Dynamic DAG Orchestration — 运行时动态调整工作流 DAG

1. 解决的问题

静态 DAG 的局限：传统工作流引擎（Airflow、Prefect 等）要求在运行前确定完整的 DAG 拓扑。一旦启动，节点集合与依赖边均固定，无法根据中间执行结果裁剪冗余分支或插入新必要节点。当业务逻辑含有"发现 A 就不需要 B"或"发现 C 就需要新增 D"的条件语义时，静态 DAG 只能用 stub 节点 + 空操作变通，徒增图复杂度。

2. 核心算法逻辑

静态 DAG 的局限：传统工作流引擎（Airflow、Prefect 等）要求在运行前确定完整的 DAG 拓扑。一旦启动，节点集合与依赖边均固定，无法根据中间执行结果裁剪冗余分支或插入新必要节点。当业务逻辑含有"发现 A 就不需要 B"或"发现 C 就需要新增 D"的条件语义时，静态 DAG 只能用 stub 节点 + 空操作变通，徒增图复杂度。

3. 业务应用场景

问题：选品流水线包含市场评估 → 深度竞品分析 → 毛利测算 → 合规检查 → 输出报告共 5 个串行节点。若市场评估已发现品类饱和（TOP-3 卖家合计占有率 > 70%），继续执行后续 4 个节点纯属浪费；反之，若发现高潜力品类（增长率 > 30% 且头部未垄断），应立即补入深度竞品节点后再继续。

效果：WF-D 流水线在饱和市场场景下平均耗时从 300s → 20s，日处理量提升 15×；高潜力场景下决策质量得分提升 18%。

问题：正常补货流程为"需求预测 → 安全库存计算 → 生成采购订单"三节点串行。但若需求预测模块检测到断货风险（预计库存 < 7 天），需立即并行执行"紧急供应商联系"，不能等到采购订单生成后再处理，否则引发真实断货。

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

未自动抽取；请查看原始 Skill 卡片。

7. 代码模板

代码块数量：3 · 路径：paper2skills-code/mas/dynamic_dag_orchestration

# 见 paper2skills-code/mas/dynamic_dag_orchestration/model.py

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。