第5章：全文检索(FTS)集成

在前一章中，我们构建了REST API服务作为数据访问入口。

本章将介绍全文检索(FTS)集成，它如同智能搜索引擎，为工作流系统提供高效灵活的检索能力。

核心架构

前文传送：

技术选型

• SQLite FTS5：轻量级全文检索引擎
• 虚拟表技术：创建专用索引表workflows_fts
• 自动同步机制：通过触发器保持数据一致性

功能特性

特性	实现原理	应用场景示例
模糊匹配	通配符查询(term*)	输入"auto"匹配"automation"
多字段联合检索	索引name/description等字段	在名称和描述中搜索关键词
结果相关性排序	BM25算法计算匹配度	更相关的结果排在前面
实时同步	INSERT/DELETE/UPDATE触发器	数据变更后立即生效

实现细节

1. FTS表创建

-- 创建虚拟表用于全文检索
CREATE VIRTUAL TABLE workflows_fts USING fts5(filename UNINDEXED,    -- 仅存储不索引name,                  -- 工作流名称description,           -- 描述文本integrations,          -- 集成服务列表tags,                  -- 标签组content='workflows',   -- 关联主表content_rowid='id'      -- 关联字段
);

2. 自动同步触发器

-- 新增数据同步
CREATE TRIGGER workflows_ai AFTER INSERT ON workflows BEGININSERT INTO workflows_fts(rowid, name, description, integrations, tags)VALUES (new.id, new.name, new.description, new.integrations, new.tags);
END;-- 删除数据同步
CREATE TRIGGER workflows_ad AFTER DELETE ON workflows BEGINDELETE FROM workflows_fts WHERE rowid = old.id;
END;

3. 检索逻辑优化

def build_fts_query(raw_query: str) -> str:"""构造FTS查询语句"""terms = [f"{term.strip()}*" for term in raw_query.split() if term.strip()]return " AND ".join(terms)  # 转换为"term1* AND term2*"格式

接口增强

1. 搜索端点升级

app.get('/api/workflows', async (req, res) => {const { q, trigger, page = 1 } = req.query;// 构造FTS查询条件const ftsCondition = q ? `AND rowid IN (SELECT rowid FROM workflows_fts WHERE workflows_fts MATCH '${buildFTSQuery(q)}'ORDER BY rank)` : '';const results = await db.query(`SELECT * FROM workflowsWHERE 1=1 ${ftsCondition}LIMIT 20 OFFSET ${(page-1)*20}`);res.json(results);
});

2. 结果排序优化

-- 按相关性排序的查询示例
SELECT w.* 
FROM workflows w
JOIN workflows_fts fts ON w.id = fts.rowid
WHERE workflows_fts MATCH 'email* automation*'
ORDER BY rank;

性能对比

检索方式	10万条数据平均耗时	支持特性
传统LIKE查询	1200ms	基础模糊匹配
FTS5检索	35ms	模糊匹配+相关性排序

总结

全文检索集成通过：

1. 专用索引表实现毫秒级响应
2. 智能的模糊匹配算法
3. 自动化的数据同步
4. 精准的相关性排序

为工作流管理系统提供专业级搜索体验。下一章将介绍可视化功能：Mermaid图表生成

---

第6章：Mermaid图表生成

在前一章中，我们实现了全文检索功能。本章将介绍Mermaid图表生成功能，它如同智能绘图仪，将复杂的工作流JSON转换为可视化流程图。

核心架构

技术选型

• Mermaid.js：基于文本的图表生成库
• 语法转换引擎：将n8n节点转换为Mermaid语法
• 响应式渲染：支持实时预览和动态更新

功能特性

特性	实现原理	应用场景
自动布局	基于graph TD的拓扑排序	避免手动调整节点位置
智能标签	融合节点名称和类型	快速识别节点功能
多级连接	解析connections嵌套结构	准确呈现复杂工作流
错误容忍	自动跳过无效节点	保证生成过程稳定性

实现细节

1. 核心转换函数

function generateMermaidDiagram(nodes, connections) {let diagram = 'graph TD\n';// 节点生成nodes.forEach(node => {const safeId = node.id.replace(/[^a-zA-Z0-9]/g, '_');diagram += `    ${safeId}["${node.name}\\n(${node.type})"]\n`;});// 连接生成Object.entries(connections).forEach(([source, outputs]) => {outputs.forEach(output => {output.forEach(conn => {diagram += `    ${source} --> ${conn.node}\n`;});});});return diagram;
}

2. 端点实现

app.get('/api/workflows/:id/diagram', async (req, res) => {const workflow = await db.getWorkflow(req.params.id);if (!workflow) return res.status(404).send('Workflow not found');const diagram = generateMermaidDiagram(workflow.nodes,workflow.connections);res.json({ diagram });
});

3. 安全处理

function sanitizeMermaidText(text) {return text.replace(/</g, '&lt;')  // 防XSS.replace(/>/g, '&gt;').replace(/"/g, '&quot;');
}

使用示例

请求示例

curl http://localhost:8000/api/workflows/order_processing/diagram

响应示例

{"diagram": "graph TD\n    Webhook[\"订单Webhook\\n(webhook)\"]\n    Validate[\"验证数据\\n(function)\"]\n    DB[\"写入数据库\\n(postgres)\"]\n    Webhook --> Validate\n    Validate --> DB"
}

渲染效果

性能优化

1. 缓存机制：对已生成的图表进行MD5缓存
2. 批量处理：支持多个工作流同时转换
3. 懒加载：仅在请求时生成图表
4. 增量更新：监听工作流变更事件

总结

Mermaid图表生成通过：

1. 自动化转换技术
2. 清晰的视觉呈现
3. 标准化的输出格式
4. 便捷的集成方式

为工作流管理系统提供了强大的可视化能力。本系列教程至此已完成全部核心功能的讲解

END ★,°:.☆(￣▽￣)/.°★* 。