Skip to content

V1 Workflows

weego edited this page Nov 15, 2026 · 2 revisions

工作流与多 Agent

简体中文 | English

适用版本:v1.0.0。不要为了角色交接引入持久调度,也不要把多 Agent 的自由交接当作可验证工作流。

需求 入口 完成条件
根据职责把对话交给另一个 Agent LightSwarm 目标 Agent 给出回应,转交受 Hooks/策略控制。
预先知道步骤和依赖 LightFlow 依赖、检查点、审批及每一步状态可查。
执行中提出新任务并验收产物 LightDAG 应用控制的 Verifier 通过后才发布候选产物。
一个独立长任务需重启恢复,不一定是 DAG ExecutionService 后端确认执行结束,应用另行验收产物;见 持久任务。

LightFlow:固定依赖与人工审核

下面的步骤只调用本地 Python 对象。接入真实应用时换成配置好的 LightAgent 实例。

from tempfile import TemporaryDirectory

from LightAgent import ApprovalDecision, JsonLightFlowStore, LightFlow

class LocalWriter:
    def run(self, query, **kwargs):
        return "草稿:" + query

with TemporaryDirectory() as directory:
    def create_flow():
        return (
            LightFlow(store=JsonLightFlowStore(directory))
            .step("draft", agent=LocalWriter())
            .step("review", agent=LocalWriter(), depends_on=["draft"], requires_approval=True)
        )

    flow = create_flow()
    waiting = flow.run("描述验收计划", run_id="report-001")
    assert any(step.approval_request_id for step in waiting.steps)
    reconnected = create_flow()
    reconnected.approve("report-001", "review", ApprovalDecision.approve(reviewer_id="editor"))
    done = reconnected.resume("report-001")
    assert done.success
    print([(step.name, step.status) for step in done.steps])

定义 DAG 时用 depends_on 指明上游,用步骤的 query 函数显式构造有约束的下游输入。循环或未知依赖不是重试能修好的错误。支持步骤重试、超时、fallback、条件跳过、取消、追踪与持久检查点;查看 get_run() / list_runs();rerun_step(run_id, step_name) 会重新执行该步及依赖它的下游。复用已完成的显式 run ID 返回检查点,不会再调 Agent。人工审批支持允许、拒绝、编辑或直接提供结果,调用方必须核验审批人的身份,防止跨流程复用。JSON 存储面向轻量本地场景,不是分布式任务队列。参数和状态见 LightFlow 参考。

LightSwarm:路由与交接

沿用 快速开始 的模型连接配置,分别创建前台和技术支持 Agent。下面代码假定 frontdesk 和 support 已分别配置 name、role、instructions,与示例请求同一用户租户:

from LightAgent import LightSwarm

swarm = LightSwarm()
swarm.register_agent(frontdesk, support)
print(swarm.run(agent=frontdesk, query="如何导出应用的运行日志?", stream=False))

模型负责意图选择,不保证每次锁定同一角色。用 on_handoff 审查交接、限制目标角色,并保留父 Trace;交接不能让目标越过权限或记忆边界。用 完整多 Agent 示例 或 故障排查图 验证注册、角色描述和传输行为。需要固定执行顺序时用 LightFlow,而不是让模型自由交接。

LightDAG:动态分解、候选验证与修复

用已克隆的 v1.0.0 源码运行下面的完整离线例子。它会将根任务拆成两个子任务,验证失败时修复一次,再集成已验证产物:

python example/14.dynamic_dag.py

实际接入过程:

  1. 创建 LightDAG,显式配置 SqliteTaskGraphStore、LocalArtifactStore、资源限制和可信 CallableVerifier。
  2. 注册 Worker。Worker 回传 TaskOutcome.candidate()、decompose() 或 blocked(),不以任意字符串表示任务完成。
  3. 使用 TaskSpec 给出目标、验收契约、Worker 和 Verifier,为 create_run(..., context=SecurityContext(...)) 提供可信租户、项目及权限。
  4. 分解请求带 graph revision,运行时验证依赖、环、额度、租约和版本,才将提议纳入图。子任务先通过 Verifier,父任务再进入集成阶段。
  5. 用 list_tasks() 查看状态;暂停、取消、恢复、解除阻塞和替代未完成任务应由已授权宿主执行。已验证产物按哈希与发布状态读取;修改已验证契约应创建新运行。

另一种最小模型无关例子及状态细节见 LightDAG 参考。Worker 可对接显式后端;Verifier 必须做真实的领域验收,不能仅因为模型声称成功就通过。默认是单机调度,租约和 fencing 能拒绝陈旧结果,不能撤回外部副作用。

Clone this wiki locally