08 · 04.dotnet-agent-framework-workflow-aifoundry-condition

原课程补充材料

根据对应简体中文译本整理。原代码片段未进行云端验证。

🔀 使用 Microsoft Foundry (.NET) 的条件 Agent 工作流

📋 智能决策驱动工作流教程

本笔记本演示了使用 Microsoft Foundry 和 .NET 版 Microsoft Agent Framework 的 条件工作流模式 。你将学习如何构建复杂的、基于决策的工作流，通过 AI 分析、业务规则和动态条件智能地路由处理，实现企业级自动化。

🎯 学习目标

🧠 智能决策架构

条件逻辑实现 ：构建具有多个分支点的复杂决策树
AI 驱动的路由 ：使用 Microsoft Foundry 模型做出智能路由决策
动态工作流适应 ：基于运行时分析和条件修改工作流行为
企业规则集成 ：将业务逻辑和合规需求融入工作流

🔀 高级条件模式

多标准决策制定 ：评估多项因素以做出路由决定
上下文感知处理 ：基于累计的工作流上下文和历史做出决策
自适应工作流修改 ：根据实时条件动态调整处理路径
规则引擎集成 ：在工作流中实现复杂的业务规则引擎

🏢 企业级条件应用

文档分类与路由 ：自动分类并将文档路由至适当的工作流
客户服务分诊 ：智能将客户咨询路由至专业处理团队
合规与风险处理 ：基于风险评估应用不同的验证和审查流程
质量保证工作流 ：根据质量指标将内容路由至合适的审查流程

⚙️ 先决条件与设置

📦 必需的 NuGet 包

用于条件工作流处理的高级包：

xml


<PackageReference Include="Microsoft.Extensions.AI" Version="9.9.0" />


<PackageReference Include="Azure.AI.Agents.Persistent" Version="1.2.0-beta.5" />


<PackageReference Include="Azure.Identity" Version="1.15.0" />
<PackageReference Include="System.Linq.Async" Version="6.0.3" />
<PackageReference Include="DotNetEnv" Version="3.1.1" />

🔑 Microsoft Foundry 配置

所需 Azure 资源：

带有条件处理模型的 Microsoft Foundry 工作区
具有合适计算配额和权限的 Azure 订阅
部署用于决策和内容分析的 AI 模型
（可选）用于落实功能的 Bing 搜索 API 连接

环境配置 (.env 文件)：

text

# Microsoft Foundry Configuration
AZURE_AI_PROJECT_ENDPOINT=https://your-project.cognitiveservices.azure.com/
BING_CONNECTION_ID=your-bing-connection-id

身份认证设置：

csharp

// Azure CLI or Managed Identity authentication
using Azure.Identity;
var credential = new AzureCliCredential();

// Load environment configuration
DotNetEnv.Env.Load("../../../.env");

🏗️ 条件工作流架构

原课程流程图 · 保留原图节点与关系

查看 Mermaid 源码

graph TD
    A[Input: 内容大纲] --> B[草稿执行者]
    B --> C[内容审查执行者]
    C --> D{审查决定}
    
    D -->|是 - 已批准| E[发布执行者]
    D -->|否 - 已拒绝| F[发送审查执行者]
    
    E --> G[保存为Markdown文件]
    F --> H[修订通知]
    
    I[Microsoft Foundry] --> B
    I --> C
    I --> E
    
    J[Bing Grounding] --> B

关键组件：

起草执行器 ：基于提纲创建初稿的 AI Agent
内容审查执行器 ：评估稿件质量和合规性的 AI Agent
条件路由 ：基于审查结果进行路由的决策逻辑
发布/审查路径 ：对通过和未通过内容分开的处理路径
状态管理 ：维护整个工作流中的内容及审查上下文

🎨 条件工作流设计模式

📋 带质量门控的内容生产

Outline → Draft Creation → Quality Review → {Approve: Publish | Reject: Revise}

🎯 基于风险的文档处理

Document → Risk Assessment → {Low: Standard | High: Enhanced Review}

🔍 智能客户服务路由

Customer Query → Analysis → {Simple: FAQ Bot | Complex: Human Agent}

💼 合规驱动的工作流

Content → Compliance Check → {Pass: Publish | Fail: Legal Review}

🏢 企业条件的优势

🎯 智能自动化

智能决策制定 ：基于内容分析和上下文的 AI 路由决策
自适应处理 ：根据变化条件自动调整的工作流
业务规则执行 ：自动应用复杂业务逻辑和政策
上下文感知路由 ：基于完整工作流历史和累计上下文的决策

📈 运营卓越

优化资源分配 ：将工作路由到最合适的专家和流程
减少人工干预 ：自动决策减少人工路由需求
更快解决时间 ：直接路由到合适的专业知识和处理能力
一致性应用 ：统一执行业务规则和决策标准

🛡️ 风险管理与合规性

自动风险评估 ：基于 AI 的内容和情境风险水平评估
合规执行 ：自动通过所需的法规流程路由
安全协议应用 ：基于风险评估加强安全措施
审计跟踪维护 ：完整记录路由决策和原因

📊 分析与持续改进

决策分析 ：跟踪路由决策的效果和准确性
模式识别 ：识别路由决策中的趋势和模式
性能优化 ：持续改进决策标准和路由效率
业务智能 ：洞察内容特性和处理需求

🔧 技术卓越

持久状态管理 ：在工作流执行中维护复杂状态
可扩展架构 ：满足高量条件处理需求
集成能力 ：与现有业务系统和流程无缝集成
监控与观测性 ：全面跟踪工作流性能和决策

让我们用 .NET 构建智能、决策驱动的企业工作流吧！🚀

💻 运行代码

完整实现代码位于 04.dotnet-agent-framework-workflow-aifoundry-condition.cs。该示例演示了一个 带质量门控的内容生产工作流 ：

🏗️ 工作流架构

Content Outline → Draft Creation → Quality Review → Conditional Routing:
                                                      ├─ Approved (>200 words) → Publish
                                                      └─ Rejected (<200 words) → Review Notification

工作流中的 Agent：

传教士 Agent ：基于提纲结合 Bing 落地创建教程草稿
内容审查 Agent ：评估稿件质量（字数、完整性）
发布 Agent ：将审批通过的内容保存为带时间戳的 Markdown 文件

自定义执行器：

DraftExecutor ：协调起草创建
ContentReviewExecutor ：执行质量评估
PublishExecutor ：处理批准内容发布
SendReviewExecutor ：管理拒绝内容通知

🚀 运行示例

先决条件：

配置好的 Microsoft Foundry 工作区
Azure CLI 身份验证 (az login)
（可选）用于落地的 Bing 搜索连接

bash

# 使脚本可执行（Unix/Linux/macOS）
chmod +x 04.dotnet-agent-framework-workflow-aifoundry-condition.cs

# 运行条件工作流
./04.dotnet-agent-framework-workflow-aifoundry-condition.cs

或者在 Windows 上：

powershell

dotnet run 04.dotnet-agent-framework-workflow-aifoundry-condition.cs

📝 预期输出

工作流将：

创建 Agent ：初始化三个专门的 Microsoft Foundry Agent
生成草稿 ：传教士 Agent 基于提纲创建教程草稿
审查内容 ：内容审查 Agent 评估草稿质量
条件路由 ：
- 如果通过（>200字） ：发布执行器将内容保存为 Markdown 文件
- 如果未通过（<200字） ：发送审查通知
显示结果 ：展示最终工作流结果

🔧 定制选项

修改审查标准：

csharp

const string ContentReviewerInstructions = @"
You are a content reviewer...
1. Check if content is more than 500 words (instead of 200)
2. Verify technical accuracy
3. Ensure proper formatting
...";

添加更多条件路径：

csharp

var workflow = new WorkflowBuilder(draftExecutor)
    .AddEdge(draftExecutor, contentReviewerExecutor)
    .AddEdge(contentReviewerExecutor, publishExecutor, condition: GetCondition("Excellent"))
    .AddEdge(contentReviewerExecutor, editExecutor, condition: GetCondition("Good"))
    .AddEdge(contentReviewerExecutor, sendReviewerExecutor, condition: GetCondition("Poor"))
    .Build();

更改内容要求：

csharp

string OUTLINE_Content = @"
# Your Custom Topic
## Section 1
https://your-reference-url
## Section 2
...
";

🎯 现实应用

该条件工作流模式适用于：

内容管理系统 ：带质量门控的自动编辑工作流
文档处理 ：基于分类和合规路由文档
客户支持 ：基于复杂度和紧急度智能票务路由
法律审查 ：基于风险评估和价值路由合同
人力资源流程 ：按适当筛选工作流路由申请

🔍 理解条件逻辑

条件函数：

csharp

public Func<object?, bool> GetCondition(string expectedResult) =>
    reviewResult => reviewResult is ReviewResult review && review.Result == expectedResult;

该函数创建了一个谓词：

检查结果是否为 ReviewResult 类型
比较 Result 属性与预期值
返回真假决定路由方向

带条件的工作流边：

csharp

.AddEdge(contentReviewerExecutor, publishExecutor, condition: GetCondition("Yes"))
.AddEdge(contentReviewerExecutor, sendReviewerExecutor, condition: GetCondition("No"))

📊 高级功能

JSON 模式验证： 工作流采用 JSON 模式确保结构化响应：

csharp

// Define response structure
public class ReviewResult
{
    [JsonPropertyName("review_result")]
    public string Result { get; set; } = string.Empty;
    
    [JsonPropertyName("reason")]
    public string Reason { get; set; } = string.Empty;
    
    [JsonPropertyName("draft_content")]
    public string DraftContent { get; set; } = string.Empty;
}

// Apply to agent
ResponseFormat = ChatResponseFormat.ForJsonSchema(
    AIJsonUtilities.CreateJsonSchema(typeof(ReviewResult)), 
    "ReviewResult", 
    "Review Result From DraftContent"
)

Bing 落地集成： 传教士 Agent 使用 Bing 落地访问实时信息：

csharp

var bingGroundingConfig = new BingGroundingSearchConfiguration(bing_conn_id);
BingGroundingToolDefinition bingGroundingTool = new(
    new BingGroundingSearchToolParameters([bingGroundingConfig])
);

这使 Agent 能够跟踪提纲中的 URL 并提取最新信息。

🛡️ 错误处理

工作流包含了针对拒绝内容的健壮错误处理：

审查失败将触发替代路径
通知明确拒绝原因
内容保留以供修订

🔄 扩展工作流

添加修订循环： 创建一个自动重新起草内容的反馈循环：

csharp

.AddEdge(contentReviewerExecutor, publishExecutor, condition: GetCondition("Yes"))
.AddEdge(contentReviewerExecutor, draftExecutor, condition: GetCondition("No")) // Loop back

实现多级审查： 添加多个具有不同标准的审查阶段：

csharp

.AddEdge(draftExecutor, technicalReviewer)
.AddEdge(technicalReviewer, editorialReviewer, condition: GetCondition("TechPass"))
.AddEdge(editorialReviewer, publishExecutor, condition: GetCondition("EditPass"))

这种条件工作流模式为构建复杂、智能的企业自动化系统奠定了基础！🚀

08 · 04.dotnet-agent-framework-workflow-aifoundry-condition ​

🔀 使用 Microsoft Foundry (.NET) 的条件 Agent 工作流 ​

📋 智能决策驱动工作流教程 ​

🎯 学习目标 ​

🧠 智能决策架构 ​

🔀 高级条件模式 ​

🏢 企业级条件应用 ​

⚙️ 先决条件与设置 ​

📦 必需的 NuGet 包 ​

🔑 Microsoft Foundry 配置 ​

🏗️ 条件工作流架构 ​

🎨 条件工作流设计模式 ​

📋 带质量门控的内容生产 ​

🎯 基于风险的文档处理 ​

🔍 智能客户服务路由 ​

💼 合规驱动的工作流 ​

🏢 企业条件的优势 ​

🎯 智能自动化 ​

📈 运营卓越 ​

🛡️ 风险管理与合规性 ​

📊 分析与持续改进 ​

🔧 技术卓越 ​

💻 运行代码 ​

🏗️ 工作流架构 ​

🚀 运行示例 ​

📝 预期输出 ​

🔧 定制选项 ​

🎯 现实应用 ​

🔍 理解条件逻辑 ​

📊 高级功能 ​

🛡️ 错误处理 ​

🔄 扩展工作流 ​

08 · 04.dotnet-agent-framework-workflow-aifoundry-condition

🔀 使用 Microsoft Foundry (.NET) 的条件 Agent 工作流

📋 智能决策驱动工作流教程

🎯 学习目标

🧠 智能决策架构

🔀 高级条件模式

🏢 企业级条件应用

⚙️ 先决条件与设置

📦 必需的 NuGet 包

🔑 Microsoft Foundry 配置

🏗️ 条件工作流架构

🎨 条件工作流设计模式

📋 带质量门控的内容生产

🎯 基于风险的文档处理

🔍 智能客户服务路由

💼 合规驱动的工作流

🏢 企业条件的优势

🎯 智能自动化

📈 运营卓越

🛡️ 风险管理与合规性

📊 分析与持续改进

🔧 技术卓越

💻 运行代码

🏗️ 工作流架构

🚀 运行示例

📝 预期输出

🔧 定制选项

🎯 现实应用

🔍 理解条件逻辑

📊 高级功能

🛡️ 错误处理

🔄 扩展工作流