wiki/b-reference/platform-core/workflow.md

Workflow-Engine

Überblick

Die Workflow-Engine im Gateway orchestriert KI-gestützte Aufgabenpläne und die Ausführung einzelner Aktionen über eine gemeinsame Method/Action-Bibliothek. Sie verbindet die Schichten Workflow → Methods → Services → Interfaces → Connectors; Workflows importieren bewusst nicht direkt Interfaces, Connectors oder aicore (Zugriff über Services).

Einsatzorte (Konsumenten der Action Library):

• Workspace (Dynamic Mode): WorkflowProcessor / modeDynamic → Planung (Stage 1/2) → ActionExecutor
• Graphical Editor: executionEngine.executeGraph mappt Nodes (_method / _action) auf dieselbe Library; vor dem Lauf validiert validateGraph u.a. Port-Kompatibilität (kein impliziter Wire-Handover mehr). Graph-definierte Outputs (z.B. input.form / trigger.form) werden über parse_graph_defined_output_schema / { kind: "fromGraph", parameter: "fields" } aus den Node-Parametern abgeleitet.
• Workspace-Agent: ActionToolAdapter exponiert dynamicMode=True-Aktionen als Tools → ActionExecutor

Hinweis: Die frueheren separaten Systeme Automation v1 und Automation2 wurden im Rahmen der Automation Unification (2026-04) entfernt. Der Graphical Editor ist der einzige Graph-basierte Konsument.

Ausführungsmodell: Pro Workflow-Instanz sequentielle Ausführung (kein paralleles Multi-Task-Modell auf einer Instanz). Ausführungszähler (currentRound, currentTask, currentAction) liegen am ChatWorkflow (Single Source of Truth).

---

WorkflowManager

Zentrale Steuerung in platform-core/modules/workflows/workflowManager.py (grosse Datei; Einstieg für Start/Stopp und Hauptloop).

Öffentliche / zentrale Verantwortlichkeiten (Konzept):

Bereich	Inhalt
Lebenszyklus	Start eines Workflow-Laufs, Verarbeitungsschleife, Beendigung
Planung	Aufgaben- und Aktionsplanung (modusabhängig; KI-Planning über Services)
Ausführung	Abarbeitung von Tasks/Actions in definierter Reihenfolge
Zustand	Anbindung an persistierten ChatWorkflow / Chat-DB über Service- und Interface-Schicht

Workflow-Zustände (konzeptionell): running, stopped, completed, failed.

Modi (Code-Stand): WorkflowProcessor unterstützt zwei Modi:

• WORKFLOW_DYNAMIC (modeDynamic.py) — zweistufige Aktionsplanung (Stage 1: Aktionswahl + Ressourcen; Stage 2: Parametergenerierung)
• WORKFLOW_AUTOMATION (modeAutomation.py) — sequenzielle Abarbeitung für Automation v1

---

Methoden

Methoden sind Python-Klassen unter platform-core/modules/workflows/methods/; der Methodenname (self.name) ist der Registry-Schlüssel (z. B. ai, context). Aktionen sind über WorkflowActionDefinition registriert; viele tragen actionId im Muster <method>.<action> und dynamicMode=True für den Agent/Graph.

Method (self.name)	Actions (Registry-Keys)
context	getDocumentIndex, extractContent, neutralizeData, triggerPreprocessingServer
ai	process, webResearch, summarizeDocument, translateDocument, convertDocument, generateDocument, generateCode, consolidate (KI-Konsolidierung aggregierter Ergebnisse)
outlook	readEmails, searchEmails, composeAndDraftEmailWithContext, sendDraftEmail
sharepoint	findDocumentPath, readDocuments, uploadDocument, listDocuments, analyzeFolderUsage, findSiteByUrl, downloadFileByPath, copyFile, uploadFile
clickup	listTasks, searchTasks, getTask, createTask, updateTask, uploadAttachment
jira	connectJira, exportTicketsAsJson, importTicketsFromJson, mergeTicketData, parseCsvContent, parseExcelContent, createCsvContent, createExcelContent
trustee	extractFromFiles, processDocuments, syncToAccounting, refreshAccountingData (dynamicMode=True)
file	create

Hinweis: Ältere Kontext-Dokumente nennen für context u. a. saveContent / transformContent; der aktuelle Gateway-Stand listet die obigen Aktionen (Stand Abgleich Code / Review 2026-04-05).

Graphical Editor — UDM, Loop, KI-Badge

• Unified Document Model (UDM): Extraktion kann ein hierarchisches JSON (Document → StructuralNode → ContentBlock) liefern; Port-Typen UdmDocument, UdmNodeList, ConsolidateResult im Typed-Port-System (portTypes.py).
• Nodes: u. a. context.extractContent (ohne KI), data.consolidate (deterministisch), ai.consolidate (LLM), flow.loop mit Parametern level (UDM-Ebene) und concurrency (parallele Iterationen).
• Kosten-Transparenz: Jede Node-Definition trägt meta.usesAi (true | false). Das Frontend (FlowCanvas, Node-Palette) zeigt ein AI-Badge nur bei usesAi: true.

---

Aktionen

• Registrierung: Jede Aktion ist eine WorkflowActionDefinition mit Metadaten, Parametern (WorkflowActionParameter, u. a. FrontendType) und execute-Callable.
• Ausführung: ActionExecutor löst methodName + actionName auf, validiert Parameter (Action Registry / Pydantic je nach Implementierung) und liefert ein ActionResult (Erfolg, Dokumente, Fehler).
• Dokumente: Ergebnisse werden typischerweise als strukturierte ActionDocument / Extraktionsartefakte (ContentExtracted / ContentPart) weitergereicht.
• Extraktion vs. KI: Zielarchitektur (siehe ai_plan_architecture.md): reine Extraktion (context.extractContent bzw. dokumentbezogene Pipeline) ist von KI-Aufrufen (serviceAi) zu trennen; KI-Methoden arbeiten bevorzugt mit bereits extrahierten ContentPart-Strukturen.
• Planung: Stage 1 liefert u. a. action (method.action), Zieltext, optional documentList / connectionReference; Stage 2 ergänzt bei Bedarf das Parameter-JSON ohne die Stage-1-Ressourcen zu überschreiben.

---

Typed Action Architecture (Phasen 1-5)

Seit April 2026 ist jede Action typisiert; Editor, Adapter und Runtime lesen dieselbe Catalog-Sicht (siehe wiki/c-work/3-validate/2026-04-typed-action-architecture.md). Konkrete Bausteine:

Action-Signaturen + Catalog

• platform-core/modules/workflows/methods/method<Feature>/actions/<action>.py deklariert pro Action eine typisierte Pydantic-Eingabe (Pflicht-Felder, Typen, Default-Werte) und liefert ActionResult (success, error, documents).
• FeatureInstanceRef ({$type, id, featureCode}) ist der Discriminator-Envelope fuer feature-instance-Parameter -- ersetzt rohe UUID-Strings, behaelt Backwards-Compat durch Auto-Unwrap im Runtime.
• /api/automation2/catalog exportiert die normalisierten Signaturen; Editor + AI-Agent + Adapter konsumieren genau diesen Stream.

Adapter-Layer (registerNodeWithMethod)

• platform-core/modules/features/graphicalEditor/nodeDefinitions/registerNodeWithMethod.py leitet die Editor-Node-Definitionen automatisch aus den Action-Signaturen ab (Ports, Pflicht-Felder, Typen, Frontend-Hints).
• Snapshot-Test platform-core/tests/unit/graphicalEditor/test_adapter_validator.py::test_staticNodesHaveNoDriftAgainstLiveMethods haelt das Adapter-Layer hart gegen die Methods (assert report.errors == [], _KNOWN_ADAPTER_DRIFTS = frozenset()).
• Drift-Backlog wird in wiki/c-work/4-done/2026-04-adapter-drift-cleanup.md (abgeschlossen) tracked; neue Drifts MUESSEN entweder behoben oder bewusst ergaenzt werden.

Runtime (executeGraph) -- Pick-not-Push + Materialisierung

• platform-core/modules/workflows/automation2/executionEngine.py::executeGraph ruft beim Start zwei Migrations-Helper:
  • materializeFeatureInstanceRefs (automation2/featureInstanceRefMigration.py) -- wandelt rohe featureInstanceId: "<uuid>" in FeatureInstanceRef-Envelope.
  • materializeConnectionRefs (automation2/pickNotPushMigration.py) -- resolviert leere connectionReference aus Upstream-DataRefs.
• resolveParameterReferences / _unwrapTypedRef (graphUtils) entpacken Envelopes vor dem Action-Call -- Legacy-Aktionen sehen weiterhin den nackten Wert (id).
• DB-Hygiene: platform-core/scripts/script_migrate_feature_instance_refs.py migriert Stored Graphs persistent (Editor-Reads sehen sofort die Envelopes; Workflows laufen aber auch ohne Skript korrekt).

Bindings-Resolver mit *-Wildcard

• DataRefs unterstuetzen path = ["documents", "*", "name"] -- der Resolver iteriert ueber Listen und liefert ein List[str] zurueck. Das ist die Basis fuer Loop-Vorschlaege im DataPicker (buildPickablePathsForNode im Editor-Frontend).
• Generic-object drill-down kennt zwei Stufen: konkretes Item-Schema (wenn bekannt) oder generic *-Pfad (wenn der Item-Typ erst zur Laufzeit feststeht).

Save-with-errors

• Der Editor erlaubt Save bei Pflicht-Fehlern (AC-9 / CanvasHeader.tsx); Run wird per executeBlockedReason blockiert, der Save-Toast meldet die Fehler-Anzahl.
• Backend-Validierung erfolgt in validateGraph (Port-Mismatch, fehlende Pflicht-Bindings) -- der eigentliche Run schlaegt mit klarer Fehlermeldung fehl, falls jemand den Editor-Block umgeht.

---

Schlüssel-Dateien

Pfad (unter platform-core/modules/)	Rolle
workflows/workflowManager.py	Workflow-Orchestrierung fuer Workspace/Chat (Einstieg)
workflows/processing/	Processor, Modi (modeDynamic, modeAutomation), ActionExecutor
workflows/automation2/executionEngine.py	Graph-Execution-Engine (Graphical Editor): Branching, Loops, Pause/Resume, Step-Logging, SSE Live-Push
workflows/scheduler/mainScheduler.py	Konsolidierter Workflow-Scheduler (inkrementeller Sync)
workflows/methods/methodBase.py	Basis für Methoden, Aktions-Validierung
workflows/methods/method*/	Konkrete Methoden und Aktionen
datamodels/datamodelChat.py	ChatWorkflow, TaskContext, Task-/Plan-Modelle
datamodels/datamodelWorkflowActions.py	Aktionsdefinitionen
features/graphicalEditor/datamodelFeatureGraphicalEditor.py	AutoWorkflow, AutoVersion, AutoRun, AutoStepLog, AutoTask
serviceCenter/services/serviceChat/	Fortschritt, Logs, Nachrichten/Dokumente am Workflow
serviceCenter/services/serviceAi/	Planning- und Content-KI (kein direkter Workflow-Import aus Methods zurück)
interfaces/interfaceDbChat*	Persistenz Workflow/Nachrichten/Dokumente

---

Regeln / Invarianten

1. Schichten-Imports: Workflows importieren nur datamodels, services, interne workflows/*. Methods importieren datamodels, services, workflows.methods.* — keine direkten Interface-/Connector-/aicore-Imports in Methods.
2. Zustand am Workflow: Rund-/Task-/Action-Indices und Kontext gehören zum ChatWorkflow / TaskContext, nicht als lose Parameter durch alle Ebenen.
3. Typisierung: Bevorzugt Pydantic-Modelle für Planungs- und Aktionskontext (ActionDefinition, TaskResult, …); JSON aus KI-Calls über zentrale Parse-/Repair-Hilfen.
4. Sequenz: Ein Workflow läuft in einer Instanz sequentiell ab; parallele Ausführung ist kein Designziel der beschriebenen Engine.
5. Neutralisierung: Sensible Daten an KI-Modelle laufen über das zentrale Gate in serviceAi (mainServiceAi.py); die Workflow-Aktion context.neutralizeData ist eine explizite Neutralisierung extrahierter Inhalte und ersetzt nicht das globale KI-Gate (siehe Compliance-Doku).
6. Gemeinsame Library: Dieselben Actions werden von Chat-Workflow, Graphical Editor und Agent-Tools genutzt — Änderungen an actionId / Parametern wirken quer über alle Konsumenten.