> For the complete documentation index, see [llms.txt](https://docs.neuron-ai.dev/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.neuron-ai.dev/neuron-v3-es/flujo-de-trabajo/getting-started.md). # Primeros pasos ### Qué es un flujo de trabajo Un flujo de trabajo es una forma basada en nodos y orientada a eventos de controlar el flujo de ejecución de una aplicación. Tu aplicación se divide en secciones llamadas nodos, que se activan mediante eventos y, a su vez, devuelven eventos que desencadenan otros nodos. Al combinar nodos y eventos, puedes crear flujos arbitrariamente complejos que encapsulan lógica y hacen que tu aplicación sea más mantenible y fácil de entender. Un nodo puede ser desde una sola línea de código hasta un agente complejo. Puede tener entradas y salidas arbitrarias, que se pasan mediante eventos. Es como n8n a nivel de código.
Workflow te permite usar todos los componentes de Neuron, como proveedores de IA, embeddings, cargadores de datos, historial de chat, almacén vectorial, etc., como componentes independientes para crear entidades agénticas totalmente personalizadas. Las clases Agent y RAG son en sí mismas flujos de trabajo. Representan implementaciones listas para usar de los patrones más comunes cuando se trata de llamadas a herramientas, recuperación, salida estructurada, etc. Workflow te permite programar tu sistema agéntico completamente desde cero. Agent y RAG pueden usarse dentro de un Workflow para completar tareas como cualquier otro componente si necesitas realizar operaciones de IA durante la ejecución. Lo que hace especial a Neuron Workflow es su **streaming** y **interrupción** capacidades. Esto significa que tu sistema multiagente puede transmitir actualizaciones directamente a los clientes, pausar a mitad del proceso, solicitar intervención humana, esperar retroalimentación y luego continuar exactamente donde lo dejó, incluso si eso ocurre horas o días después. ### ¿Por qué usar flujos de trabajo en lugar de scripts normales? Quizá estés pensando: "Suena genial, pero ¿por qué no puedo simplemente escribir un script PHP normal con algunas sentencias if y funciones?" Es una pregunta justa, y una que escuché muchas veces mientras construía Neuron. La respuesta se vuelve clara cuando consideras lo que pasa cuando tu proceso necesita recorrer múltiples ramas, ejecutarlas en paralelo, implementar varios bucles y puntos de control intermedios, transmitir actualizaciones en tiempo real al cliente, o incluso pausar, esperar y reanudar. Cuando estás empezando y tu caso de uso todavía es bastante simple, quizá no puedas ver el verdadero potencial de Workflow, y es normal. Ten en cuenta que, si las cosas se complican, Neuron ya tiene la arquitectura adecuada para ayudarte a escalar a cualquier nivel. ### Beneficios para el desarrollo Desde la perspectiva del desarrollador, los flujos de trabajo resuelven varios problemas dolorosos: **Modelar y mantener escenarios complejos**: Con estos bloques de construcción simples podrás crear procesos sencillos con unos pocos pasos, hasta flujos de trabajo complejos con bucles iterativos y puntos de control intermedios. **Humano en el circuito**: Incorpora de forma fluida la supervisión humana. Puedes desplegar IA en áreas sensibles porque siempre hay personas en el circuito para las decisiones críticas. **Streaming**: Puedes enviar actualizaciones en tiempo real al cliente durante la ejecución del flujo de trabajo. **Depuración con inspector**: En lugar de preguntarte por qué tu flujo de trabajo tomó una decisión particular, puedes ver exactamente qué está ocurriendo en cualquier nodo. ### Monitorización y depuración Muchas de las aplicaciones que construyas con Neuron contendrán varios pasos con múltiples invocaciones de llamadas a LLM. A medida que estas aplicaciones se vuelven cada vez más complejas, resulta crucial poder inspeccionar exactamente qué está ocurriendo dentro de tu sistema agéntico. La mejor manera de hacerlo es con [Inspector](https://inspector.dev/). {% embed url="" %}