yield*高阶传播实现低代码引擎可视化业务算子链式流级联

一、从孤岛到河流：yield* 如何重塑低代码引擎中的数据流

先说一个核心观点：yield*（Ja vaScript 中是这个写法，Python 里对应的是 yield from）在低代码引擎中实现可视化业务算子的链式流级联，其本质并非仅仅是“添加一种语法糖”那么简单。它解决的关键问题是——当用户拖拽出“查询订单 → 过滤异常 → 计算折扣 → 推送通知”这样的节点序列时，如何让整条执行链像一条顺畅流动的河流，而非多个彼此孤立的水闸。简而言之，就是将数据流的暂停、恢复、委托等能力，映射到可视化节点的执行生命周期中。

业务算子本质上是可中断的数据处理函数

在运行时引擎中，每个可视化算子——例如“HTTP 请求”“条件分支”“JSON 转换”——都不应被编译为那种“一次性完成”的同步阻塞调用。更优的做法是将其建模为一个返回 AsyncGenerator（JS 中）或 async def + yield from（Python 中）的函数。举例来说：

• “分页拉取用户列表”算子：每次 yield 一页数据，绝不一次性加载全部数据；
• “实时风控校验”算子：对每条流入的事件 yield 一个校验结果，天然支持背压机制；
• “聚合统计”算子：内部维护状态，先 yield 中间聚合值，最后用 return 返回最终状态。

这样一来，算子自身便具备了“流感知”能力，完全无需额外添加适配层。这才是从根源上解决问题的做法。

yield* 实现跨节点控制权的无缝移交

当流程图中 A 算子指向 B 算子时，引擎不会简单地生成 await A(); await B(); 这种线性调用。它会生成一个类似下面的协程链：

async function* executeChain() {
  yield* await nodeA(); // 委托执行A，A内部可以多次yield
  yield* await nodeB(); // A结束后，B立即接管，并能接收A的最终状态（如return值）
}

这里的关键在于：yield* 不仅转发产出值，还会自动透传 throw() 和 return()。这意味着：

• 如果 B 算子中途抛出错误，该错误可以原路回溯到 A 的上下文中，便于可视化调试器定位断点；
• 如果 A 算子执行完毕后 return { cursor: "abc123" }，B 算子通过 yield* 的委托机制可直接读取该返回值，用于续传分页或幂等标识；
• 整个链始终保持单个 generator 实例，内存栈深度恒定，避免了 for await...of 嵌套带来的隐式递归膨胀问题。

可视化设计器需暴露“流契约”配置项

仅靠普通拖拽无法发挥 yield* 的优势。必须在设计阶段就引导用户声明流的行为。建议在节点的属性面板上增加三项配置：

• 输入模式：单条事件、批量数组，还是持续流——这决定算子是否启用多次 yield；
• 输出契约：是否携带元数据，例如 { data, meta: { timestamp, seq } }，方便下游用 yield* 解构；
• 中断策略：失败时是继续下一条（soft fail）、终止整条链（hard fail），还是交由上游重试（retryable）——这直接影响 yield* 如何处理 throw。

举例来说，“数据库写入”节点若设为 retryable，其底层实现就会包装一层 yield from retry_wrapper(db_insert())，下游节点通过 yield* 自动继承重试上下文，无需重复配置。这种设计上的巧妙之处，正是让整个链真正“活”起来的关键。

运行时引擎需注入轻量调度上下文

注意，yield* 本身是被动委托，引擎必须主动管理流的节奏。推荐在执行链的顶层注入一个 ContextToken，其中携带：

• 当前的 traceId 与 spanId——用于全链路日志对齐；
• 最大并发度——控制 yield* 并行展开的深度；
• 超时预算——每个 yield* 委托之前都要检查剩余时间。

这样一来，当用户在画布上连接了 12 个算子时，引擎不会生成 12 层嵌套的 yield*，而是动态拆分为若干条子链（例如按事务边界划分）。每条子链内部用 yield* 保证顺序，子链之间用 Promise.allSettled 协调——既保持了语义的清晰，又规避了栈溢出的风险。需要强调的是，整个架构的核心驱动依然是 yield* 这个优雅而强大的委托机制。