mirror of
https://github.com/shareAI-lab/analysis_claude_code.git
synced 2026-09-21 21:03:38 +08:00
06fef3be44
Introduce Classify-And-Act through Loop Until Done after primitives, map each onto agent/parallel/pipeline, show review-changes as a fanout+verify composition, and add a matching six-panel SVG. Co-authored-by: Xinlu Lai <CrazyBoyM@users.noreply.github.com>
234 lines
16 KiB
Markdown
234 lines
16 KiB
Markdown
# s16: Workflow Runtime — 把菜谱写进代码
|
||
|
||
[English](README.md) · [中文](README.zh.md) · [日本語](README.ja.md)
|
||
|
||
s01 → ... → s14 → [s15](../s15_integrated_harness/) → `s16` → [s17](../s17_goal_loop/)
|
||
|
||
> *“一轮轮聊天，像每隔十秒给厨师发一条短信。Workflow 是厨房能照着做的菜谱。”*
|
||
>
|
||
> **Harness 层**: 编排 — 单 agent 循环之上，再跑一套多 agent 脚本。
|
||
>
|
||
> 信任模型，工程化 harness。Workflow，就是把这句话落到编排层。
|
||
|
||
---
|
||
|
||
想象你跟朋友用微信一起做饭。“先切洋葱。”等回音。“切好了吗？”然后热锅、放盐。一道菜还能撑住这种节奏；二十桌宴席就不行了——步骤会丢，话会重复，手机一死还得从头来。
|
||
|
||
模型既当厨师又当记事本时，感觉就是这样：计划与动手挤在同一段对话里。**Workflow** 则是写好的菜谱。厨房（runtime）按谱做，帮手（子 agent）负责尝和判断，半成品放在台面上的碗里，而不是塞进群聊记录。
|
||
|
||
## 为什么还要另一层 harness？
|
||
|
||
默认的 Claude Code harness 已经很擅长“写代码那种形状”的活：改一点、跑一下、看报错、再试。一个循环、一颗脑袋，能做出不少工艺。
|
||
|
||
可有些活是另一种形状——深度调研、安全排查、agent teams、要铺开审查一整片改动。这类事，人们早就习惯在上面再搭一层定制 harness。你当然可以事先用 SDK 手写；也可以——这才是有意思的地方——让 Claude **为这次任务**起草一个 harness，跑起来，好用的再留下来。
|
||
|
||
课程那句口号往上提一层：每一步里信任模型；步骤怎么排，由你来定结构。
|
||
|
||
## 长对话里你会看见的走偏
|
||
|
||
从 s01 到 s15，计划与执行共享同一个上下文。下一步取决于刚才的发现时，这很舒服。
|
||
|
||
可一旦任务变长、要大规模并行、结构又死板，或需要一个挑剔的第二意见，它就会发脆。你若耐心看一段很长的聊天，会撞见熟面孔：做到五十项里的三十五就宣布完工；让它批改自己的作业，分数总是偏甜——狐狸给鸡窝打分；多轮对话和压缩过后，那句轻轻的“别动 X”渐渐听不见了。
|
||
|
||
Claude Code 的设计者把这些叫做 agentic laziness、self-preferential bias、goal drift。名字不如感觉重要：同一个窗口既要干活，又要记住计划。对话历史太软，扛不住并行、稳定的结果形状，以及崩了还能续上。审查很多文件、先调研再验证、按同一方式迁移 N 个模块——这些活的形状事先就清楚。软记忆不够用。
|
||
|
||
## 点子落下的那一下
|
||
|
||
假如计划住在代码里呢？
|
||
|
||
帮手仍然负责想——每人一张干净桌子，一件专注的事。**脚本**掌管循环、分发和合并。中间结果待在变量和 journal 里，不进对话。想偷懒提前收工的习惯，更难叫停整支队伍；自我检查的偏心，会撞上一个不是作者本人的第二帮手；漂移也难下手，因为拓扑不再由一个疲倦的叙述者每轮改写。
|
||
|
||
一句话：workflow 把编排从“靠聪明”挪到“靠结构”。模型仍在每次 `agent()` 里做判断；地图归脚本管。
|
||
|
||
|
||
|
||
一次 `Workflow` 工具调用启动这次运行。进度在旁边轻轻响；最后一条工具结果带回启动信息、结果和任务状态。
|
||
|
||
## 同一间厨房，两扇门
|
||
|
||
Claude Code 对入口说得很直白。
|
||
|
||
有时模型为*这次*任务写一段编排用的 JavaScript，以 `script` 交出来（或之后改 `scriptPath`）。这是**动态**那扇门——问题还热着，就裁出一件合身的 harness。
|
||
|
||
有时好脚本已经进了例如 `.claude/workflows/`。你用 `name` 和 `args` 再请它出来。这是**已保存**那扇门——一次值得留下的运行，沉淀成可复用的卡片。
|
||
|
||
本课之外还有表亲：**静态** harness，用 Agent SDK 或 `claude -p` 事先写好。它们得扛住所有边角，所以往往更泛。动态的是为这块布现裁的；合身了再存。
|
||
|
||
**这一章是 Python 教学运行时。** 同样的想法，每行都能读。演示按名字挂了一个已保存的 workflow；概念和 Claude Code 的脚本世界一一对应。我们不会再说“模型不能提交可执行代码”——那从来不是 Claude Code 的真相。这里只是不嵌入完整的 JS 解释器。
|
||
|
||
```python
|
||
# 教学适配器：已保存这扇门（name + args）。
|
||
# Claude Code 还接受 script / scriptPath / resumeFromRunId。
|
||
WORKFLOW_TOOL = {
|
||
"name": "Workflow",
|
||
"input_schema": {
|
||
"type": "object",
|
||
"properties": {
|
||
"name": {"type": "string"},
|
||
"args": {"type": "object"},
|
||
"resume_from_run_id": {"type": "string"},
|
||
"resumeFromRunId": {"type": "string"},
|
||
},
|
||
"required": ["name"],
|
||
},
|
||
}
|
||
```
|
||
|
||
## 厨房里的几个动词
|
||
|
||
想象学校义卖要烤许多蛋糕。每张桌子都是搅拌 → 烘烤 → 装箱。帮手负责尝；菜谱决定先后。
|
||
|
||
`agent(...)` 是请一个帮手做一件事。`pipeline(items, *stages)` 是默认：每块蛋糕自己走完各阶段，所以一块在装箱时，另一块可能还在搅拌。`parallel(...)` 是等齐——所有托盘都回来才往下——只有下一步真的需要全部结果时才值得，比如尝完再写评分表。
|
||
|
||
旁边还有更轻的词：`phase` 在进度板上报站，`log` 喊一句短话，`workflow` 嵌一份更小的菜谱，`args` 是食材清单，`budget` 是还能烧多少烤箱分钟（token）。
|
||
|
||
```python
|
||
# 每个审查维度自己走完 审计 → 验证。
|
||
results = await ctx.pipeline(DIMENSIONS, audit, verify)
|
||
confirmed = [f for r in results if r for f in r["confirmed"]]
|
||
```
|
||
|
||
## 会写菜谱之后
|
||
|
||
上面那些动词是面粉和火候。人们反复发明的，是少数几种*形状*——动态 agentic workflow 的常见模式。把它们想成工具箱，不是必点菜单。痛点出现再伸手；其余的留在挂板上。
|
||
|
||
|
||
|
||
*人们反复发明的六种形状。脚本掌管拓扑；本课里用 `agent` / `parallel` / `pipeline` / `phase` / journal 把每种形状说出来。*
|
||
|
||
**Classify-And-Act（分类再行动）。** 痛点：一个万金油帮手样样稀松。形状：分类器看一眼任务，再路由到专家 A、B 或 C。本课里多半是一次带 `schema` 的 `agent` 返回标签，脚本里 `if`/`match` 再叫对的后续 `agent`（或嵌一层 `workflow`）。每件东西其实都该同样处理时，就别用——路由只是仪式。
|
||
|
||
**Fanout-And-Synthesize（分发再汇总）。** 痛点：五十个文件塞不进一个疲倦的上下文，挤在一起还会串味。形状：拆开、多 agent 跑、在屏障处等齐、再合并。每件有自己阶段时用 `pipeline`；下一步必须凑齐全部结果时用 `parallel`；合并写在 gather 之后的普通 Python 里。三五个相关文件一趟就能看完时，就别用。
|
||
|
||
**Adversarial Verification（对抗验证）。** 痛点：狐狸给鸡窝打分。形状：工人产出；独立验证者来反驳或施压；只留下幸存者。映射：一次生产用的 `agent`，再 `parallel` 一组验证 `agent`（最好带 `schema`），然后过滤。`phase` 标出 “Review” 再 “Verify”。答错代价很低时就别用——不是每张便条都要法庭。
|
||
|
||
**Generate-And-Filter（生成再过滤）。** 痛点：你要的是选项，不是第一个听起来机灵的念头。形状：许多生成器把想法倒进“量尺 + 去重”的过滤器；最好的留下，其余丢掉。映射：`parallel` 生成，再在脚本里过滤（或一个带 schema 的裁判 `agent`）。生成很贵时，journal/续跑特别有用。好答案空间本来就很小，就别用。
|
||
|
||
**Tournament（锦标赛）。** 痛点：品味和排序上，绝对分数糊成一团（“这个名字有多好？”）。形状：两两比较的裁判、淘汰支架、冠军——相对判断胜过孤独打分。映射：脚本里多轮 `parallel` 的 pairwise 裁判 `agent`，直到剩一个。清晰量尺一趟就能选出赢家时，就别用。
|
||
|
||
**Loop Until Done（接到完为止）。** 痛点：你不知道矿里还要挖几轮。形状：只要“还有新发现？”为是就继续派工；连续空轮或完成条件出现就停。映射：`while` 包着 `agent`/`parallel`，用带 schema 的停止检查，再加硬性 `budget`，免得循环把家吃空。长挖可能暂停时，配上 journal 续跑。工作量已知时，固定 `pipeline` 更简单也更安全。
|
||
|
||
几种有了面孔之后，工具箱一眼就能看清：
|
||
|
||
| 模式 | 原语速写 | 什么时候伸手 |
|
||
|------|----------|--------------|
|
||
| Classify-And-Act | `agent` → 分支 → `agent` | 条目需要不同专家 |
|
||
| Fanout-And-Synthesize | `pipeline` / `parallel` → 合并 | 许多干净桌子，再一份摘要 |
|
||
| Adversarial Verification | 产出 → `parallel(verify)` → 过滤 | 答错很贵 |
|
||
| Generate-And-Filter | `parallel(gens)` → 量尺过滤 | 先要选项，再要品味 |
|
||
| Tournament | 两两裁判 `agent` 搭支架 | 排序/品味却没有锋利刻度 |
|
||
| Loop Until Done | `while` + 停止检查 + `budget` | 埋着不知多少活 |
|
||
|
||
组合是常态。深度调研常常叠成：分发 → 过滤 → 验证 → 汇总。我们的示例，已经是两个音符的一小段和弦。
|
||
|
||
## 让下一阶段接得住的答案
|
||
|
||
帮手若回来写散文，下一阶段很难把 finding 和 verdict 对齐。传入 `schema`。运行时要 JSON、做校验，并给**一次**重试。再不对，这次调用报错——而舰队在失败时怎样仍然温和，下一节就说到。
|
||
|
||
```python
|
||
out = await ctx.agent(
|
||
f"检查这段变更里有没有{dimension}相关的问题：\n{changes}",
|
||
schema=FINDINGS_SCHEMA,
|
||
label=f"audit:{dimension}",
|
||
)
|
||
```
|
||
|
||
跟你聊天可以继续用自然语言。流水线需要接口对得上。
|
||
|
||
## 一个托盘糊了的时候
|
||
|
||
不能因为一个帮手烤箱失手，整支队伍停工。
|
||
|
||
在 `parallel` 里，失败的 thunk 在该槽位变成 `null` / `None`，gather 本身不会拒绝。在 `pipeline` 里，某个 stage 失败会把**那个 item** 置成空，并跳过它后面的 stage；别的 item 继续往前走。合并前小心过滤——`if r`，在 JS 里常见 `.filter(Boolean)`。
|
||
|
||
```python
|
||
verdicts = await ctx.parallel([...]) # 有些格子可能是 None
|
||
confirmed = [
|
||
f for f, v in zip(findings, verdicts)
|
||
if v and v.get("isReal")
|
||
]
|
||
```
|
||
|
||
## 一本可以重开的笔记本
|
||
|
||
每次运行都有一个 `runId`。每个 `agent()` 结束，磁盘上的 journal 就多一行——按你**召唤**帮手的顺序记，而不是按他们从烤箱回来的先后。
|
||
|
||
续跑（`resume_from_run_id` / `resumeFromRunId`）仍从脚本开头走，只是更客气：按调用顺序，与下一条 journal 比对；最长未改前缀直接从缓存回放；碰到第一个改过或未完成的调用，前缀断开——之后全部实跑，即便笔记本更后面还躺着旧 key，也不能跳过裂缝偷懒命中。
|
||
|
||
这也是真正的 JS workflow 运行时禁止 `Date.now()`、`Math.random()` 和裸 `new Date()` 的原因。时钟和骰子会让 prompt 或调用顺序晃一下，笔记本就对不齐了。这个 Python 演示不会完整沙箱那些东西。脚本仍写成确定性的吧。
|
||
|
||
```text
|
||
journal: [A ✓] [B ✓] [C ✓] [D ✓]
|
||
续跑: A 命中 → B 命中 → C 改过 → D 实跑
|
||
```
|
||
|
||
## 跟着 `review-changes` 走一圈——一种组合
|
||
|
||
示例不是“一种模式”。它是 **Fanout-And-Synthesize**，里面嵌着 **Adversarial Verification**——结尾再轻轻做一层 generate-and-filter：只留下 `isReal` 的 finding。
|
||
|
||
```text
|
||
correctness ── 审计 ── 验证 ──┐
|
||
security ── 审计 ── 验证 ──┤── 确认过的问题
|
||
performance ── 审计 ── 验证 ──┤
|
||
style ── 审计 ── 验证 ──┘
|
||
分发（fanout） 汇总（synthesize）
|
||
└── 每条 finding：怀疑式验证 ──┘
|
||
```
|
||
|
||
`pipeline(DIMENSIONS, audit, verify)` 给每个维度自己的桌子，正确性的闲聊不至于淌进安全性。`verify` 里对验证 agent 做 `parallel`，就是对抗那一和弦。普通的列表过滤是汇总。`phase` 标出 Review 再 Verify；journal 记住每次 `agent()`，暂停也不会重做审计。
|
||
|
||
那三种走偏，会感觉自己最爱的座位被撤了：舰队不能在两个维度后收工，作者不当裁判，拓扑也不会在中途漂移。
|
||
|
||
```python
|
||
async def sample_workflow(ctx, args):
|
||
ctx.phase("Review")
|
||
results = await ctx.pipeline(DIMENSIONS, audit, verify)
|
||
confirmed = [f for r in results if r for f in r["confirmed"]]
|
||
ctx.log(f"确认了 {len(confirmed)} 个真实问题")
|
||
return {"confirmed": confirmed}
|
||
```
|
||
|
||
## 挂在 s15 上，并不取代它
|
||
|
||
s15 仍是宿主循环。s16 只多了一个名叫 `Workflow` 的工具。你（或模型）报一个已保存的名字；适配器找到脚本再跑。
|
||
|
||
在真正的产品里，这次运行可以待在后台、带着通知，会话照样能应你。教学 CLI 把 `demo` / `resume` 放在前台，好让你看清阶段和缓存命中。想法相同；简化之处我们会明说。
|
||
|
||
主循环不会变成 workflow 引擎。它只是多借一把工具，就像借 `bash` 或 `task`。
|
||
|
||
## 转一转这颗宝石：谁握着计划？
|
||
|
||
看看邻居，同一件东西会露出新的面。有用的问题不是“几个 agent？”，而是**谁拥有拓扑**，半成品的碗放在哪。
|
||
|
||
| 邻居 | 谁握着计划 | 中间结果住哪 | 最适合 |
|
||
|------|------------|--------------|--------|
|
||
| [s06 子 Agent](../s06_subagent/) | 模型，一次性 | 多半丢掉 | 隔离一个脏的子任务 |
|
||
| [s13 Agent Teams](../s13_agent_teams/) | Lead 逐轮 + 邮箱 | 共享任务 / 消息 | 长跑的同伴 |
|
||
| [s15 Agent Harness 集成](../s15_integrated_harness/) | 模型在一个循环里 | 对话 `messages[]` | 累积型 coding agent |
|
||
| **s16 Workflow** | **脚本** | **变量 + journal** | 结构化分发与验证 |
|
||
| [s17 Goal Loop](../s17_goal_loop/) | 停止时的判断器 | 对话当证据 | “整个目标做完了吗？” |
|
||
|
||
更便宜的路经常就够：skill 当软计划、一小段多 agent 闲聊、手写静态编排，或更大的单轮模型调用。当结构必须比单个上下文活得更久，再伸手去拿 workflow——不是因为“专家团”听起来很酷。
|
||
|
||
## 什么时候先放回架子上
|
||
|
||
Workflow 要花 token，也有协调成本。大多数普通写代码，并不需要五人评审团。
|
||
|
||
动手前问一句：这活真的想要更多算力和一层定制 harness 吗？若普通的 s15 一轮——或一个老实的 s06 子 agent——就够，就停在那儿。克制也是思想的一部分：并行和分工得赚回自己的位置。
|
||
|
||
## 试一下
|
||
|
||
```bash
|
||
python s16_workflow_runtime/code.py # s15 宿主 + Workflow（真实 API）
|
||
python s16_workflow_runtime/code.py demo # 固定数据；看阶段
|
||
python s16_workflow_runtime/code.py resume # 同一 runId；期待缓存命中
|
||
```
|
||
|
||
看 Review 让给 Verify；看完整续跑时 agent 从 `done` 翻成 `cached`。结尾是一份短短的确认列表——干净续跑会显示 `agents=0 tokens=0`，像笔记本在说：没有什么需要重新加热。
|
||
|
||
## 接下来
|
||
|
||
s16 讲一批活怎么跑。[s17 Goal Loop](../s17_goal_loop/) 在门口问另一个问题：该停，还是再来一轮？可重复的菜谱若还需要硬性的“做完”，可以和它一起用。
|
||
|
||
<!-- translation-sync: zh@v14, en@v14, ja@v14 -->
|