执行计划准备的入口与整体流程
在讲解具体执行器的选择和执行流程之前，还有一个非常重要的环节还没有讲——执行计划的准备。在 buildConversationExecution 方法中，有这样一行代码：
return Mono.fromCallable(() -> prepareExecutionPlan(taskInfo))
.subscribeOn(Schedulers.boundedElastic())
这个 prepareExecutionPlan 方法是整个问答链路的"大脑"，它负责把用户的原始问题整理成后续执行器可以消费的执行计划。这篇就来详细拆解这个方法的完整流程。
prepareExecutionPlan 方法的入口
先看 BusinessChatService 中的 prepareExecutionPlan 方法：
/**
* 准备本轮对话真正要执行的计划，并将其结果同步回 TaskInfo 与上下文。
*
* @param taskInfo 当前任务
* @return 执行计划
*/
private ConversationExecutionPlan prepareExecutionPlan(TaskInfo taskInfo) {
// 在这里统一完成问题改写、历史压缩、模式判定、检索规划等准备动作。
ConversationExecutionPlan executionPlan = chatPreparationOrchestrator.prepare(taskInfo);
// 基于准备好的执行计划重新渲染 Agent 问题，确保时间锚定和历史摘要都被带入提示词。
executionPlan.setAgentQuestion(buildAgentQuestion(executionPlan));
if (executionPlan.getSelectedDocumentId() != null
&& !Objects.equals(executionPlan.getSelectedDocumentId(), taskInfo.selectedDocumentId())) {
// 如果执行计划重新选择了文档范围，需要同步刷新持久层会话范围和运行时上下文。
conversationArchiveStore.refreshSessionScope(
taskInfo.conversationId(),
executionPlan.getChatMode(),
executionPlan.getSelectedDocumentId(),
executionPlan.getSelectedDocumentName()
);
putContextIfNotNull(taskInfo.runnableConfig(), ChatContextKeys.SELECTED_DOCUMENT_ID, executionPlan.getSelectedDocumentId());
putContextIfNotBlank(taskInfo.runnableConfig(), ChatContextKeys.SELECTED_DOCUMENT_NAME, executionPlan.getSelectedDocumentName());
putContextIfNotNull(taskInfo.runnableConfig(), ChatContextKeys.SELECTED_TASK_ID, executionPlan.getSelectedTaskId());
}
// 把最新执行计划与调试信息写回任务对象，供执行器和最终收尾逻辑统一读取。
taskInfo.setExecutionPlan(executionPlan);
taskInfo.setDebugTrace(initializeDebugTrace(executionPlan));
taskInfo.runnableConfig().context().put(ChatContextKeys.DEBUG_TRACE, taskInfo.debugTrace());
return executionPlan;
}
这个方法看起来很简单，核心逻辑只有一行：
ConversationExecutionPlan executionPlan = chatPreparationOrchestrator.prepare(taskInfo);
真正的准备工作都在 ChatPreparationOrchestrator.prepare 方法中完成。后续的代码主要是：
- 渲染 Agent 问题——把时间锚定和历史摘要带入提示词
- 同步文档范围——如果执行计划重新选择了文档，需要同步到持久层和运行时上下文
- 回写执行计划——把执行计划和调试信息写回 TaskInfo
ChatPreparationOrchestrator 的职责
ChatPreparationOrchestrator 是聊天准备编排器，它的职责非常明确：
/**
* 聊天准备编排器。
* 该组件负责把一轮原始对话请求整理成后续执行器真正可以消费的 {@link ConversationExecutionPlan}。
* 核心职责包括：
* 1. 装载会话记忆与历史上下文
* 2. 生成面向检索的改写问题
* 3. 在自动文档模式下进行知识范围路由
* 4. 判断是否需要澄清
* 5. 判定最终执行模式是 Agent、RAG、结构图直答还是结构图取证
* 6. 汇总所有中间结果并生成最终执行计划
*/
@Slf4j
@Service
public class ChatPreparationOrchestrator {
// ... 依赖注入
}
从注释可以看出，这个编排器要做 6 件事情，每一件都很重要。
prepare 方法的整体流程
让我们先看 prepare 方法的完整签名和主要步骤：
/**
* 准备一轮对话执行计划。
* 这是进入真正执行器之前的总编排入口，会把用户问题、历史记忆、路由结果、改写结果和时间敏感性判断统一汇总。
*
* @param taskInfo 当前会话运行态
* @return 后续执行器可直接消费的执行计划
*/
public ConversationExecutionPlan prepare(TaskInfo taskInfo) {
// 先把本轮编排需要反复使用的运行态字段拆出来，避免后续链路里层层从 taskInfo 取值影响可读性。
String conversationId = taskInfo.conversationId();
String question = taskInfo.question();
ChatQueryMode chatMode = taskInfo.chatMode();
Long selectedDocumentId = taskInfo.selectedDocumentId();
String selectedDocumentName = taskInfo.selectedDocumentName();
Long selectedTaskId = taskInfo.selectedTaskId();
LocalDate currentDate = taskInfo.currentDate();
String currentDateText = taskInfo.currentDateText();
ConversationTraceRecorder traceRecorder = taskInfo.traceRecorder();
// 第一步：装载会话记忆
ConversationMemoryContext memoryContext = summarizeHistory(conversationId, traceRecorder);
// 第二步：构建历史上下文
HistoryPlanningContext historyPlanningContext = buildHistoryPlanningContext(memoryContext);
String historySummary = buildPlanningHistory(memoryContext, historyPlanningContext);
AnswerHistoryContext answerHistoryContext = buildAnswerHistoryContext(question, memoryContext.getAnswerRecentTranscript());
// 第三步：识别时间敏感性
boolean requiresCurrentDateAnchoring = TimeSensitiveQueryHelper.requiresCurrentDateAnchoring(question);
boolean requiresFreshSearch = TimeSensitiveQueryHelper.requiresFreshSearch(question);
// 第四步：根据 chatMode 判断路由
if (chatMode == ChatQueryMode.OPEN_CHAT) {
// 开放式问答直接走 ReactAgent 路径
return basePlan(...).mode(ExecutionMode.REACT_AGENT).build();
}
// 第五步：问题改写
RagRewriteResult rewriteResult = chatQueryRewriteService.rewrite(question, historySummary, traceRecorder);
// 第六步：文档路由（AUTO_DOCUMENT 模式）
if (chatMode == ChatQueryMode.AUTO_DOCUMENT) {
KnowledgeRouteDecision routeDecision = knowledgeRouteService.route(question, rewriteQuestion);
// 判断是否需要澄清
if (shouldAskClarification(routeDecision, candidateDocuments)) {
return basePlan(...).mode(ExecutionMode.CLARIFICATION).build();
}
}
// 第七步：文档问题路由
DocumentNavigationDecision navigationDecision = documentQuestionRouter.route(routedDocumentId, question, rewriteResult);
// 第八步：确定最终执行模式
ExecutionMode executionMode = navigationDecision.getExecutionMode();
// 第九步：构建执行计划
return basePlan(...).mode(executionMode).build();
}
这个方法的流程可以分成 9 个步骤，我们用一张流程图来展示：
核心步骤概述
下面简单介绍每个步骤的作用，后续文档会详细讲解：
步骤1：装载会话记忆
调用 summarizeHistory 方法，加载会话的长期摘要、近期对话窗口、回答窗口和压缩信息。这些信息会用于后续的问题改写和历史上下文构建。
步骤2：构建历史上下文
基于会话记忆构建两种历史上下文：
- 面向编排的历史摘要：用于问题改写和路由判断
- 面向回答的历史上下文：用于最终的答案生成
步骤3：识别时间敏感性
判断用户问题是否包含"今天"、"最新"、"现在"等时间敏感词，这会影响后续的路由和提示词。
步骤4：根据 chatMode 判断路由
如果是 OPEN_CHAT 模式（开放式问答），直接返回 ReactAgent 执行计划，不需要后续的文档检索流程。
步骤5：问题改写
调用 chatQueryRewriteService.rewrite 方法，把用户的口语化问题改写成更适合检索的问题。比如：
- 原问题："它的价格是多少？"
- 改写后："Java 开发工具的价格是多少？"
步骤6：文档路由（AUTO_DOCUMENT 模式）
如果是 AUTO_DOCUMENT 模式（自动知识问答），系统会自动判断应该在哪个文档中检索。如果候选文档不稳定或置信度不足，会返回澄清执行计划，让用户选择具体文档。
步骤7：文档问题路由
调用 documentQuestionRouter.route 方法，判断这个问题应该用什么方式回答：
- 结构图直答：直接从文档结构图中提取答案
- 结构图取证：先从结构图定位，再检索详细内容
- 混合检索：标准的 RAG 路径
步骤8：确定最终执行模式
根据文档问题路由的结果，确定最终的执行模式（RETRIEVAL、GRAPH_ONLY、GRAPH_THEN_EVIDENCE 等）。
步骤9：构建执行计划
把前面所有步骤的结果汇总，构建一个完整的 ConversationExecutionPlan 对象，返回给上层。
小结
prepareExecutionPlan 方法是整个问答链路的"大脑"，它通过 ChatPreparationOrchestrator.prepare 方法完成了 9 个核心步骤：
- 装载会话记忆
- 构建历史上下文
- 识别时间敏感性
- 根据 chatMode 判断路由
- 问题改写
- 文档路由（AUTO_DOCUMENT 模式）
- 文档问题路由
- 确定最终执行模式
- 构建执行计划
后续文档会详细讲解每个步骤的实现细节。
企业级项目导航：⬅️ 01-文档上传到RAG检索完整链路讲解 | 02-执行计划准备的入口与整体流程 | ➡️ 01-Agent 对话功能如何使用
💬 评论