上一篇，我们学习了MAF中如何进行if-else类型的条件路由，但是实际工作中可能会村中多个分支路由的场景。在实际业务场景中，很多的业务逻辑涉及到不止两个判断条件，而是多个。在MAF中，我们可以使用 Switch-Case 来实现这种工作流内部多类决策条件的 工作流需求。大家好，我是Edison。
最近我一直在跟着圣杰的《.NET+AI智能体开发进阶》课程学习MAF的开发技巧，我强烈推荐你也上车跟我一起出发！
上一篇，我们学习了MAF中如何进行if-else类型的条件路由，但是实际工作中可能会存在多个分支路由的场景。本篇，我们来了解下MAF中的switch-case路由实现多分支路由工作流。
Why switch-case?
在实际业务场景中，很多的业务逻辑涉及到不止两个判断条件，而是多个。
例如，在上一篇的企业内部邮件检测案例中，我们的检测结果只有两个（垃圾邮件 或 正常邮件），但如果我们想增加一个结果（不确定）就无法适用了。
在MAF中，我们可以使用 Switch-Case 来实现这种工作流内部多类决策条件的 工作流需求。
实验案例
今天来晚上上一篇这个企业内部邮件检测的工作流案例，上一篇的流程是这样的：
今天假设我们需要有更为精细的分类：
✅ **正常邮件**（NotSpam）：客户咨询、业务往来
❌ **垃圾邮件**（Spam）：明显的诈骗、广告
⚠️ **不确定邮件**（Uncertain）：可能是钓鱼邮件，需要人工审核
那么这就是一个三元分类的，在业务开发中我们通常会用到switch-case语法，而在MAF工作流中，也为我们定义了这种switch-case接口。
在下面的代码示例中，比对了两种接口的使用方式：
// Conditional Edge builder.AddEdge(source, target1, condition: c => c.IsSpam == false).AddEdge(source, target2, condition: c => c.IsSpam == true); // Switch-Case builder.AddSwitch(source, sb => sb.AddCase(c => c.Decision == NotSpam, target1).AddCase(c => c.Decision == Spam, target2).WithDefault(target3) );
可以看到，switch-case模式其价值主要在于增强代码可维护性，对于后续如果有新增分类，只需要添加一个AddCase接口方法实现新增分类的处理，同时基于WithDefault接口方法实现兜底确保所有情况都有处理。
最后，下面是我们需要重构后的分支路由图：
准备工作
在今天的这个案例中，我们仍然创建了一个.NET控制台应用程序，安装了以下NuGet包：
- Microsoft.Agents.AI.OpenAI
- Microsoft.Agents.AI.Workflows
- Microsoft.Extensions.AI.OpenAI
我们的配置文件中定义了LLM API的信息：
{"OpenAI": {"EndPoint": "https://api.siliconflow.cn","ApiKey": "******************************","ModelId": "Qwen/Qwen3-30B-A3B-Instruct-2507"} }
这里我们使用 SiliconCloud 提供的 Qwen/Qwen3-30B-A3B-Instruct-2507 模型，你可以通过这个URL注册账号：https://cloud.siliconflow.cn/i/DomqCefW 获取大量免费的Token来进行本次实验。
然后，我们将配置文件中的API信息读取出来：
var config = new ConfigurationBuilder().AddJsonFile($"appsettings.json", optional: false, reloadOnChange: true).Build(); var openAIProvider = config.GetSection("OpenAI").Get<OpenAIProvider>();
定义数据传输模型
首先，我们定义一下在这个工作流中需要生成传递的数据模型：
（1）DetectionResult ：拉件邮件检测结果
public sealed class DetectionResult {/// <summary>/// 检测决策（NotSpam / Spam / Uncertain）/// </summary>[JsonPropertyName("spam_decision")][JsonConverter(typeof(JsonStringEnumConverter))] // JSON 序列化为字符串public SpamDecision spamDecision { get; set; }/// <summary>/// 判定理由（用于审计和调试）/// </summary>[JsonPropertyName("reason")]public string Reason { get; set; } = string.Empty;/// <summary>/// 邮件ID（用于关联 Shared State 中的原始内容）/// </summary> [JsonIgnore]public string EmailId { get; set; } = string.Empty; }public enum SpamDecision {Spam, // 垃圾邮件NotSpam, // 正常邮件UnCertain // 无法确定（需要人工审核） }
（2）EmailStateConstants ：常量，类似于Cache Key的作用，参考上一篇博客内容。
（3）EmailMessage & EmailResponse ：DTO作用，参考上一篇博客内容。
入口节点：垃圾邮件检测Executor
这个垃圾邮件检测是本流程的核心节点，这次我们将其重构为支持三分类：
internal sealed class SpamDetectionExecutor : Executor<ChatMessage, DetectionResult> {private readonly AIAgent _agent;private readonly AgentThread _thread;public SpamDetectionExecutor(AIAgent agent) : base("SpamDetectionExecutor"){// 创建 Agent 和对话线程this._agent = agent;this._thread = this._agent.GetNewThread();}public override async ValueTask<DetectionResult> HandleAsync(ChatMessage message, IWorkflowContext context, CancellationToken cancellationToken = default){// 1️⃣ 生成唯一邮件ID并保存内容到 Shared Statevar trackedEmail = new EmailMessage{EmailId = Guid.NewGuid().ToString("N"),EmailContent = message.Text};await context.QueueStateUpdateAsync(trackedEmail.EmailId,trackedEmail,scopeName: EmailStateConstants.EmailStateScope,cancellationToken);// 2️⃣ 调用 AI Agent 进行三分类检测var agentResponse = await _agent.RunAsync(message,_thread,cancellationToken: cancellationToken);// 3️⃣ 解析结构化输出var detection = JsonSerializer.Deserialize<DetectionResult>(agentResponse.Text)?? throw new InvalidOperationException("无法解析 Spam Detection 响应");// 4️⃣ 关联 EmailId（供下游 Executor 查找原始内容）detection.EmailId = trackedEmail.EmailId;return detection;} }
在这个Executor中，它接收我们如下所示定义好的Agent来实现：
var spamDetectionAgent = new ChatClientAgent(chatClient,new ChatClientAgentOptions(instructions: @"你是一个垃圾邮件检测助手。判定规则： - NotSpam: 明显的正常业务邮件（订单查询、售后咨询等） - Spam: 明显的垃圾邮件（诈骗、广告、钓鱼） - Uncertain: 无法明确判断，包含可疑元素但不确定（如含可疑链接但内容模糊） 对于模棱两可的情况，倾向于标记为 Uncertain 以保证安全。"){ChatOptions = new ChatOptions{ResponseFormat = ChatResponseFormat.ForJsonSchema<DetectionResult>()}} );
在ChatOptions中指定了该Agent返回的消息需要进行序列化到强类型，便于后续通过强类型数据进行决策路由。
下游节点A：正常邮件处理+发送
这里我们针对识别到的正常邮件开发两个执行器，假设其用于邮件处和转发：
邮件处理：读取共享状态区的原文，然后调用Agent输出JSON回复。
internal sealed class EmailAssistantExecutor : Executor<DetectionResult, EmailResponse> {private readonly AIAgent _agent;private readonly AgentThread _thread;public EmailAssistantExecutor(AIAgent agent) : base("EmailAssistantExecutor"){// 创建 Agent 和对话线程this._agent = agent;this._thread = this._agent.GetNewThread();}public override async ValueTask<EmailResponse> HandleAsync(DetectionResult message, IWorkflowContext context, CancellationToken cancellationToken = default){// 🛡️ 防御性检查：确保只处理正常邮件if (message.spamDecision == SpamDecision.Spam)throw new InvalidOperationException("EmailAssistantExecutor 不应处理垃圾邮件，请检查路由配置。");// 1️⃣ 从 Shared State 读取原始邮件内容var email = await context.ReadStateAsync<EmailMessage>(message.EmailId,scopeName: EmailStateConstants.EmailStateScope,cancellationToken) ?? throw new InvalidOperationException($"找不到 EmailId={message.EmailId} 的邮件内容");// 2️⃣ 调用 AI Agent 生成回复var agentResponse = await _agent.RunAsync(email.EmailContent,_thread,cancellationToken: cancellationToken);// 3️⃣ 解析结构化输出var emailResponse = JsonSerializer.Deserialize<EmailResponse>(agentResponse.Text)?? throw new InvalidOperationException("无法解析 Email Assistant 响应");return emailResponse;} }
这里的Agent定义如下：
var emailAssistantAgent = new ChatClientAgent(chatClient,new ChatClientAgentOptions(instructions: "你是一个企业邮件助手，为客户邮件生成专业、友好的中文回复。"){ChatOptions = new ChatOptions{ResponseFormat = ChatResponseFormat.ForJsonSchema<EmailResponse>()}} );
邮件转发：模拟邮件转发到具体的客服，这里仅仅使用YieldOutputAsync完成工作流输出消息内容。
internal sealed class EmailSendingExecutor() : Executor<EmailResponse>("EmailSendingExecutor") {public override async ValueTask HandleAsync(EmailResponse message, IWorkflowContext context, CancellationToken cancellationToken = default){// 模拟邮件发送（实际项目中可调用 SMTP、SendGrid 等服务）await context.YieldOutputAsync($"📤 邮件已发送: {message.Response}",cancellationToken);} }
下游节点B：垃圾邮件处理
当判断到是垃圾邮件时，转交给该执行器处理，这里模拟输出了一段风险提示，实际中可能是上报人工跟进等等操作：
internal sealed class SpamHandlingExecutor() : Executor<DetectionResult>("SpamHandlingExecutor") {public override async ValueTask HandleAsync(DetectionResult message, IWorkflowContext context, CancellationToken cancellationToken = default){// 🛡️ 防御性检查：确保只处理垃圾邮件if (message.spamDecision != SpamDecision.Spam)throw new InvalidOperationException("SpamHandlingExecutor 只应处理 Spam 类型的邮件，请检查路由配置。");// 记录垃圾邮件（实际项目中可写入数据库或日志系统）await context.YieldOutputAsync($"🚫 垃圾邮件已拦截: {message.Reason}",cancellationToken);} }
下游节点C：不确定邮件处理执行器（兜底处理）
当判断到属于不确定的邮件分类时，转交给该执行器做兜底处理 或 默认处理：
internal class UncertainHandlingExecutor() : Executor<DetectionResult>("UncertainHandlingExecutor") {public override async ValueTask HandleAsync(DetectionResult message,IWorkflowContext context,CancellationToken cancellationToken = default){// 🛡️ 防御性检查：确保只处理不确定邮件if (message.spamDecision != SpamDecision.UnCertain)throw new InvalidOperationException("UncertainHandlingExecutor 只应处理 Uncertain 类型的邮件（或作为 Default Case）。");// 1️⃣ 从 Shared State 读取原始邮件内容（用于人工审核）var email = await context.ReadStateAsync<EmailMessage>(message.EmailId,scopeName: EmailStateConstants.EmailStateScope,cancellationToken);// 2️⃣ 输出待审核信息await context.YieldOutputAsync($"⚠️ 不确定邮件需人工审核:\n" +$"原因: {message.Reason}\n" +$"内容预览: {email?.EmailContent?.Substring(0, Math.Min(100, email.EmailContent.Length))}...",cancellationToken);} }
构建工作流
现在万事俱备，只欠一个Workflow，现在Let's do it!
Step1: 获取ChatClient
var chatClient = new OpenAIClient(new ApiKeyCredential(openAIProvider.ApiKey),new OpenAIClientOptions { Endpoint = new Uri(openAIProvider.Endpoint) }).GetChatClient(openAIProvider.ModelId).AsIChatClient();
Step2: 实例化自定义Agent & Executors
var spamDetectionExecutor = new SpamDetectionExecutor(spamDetectionAgent); var emailAssistantExecutor = new EmailAssistantExecutor(emailAssistantAgent); var sendEmailExecutor = new EmailSendingExecutor(); var handleSpamExecutor = new SpamHandlingExecutor(); var handleUncertainExecutor = new UncertainHandlingExecutor();
Step3: 创建switch-case多路由决策工作流
// ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ // 🔧 条件函数工厂方法 // ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Func<object?, bool> GetCondition(SpamDecision expectedDecision) =>detectionResult =>detectionResult is DetectionResult result &&result.spamDecision == expectedDecision;// ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ // 🔀 使用 AddSwitch 构建 Switch-Case 工作流 // ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ var builder = new WorkflowBuilder(spamDetectionExecutor); builder.AddSwitch(spamDetectionExecutor, sb =>sb// Case 1: NotSpam → EmailAssistant .AddCase(GetCondition(expectedDecision: SpamDecision.NotSpam), new[] { (ExecutorBinding)emailAssistantExecutor })// Case 2: Spam → HandleSpam.AddCase(GetCondition(expectedDecision: SpamDecision.Spam), new[] { (ExecutorBinding)handleSpamExecutor })// Default: Uncertain (或任何未匹配的情况) → HandleUncertain.WithDefault(new[] { (ExecutorBinding)handleUncertainExecutor }))// EmailAssistant 之后自动发送邮件 .AddEdge(emailAssistantExecutor, sendEmailExecutor)// 配置输出节点（三个终点执行器都会产生输出） .WithOutputFrom(handleSpamExecutor, sendEmailExecutor, handleUncertainExecutor); var workflow = builder.Build();Console.OutputEncoding = Encoding.UTF8; Console.WriteLine("✅ Conditional Workflow 构建完成");
测试工作流
首先，为了便于后续测试我们将执行工作流封装为一个静态方法：
static async Task RunWorkflowAsync(Workflow workflow,string scenarioName,string emailContent) {Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━");Console.WriteLine($"📬 测试场景：{scenarioName}");Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━");Console.WriteLine($"📧 邮件内容：{emailContent.Substring(0, Math.Min(80, emailContent.Length))}...\n");await using var run = await InProcessExecution.StreamAsync(workflow,new ChatMessage(ChatRole.User, emailContent));// 发送 Turn Token，启用事件推送await run.TrySendMessageAsync(new TurnToken(emitEvents: true));// 订阅事件流await foreach (WorkflowEvent evt in run.WatchStreamAsync()){switch (evt){case ExecutorCompletedEvent completedEvent:Console.WriteLine($"✅ {completedEvent.ExecutorId} 完成");break;case WorkflowOutputEvent outputEvent:Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━");Console.WriteLine("🎉 工作流执行完成");Console.WriteLine("━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━\n");Console.WriteLine($"{outputEvent.Data}");break;case WorkflowErrorEvent errorEvent:Console.WriteLine("✨ 收到 Workflow Error Event：");Console.WriteLine($"{errorEvent.Data}");break;default:break;}}Console.WriteLine(); }
测试用例1：正常咨询邮件输入
var scenarioName1 = "正常邮件 → EmailAssistant → SendEmail"; var emailContent1 = @" 尊敬的客服团队： 您好！我是贵公司的长期客户，订单号为 #2025 -001。 我想确认一下上周提交的采购订单是否已经安排发货。 如果需要补充任何信息，请随时告知。 期待您的回复，谢谢！ 客户：张先生 "; await RunWorkflowAsync(workflow, scenarioName1, emailContent1); Console.WriteLine("✅ 正常邮件路径验证完成");
测试结果如下图所示：
可以看见，对于正常咨询邮件，进行正常的邮件处理和转发。
测试用例2：垃圾邮件输入
var scenarioName2 = "垃圾邮件 → HandleSpam"; var emailContent2 = @" 🎉🎉🎉 恭喜您中奖啦！🎉🎉🎉您已被选中获得 100 万现金大奖！立即点击以下链接领取： http://suspicious-site.com/claim-prize仅限今日有效，过期作废！ 不需要任何手续费，完全免费！快速行动，机不可失！ "; await RunWorkflowAsync(workflow, scenarioName2, emailContent2); Console.WriteLine("✅ 垃圾邮件路径验证完成");
测试结果如下图所示：
可以看见，对于垃圾邮件，进行有效的拦截，后续还可以进行上报人工跟踪等等。
测试用例3：无法确认类型的邮件输入
var uncertainEmail = @" 主题：需要验证您的账户 尊敬的客户： 我们检测到您的账户存在异常活动，需要验证您的身份以确保账户安全。 请登录您的账户并完成验证流程，以继续使用服务。 账户详情： - 用户名：johndoe@contoso.com - 最后登录：08/15/2025 - 登录地点：西雅图，华盛顿州 - 登录设备：移动设备 这是一项自动安全措施。如果您认为此邮件是错误发送的，请立即联系我们的支持团队。 此致 安全团队 客户服务部门 "; await RunWorkflowAsync(workflow,"不确定邮件 → HandleUncertain (Default)",uncertainEmail ); Console.WriteLine("✅ 不确定邮件路径验证完成");
测试结果如下图所示：
可以看到，对于LLM无法确认的类型，进入了该执行器，这时可能需要人工介入审核。同时，这也是实际中常见的一种兜底机制的展现，话句话说：即使AI无法明确判断，也应该有对应的处理流程。
小结
本文介绍了MAF中的switch-case路由以及如何实现多条件路由，最后优化了上一篇的企业内部邮件检测工作流案例，特别适合于大于3个分支的复杂路由场景。
下一篇，我们将继续学习MAF中工作流的循环工作流。
参考资料
圣杰，《.NET + AI 智能体开发进阶》（推荐指数：★★★★★）
Microsoft Learn，《Agent Framework Tutorials》
作者：爱迪生
出处：https://edisontalk.cnblogs.com
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。
