MAF条件路由工作流如何应用于处理？

大家好，我是Edison。 最近我一直在跟着圣杰的《.NET+AI智能体开发进阶》课程学习MAF的开发技巧，我强烈推荐你也上车跟我一起出发！ 上一篇，我们学习了MAF中如何进行工作流的状态共享，相信你一定对WorkflowContext有了更多的了解。本篇，我们来了解下MAF中工作流是如何实现条件路由的。 条件路由的应用场景 在实际业务场景中，一个AI工作流的多个步骤之间往往会传递一些数据，有些步骤只会在数据满足一定条件下才会被触发，而有些步骤只会在数据不满足条件的时候才被触发，总之这种if-else的决策在工作流中很常见。 在MAF中，我们可以使用 Conditional Edge 即条件边 或 待决策函数的边，来实现这种工作流内部if-else决策需求。 实验案例：企业内部邮件检测 今天来实践上面这个企业内部邮件检测的工作流案例：假设我们是一个企业客服团队，我们每天会接收成百上千封用户发来的Email邮件，其中既包含正常咨询 也夹杂很多 垃圾信息。那么，如何降低人工分拣成本（减少人工负担） 又同时保留 风控可观测性（便于扩展更多节点），就是我们需要解决的问题。因此，我们可以构建一个基于LLM的工作流： 首先，通过一个垃圾邮件检测器接收客户发来的邮件，通过LLM判断是否为垃圾邮件，输出一个判断结果（关键数据：IsSpam = true/false）。 其次，系统根据判断结果IsSpam决定交由哪个后续节点处理。 　　如果判断结果是非垃圾邮件，则转交给发送邮件执行器进行处理，比如发送给对应的客服代表； 　　否则，则交给垃圾邮件处理执行器进行截断并记录或者上报人工处理等等。 最后，结束工作流。 这个案例展示了Conditional Edge 条件路由的经典场景，后续它也可以扩展为多级路由。 准备工作 在今天的这个案例中，我们仍然创建了一个.NET控制台应用程序，安装了以下NuGet包： Microsoft.Agents.AI.OpenAI Microsoft.Agents.AI.Workflows Microsoft.Extensions.AI.OpenAI 我们的配置文件中定义了LLM API的信息： { "OpenAI": { "EndPoint": "https://api.siliconflow.cn", "ApiKey": "******************************", "ModelId": "Qwen/Qwen3-30B-A3B-Instruct-2507" } } 这里我们使用 SiliconCloud 提供的Qwen/Qwen3-30B-A3B-Instruct-2507模型，你可以通过这个URL注册账号：https://cloud.siliconflow.cn/i/DomqCefW获取大量免费的Token来进行本次实验。