企业官网建设流程全解析

Conductor 如何构建可治理的自适应图（Durable Adaptive Graph）？

【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor

如果你要构建一个在运行时自己决定下一步的 AI 工作流，直接让模型自由发挥会带来两个问题：选择过程不可追溯，副作用不受控。Conductor 的 Durable Adaptive Graph 模式对此的解法是：让 agent 只从一组预先批准的选项中选择路径，每次选择都被校验并持久化，写入动作前必须经过人工审批。官方文档用一个完整示例演示该模式——受治理的 GitHub PR 审查器：先做四轮持久化的证据收集，再由人工批准，最后才发布一条 PR 评论。

本文按这个示例走一遍完整的构建与运行路径：准备前置条件、注册并启动工作流、在审批门处放行或驳回，最后核对输出。

图结构与内置任务

文档对该模式的定义：adaptive agent 可以在运行时选择一条已批准的下一路径；durable graph 让这个选择变成持久化、可检查、可治理的执行状态，而不是一段留在单个进程内的临时控制流。

示例图的整体流程（摘自文档）：

该图只使用 Conductor 内置任务：LIST_MCP_TOOLS、CALL_MCP_TOOL、LLM_CHAT_COMPLETE、JSON_JQ_TRANSFORM、FORK_JOIN_DYNAMIC、JOIN、HUMAN、SWITCH、SET_VARIABLE、DO_WHILE。没有SIMPLE任务，因此不需要注册任何自定义 worker。

治理机制与任务原语的对应关系（来自文档的 agent concern 映射表）：

运行前提

1. Conductor 服务器与 CLI。用npm install -g @conductor-oss/conductor-cli安装 CLI，conductor --version验证；本地开发可用conductor server start启动服务器。CLI 默认指向本地 OSS 服务器（详见 CLI 文档）。
2. GitHub MCP 端点：一个 HTTP 可访问、已完成认证的端点，且暴露pull_request_read和add_issue_comment两个工具。pull_request_read可用方法包括get、get_files、get_check_runs、get_diff、get_reviews、get_review_comments。
3. 一个自己拥有的 fixture PR用于测试，文档明确要求对 owned fixture PR 运行。
4. 凭据放在服务器侧：示例把workflow.env.GH_TOKEN写入 MCP 的Authorization头。使用默认 environment-backed 配置时，在 Conductor server 进程启动前设置CONDUCTOR_ENV_GH_TOKEN（或配置等效的服务器端环境 provider）。不要把 token 放进workflow.input.githubToken——workflow input 会随执行记录一起留存。需要更强隔离时使用 credential-injecting MCP gateway 或服务器端 secrets provider；注意workflow.env的解析是 eager 的，发生在任务调度时。

注册并启动工作流

完整可运行的定义在 ai/examples/35-governed-adaptive-agent.json，工作流名governed_github_pr_reviewer，版本 1，工作流级超时timeoutSeconds: 1200（即文档所说的 20 分钟上限），超时策略TIME_OUT_WF。

在仓库根目录注册定义：

conductor workflow create ai/examples/35-governed-adaptive-agent.json

启动时输入以下参数。其中mcpServerUrl替换为你自己已认证的 GitHub MCP 端点，owner/repo/pullNumber替换为你的 fixture PR，llmProvider/model替换为你实际使用的 LLM 配置（文档示例值为openai+gpt-4o-mini）：

conductor workflow start -w governed_github_pr_reviewer -i '{ "mcpServerUrl": "https://your-authenticated-github-mcp.example/mcp", "owner": "your-org", "repo": "pr-review-fixture", "pullNumber": 42, "llmProvider": "openai", "model": "gpt-4o-mini" }'

四轮证据收集：前三轮固定，第四轮自适应

DO_WHILE循环固定跑 4 轮（loopCondition为$.review_loop['iteration'] < 4），每轮通过SWITCH按迭代号分派：

• Pass 1：pull_request_read的get读取 PR 上下文；
• Pass 2：get_files（perPage: 50）读取变更文件面；
• Pass 3：get_check_runs读取 CI 检查；
• Pass 4（自适应）：LLM 只允许从固定的深读集合get_diff/get_reviews/get_review_comments中选一个或两个条目；随后 JQ 守卫（JSON_JQ_TRANSFORM）对选择做校验、去重并截断到最多 2 项，没有给出有效选择时回退到get_reviews；FORK_JOIN_DYNAMIC再用这份受控输入扇出CALL_MCP_TOOL任务做有界并行。

前三轮是文档特意设为不可跳过的：这让每次执行可比对，也保证示例可见地完成四次迭代。每轮产出一个紧凑、经过校验的 assessment 写入 workflow 变量，并追加到持久化证据账本evidence_ledger；最终评论从这份 durable ledger 合成，而不是来自无界的聊天历史。文档还强调：PR 文本、评论和 diff 在每个 LLM prompt 中都是不可信证据，绝不当作指令。

人工审批门

运行在第四轮之后停在HUMAN审批任务（taskReferenceName为approve_pr_comment）。这个暂停是持久的，跨服务器重启和部署存活。

先检查拟发布的评论和 durable ledger，然后在 OSS Conductor 上完成该任务。<workflow-id>替换为你启动执行后得到的 workflow id：

conductor task update-execution \ --workflow-id <workflow-id> \ --task-ref-name approve_pr_comment \ --status COMPLETED \ --output '{"approved":true,"reviewer":"operator@example.com","feedback":"Approved after review"}'

驳回则发送{"approved":false,"reviewer":"operator@example.com","feedback":"Needs manual follow-up"}。驳回会以一个持久化的决策记录完成工作流，并且不会调用 GitHub。

验证结果

工作流的outputParameters暴露以下字段（定义见 35-governed-adaptive-agent.json）：

• passesCompleted：循环完成的轮数；
• evidenceLedger：持久化证据账本；
• riskLevel与review：最终草稿的风险等级与完整评审结果；
• approval：审批决策；
• publication：发布状态。

按审批路径，图会先读取 PR 现有评论并检查标记<!-- conductor-pr-review:<workflowId> -->：若标记已存在，publication记为already_published，不再重复发布；否则通过add_issue_comment发布评论，状态为published。驳回路径下状态为not_published，原因字段为 "Human approval was not granted."。

治理边界（文档给出的防护设计）

文档还特别提醒：这个 reviewer 刻意保留全部 4 轮迭代，不要为它设置keepLastN——keepLastN会移除较早的循环输出和任务历史，对短审计轨迹是错误取舍；仅在可接受丢失历史时才对长循环使用它。

恢复与运维

• 基础设施恢复和普通任务级重试会保留已完成的下游任务；失败的读取和 LLM 调用有有界重试策略（各读取任务retryCount: 2，指数或线性退避，详见 task 定义文档 同级的 taskdef 配置说明）。
• 重试一个失败的DO_WHILE是另一回事：它会重启该循环的迭代历史。设计更长的循环时，应依赖已记录的证据账本和幂等的外部接口。
• 可以从 UI 或 CLI 对执行做 pause、resume、inspect、terminate 操作。

下一步

• Production Agent Architecture：把这张受治理的图带入评估、部署、恢复与运维的完整参考架构，含重试、内存、等待与补偿的展开说明。
• Failure Semantics：任务重试、at-least-once 投递、等待与循环失败行为的准确契约。
• MCP Guide：从工作流配置和调用 MCP 工具。
• JSON + Code Native Workflow Orchestration：快照、版本化与安全的运行时生成定义。

【免费下载链接】conductorConductor is an event driven agentic workflow engine providing durable and highly resilient execution engine for applications and AI Agents项目地址: https://gitcode.com/GitHub_Trending/co/conductor