通过人在回路的方式引导、审核并控制您的多智能体系统。
工作流是一种由事件驱动、基于节点的方式，用于控制应用程序的执行流程。
你的应用程序被划分为称为节点的部分，这些部分由事件触发，并且它们自身也会返回事件，从而触发后续节点。通过组合节点和事件，你可以创建任意复杂的流程，将逻辑封装起来，使你的应用程序更易于维护和理解。
一个节点可以是从一行代码到一个复杂智能体的任何东西。它可以有任意的输入和输出，这些都通过事件进行传递。它就像代码层面的 n8n。
工作流允许你将所有 Neuron 组件，如 AI 提供方、嵌入、数据加载器、聊天历史、向量库等，作为独立组件来使用，从而创建完全自定义的智能体实体。
Agent 和 RAG 类本身就是工作流。它们代表了开箱即用的实现，涵盖在工具调用、检索、结构化输出等方面最常见的模式。工作流允许你从零开始完全编程你的智能体系统。如果你需要在执行过程中进行 AI 操作，也可以在工作流中使用 Agent 和 RAG，将它们像其他组件一样用于完成任务。
Neuron 工作流之所以特别，在于它的 流式 和 中断 能力。这意味着你的多智能体系统可以直接向客户端流式推送更新，在流程中途暂停，要求人工输入，等待反馈，然后从中断的地方继续——即使那已经是数小时或数天之后。
你可能会想：“这听起来很棒，但为什么我不能直接写一个带有一些 if 语句和函数的普通 PHP 脚本呢？”这是一个合理的问题，也是我在构建 Neuron 时经常听到的问题。当你考虑到以下情况时，答案就会变得很清楚：你的流程需要分叉为多个分支，并发运行它们，实现多个循环和中间检查点，向客户端流式实时更新，甚至暂停、等待并恢复。
当你刚刚开始，而且你的用例还相当简单时，你可能看不出工作流的真正潜力，这很正常。请记住，如果事情变得复杂，Neuron 已经具备了合适的架构，能够帮助你在任何层级进行扩展。
从开发者的角度来看，工作流解决了几个令人头疼的问题：
建模和维护复杂场景：借助这些简单的构建块，你可以创建从少量步骤的简单流程，到带有迭代循环和中间检查点的复杂工作流。
人工介入：无缝融入人工监督。你可以将 AI 部署到敏感领域，因为关键决策始终有人参与把关。
流式传输：你可以在工作流执行期间向客户端发送实时更新。
使用检查器调试：你不必再猜测为什么你的工作流做出了某个特定决定，而是可以准确看到任意节点上正在发生什么。
使用 Neuron 构建的许多应用程序会包含多个步骤以及对 LLM 的多次调用。随着这些应用程序变得越来越复杂，能够检查你的代理系统内部到底发生了什么就变得至关重要。实现这一点的最佳方式是使用 Inspector.
最后更新于 1个月前
