估指标厂商自评答复产品：驰骋 BPM（CCFlow / JFlow，.NET 与 Java 双栈核心能力等价）技术底座： BP.WF 流程引擎 · BP.En30 实体与扩展框架 · Vue3 可视化设计与运行前端日期： 2026 年 7 月

Workflow 系列（10）：企业级架构——注册表、组合与治理一个工作流很好管理。五个工作流开始出现问题：Workflow Registry 解决发现问题，工作流组合解决重叠问题，治理机制解决修改和追责问题。

七牛开发者

从一次修复到长期记忆：Agent 工作流里的知识沉淀在传统软件工程中，我们推崇“代码复用”；但在 Agent 参与的工程中，能产生复利的东西从“代码复用”变成了“知识复用”。

Workflow 系列（09）：主流框架对比——Prompt-based、LangGraph、Temporal、n8n 如何选选择工作流框架要匹配执行模型、工程成本、团队能力，不是找最好的那个。前三种支持语义判断（confidence >= 0.95），n8n 基本只支持布尔表达式。LangGraph 和 Temporal 的执行引擎是确定性代码，Prompt-based 的执行引擎是 LLM 本身。

自定义 Workflow：Eino 之上的 Agent 编排系列「企业级 AI Agent 实现拆解」E30 篇，也是 Part 8（DeepFlux 适配实践）的收尾。上一篇讲了五个适配器：DeepFlux 如何把 Eino 接进 DDD 架构。这篇把视角提高一层：看完整的 ReAct 循环是怎么把这些适配器组装起来的，以及 Eino 没有覆盖哪些部分——DeepFlux 自己填补了什么。

Workflow 系列（08）：运营与成本——跨 Phase 成本追踪与故障排查单个 Skill 的成本很容易算：input_tokens × 单价 + output_tokens × 单价。