任务调度

在正式生产环境中，更加推荐通过工作流调起各类AI Flow的运行，以完成复杂业务场景的调度编排。

任务调度中关于工作流和数据流的使用请参考：《4.1 工作流定义设计》

1. 通过工作流调度AI Flow

工作流中可以通过“AI_Flow”节点，引用AI项目里的AI Flow，从而实现不同AI Flow的运行依赖调度编排，更可以结合其他算子（如使用QUALITY_MODEL算子对结果数据集进行检测，可根据结果阻断运行）灵活实现业务调度场景。

入口：工作流-AI_Flow算子-选择AI Flow

• AI Flow本身不承担“调度”任务，开发过程中，一般通过AI项目内的“运行”，完成各AI Flow的手动调试过程，正式生产一般建议通过工作流进行调度。

• 工作流中所调度的AI FLOW节点不受AI项目的限制，上下游的AI FLOW可以来自不同AI项目

2. 工作流中的AI Flow传参

当前工作流和AI FLOW都支持参数设定，当AI FLOW作为节点被工作流进行调度时，节点会将其AI FLOW的参数以及默认值暴露至工作流。此时用户可根据参数实际使用需要，决定是否传参至工作流。

• 默认（灰色字体）为未传参至工作流状态，若不传参至工作流，工作流运行时，AI Flow参数解析将与其独立运行时保持一致：采取AI Flow默认参数值，参数若为引用关系（${参数名})，则遵循 AI Flow本级参数-->全局参数的顺序进行查找解析。

• 若传参至工作流：即在参数设置中填入AI Flow参数（值可与原AI Flow保持一致，也可根据场景进行重新赋值），工作流运行时，AI Flow参数解析逻辑：

AI Flow默认参数值将被替换为工作流中赋予的新值，参数若为引用关系（${参数名})，则遵循AI Flow本身参数-->工作流参数-->全局参数的顺序进行查找解析。

• 进行传参，参数可以是固定数值，也可以为工作流参数。具体工作流参数的声明可参考：《4.7.1 参数与变量》