13 KiB
s20: Workflow Runtime — 模型决定单步，脚本决定编排
s01 → ... → s18 → s19 → s20 → s21
"一次 tool_use，后台跑完一整套编排" —
Workflow工具启动一个确定、可恢复的脚本运行时，批量派出去一堆子 agent。Harness 层: 编排 — 在单 agent 循环之上，加一层确定的多 agent 脚本运行时。
code.py 为了让演示保持确定，会先发出 async_launched，随后在同一进程里等待执行完成。这样不用启动常驻后台服务，也能看清生命周期和 journal。
从 s01 到 s19，我们的循环一直是模型驱动、一步一步来的：每一轮模型挑一个工具，结果塞回 messages[]，再来一轮。开放式任务这么干最合适，下一步做什么，让模型看着上下文临场决定就好。
但有些活，你需要的是确定地指挥一群 agent 干活。比如审一个大改动：十个维度并行找问题 → 每条发现各自派一个 agent 做对抗性验证 → 结果汇总去重 → 按严重度排序。这种流程的形状是固定的，你要的其实是三样东西：
- 并行，别一个一个串着等；
- 确定，同样的输入跑出来同样的结果结构；
- 可恢复，跑到一半断了，已经做完的部分别从头再来。
让模型在主循环里一步一步驱动这套流程，又慢、结果又不确定，断了还得从头跑。这时候你要的不是"再聊一轮"，而是把这套编排直接写成代码。
计划写在代码里，不是靠聊天一轮轮凑
在 harness 的工具池里加入一个 Workflow 工具。用户或模型给它一段脚本，脚本用 agent() / parallel() / pipeline() / phase() 这几个简单的原语，把编排写成确定的代码。
主循环这边只看到一次 tool_use，立刻拿到"已在后台启动"的返回：真正的执行在后台运行时里推进，实时上报进度，所有过程都写到磁盘的 journal 文件里。脚本里的中间结果存在变量里，不会塞进对话历史占地方。下次用 resume_from_run_id 重启时，没改过的 agent() 直接命中 journal 缓存，直接用之前的结果，断点续跑。
SAMPLE_META = {"name": "review-changes", "description": "审查代码改动", "phases": ["Review", "Verify"]}
async def sample_workflow(ctx, args):
ctx.phase("Review")
results = await ctx.pipeline(DIMENSIONS, audit, verify) # 每个维度独立走 审计 → 验证
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}
Workflow 工具：后台启动，主循环只看到一次调用
Workflow 就在主 agent 的工具池里。用户可以要求运行一个保存好的 workflow，模型也可以在任务匹配已知编排时选择这个工具；两种情况最终都只发出一次 Workflow(...) 工具调用。
工具收到后会解析参数、校验 meta 信息、过权限检查、注册一个本地 workflow 任务，然后立刻返回"已异步启动"。主循环不阻塞，该干嘛干嘛；workflow 自己在后台跑。这其实就是 s13 后台任务那套"凭条模式"的放大版：先给你个取件条，结果好了再通知你。
class WorkflowTool:
async def call(self, meta, script_fn, args=None, resume_from_run_id=None):
validate_meta(meta)
check_permission(meta)
run_id = resume_from_run_id or create_run_id(meta)
task = LocalWorkflowTask(create_task_id(run_id), run_id, meta)
task.event("async_launched", runId=run_id, taskId=task.task_id) # 立刻返回
... # 剩下的后台慢慢跑
Workflow 元数据：启动前先校验
每个 workflow 都要注册一个元数据对象，包含 name、description 和可选的 phases。运行时会在执行任何 workflow 代码之前校验它：name 和 description 用来标识任务，phases 给进度条分组命名。
不对的输入直接抛 WorkflowInputError，注册的时候就拦住——这和 s14 校验 cron 表达式是一个思路：坏脚本别让它跑到执行的时候才炸。
运行时会把 meta.name 用在本地产物文件名中，因此还要求它是 1-64 个字符的安全 slug，只能包含字母、数字、.、_、-。
def validate_meta(meta):
if not isinstance(meta, dict):
raise WorkflowInputError("meta 必须是对象字面量")
if not meta.get("name") or not meta.get("description"):
raise WorkflowInputError("meta 必须包含 name 和 description")
if not isinstance(meta["name"], str) or not WORKFLOW_NAME_RE.fullmatch(meta["name"]):
raise WorkflowInputError("meta.name 必须是 1-64 字符的安全 slug")
if "phases" in meta and (
not isinstance(meta["phases"], list)
or not all(isinstance(p, str) and p for p in meta["phases"])
):
raise WorkflowInputError("meta.phases 必须包含非空字符串")
return meta
编排原语：就这几个，够写所有流程
脚本跑在一个独立的上下文里，能用的全局变量就这几个编排原语。脚本本身不直接读写文件、不跑 shell，真正的代码操作都由派出去的子 agent 用它们自己的工具权限完成。这些原语都是 ExecutionState 上的方法：
| 原语 | 作用 |
|---|---|
agent(prompt, {schema, label, phase}) |
派一个子 agent 干活 |
parallel(thunks) |
等齐屏障：所有任务并行跑完，一起等结果回来 |
pipeline(items, *stages) |
每个 item 分阶段跑，不等齐，跑完一个往下走一个 |
phase(title) |
标记当前进度阶段（更新进度条） |
log(message) |
打一行进度日志 |
workflow(name, args) |
嵌套子工作流（只支持一层） |
pipeline 是你默认该用的：每个 item 独立穿过所有 stage，item A 跑到第 3 阶段的时候，item B 可能还在第 1 阶段；只有真的需要"拿到上一阶段所有结果才能往下走"的时候，才用 parallel 这个屏障。屏障的代价是等最慢的那个任务，没必要就别立。
async def pipeline(self, items, *stages):
async def run_item(item, idx):
value = item
for stage in stages: # 每个 item 独立跑完所有 stage
value = await stage(value, item, idx)
return value
return await asyncio.gather(*[run_item(it, i) for i, it in enumerate(items)])
结构化输出：别让子 agent 回来写散文
agent({schema}) 会强制子 agent 返回一个匹配 schema 的 JSON 对象（内部通过一次结构化输出调用实现），运行时会按 schema 校验结果，不对就重试一次。这样下游代码拿到的是规整的对象，不是需要再解析的一大段散文。
s05 就说过，工具的参数不能全信；这里是同一个道理反过来：子 agent 的输出也不能全信。加一层校验，不对就给一次机会重试，把不确定性挡在编排层外面。
result = self.runner.run(prompt, schema, label)
if schema is not None:
ok, err = SimpleJsonSchema(schema).validate(result)
if not ok: # 提醒一次重试，再不对就报错
result = self.runner.run(prompt + "\n\n返回合法的 JSON。", schema, label)
ok, err = SimpleJsonSchema(schema).validate(result)
if not ok:
raise WorkflowInputError(f"agent({{schema}}) 输出不合法: {err}")
后台任务和进度事件
LocalWorkflowTask 维护状态和 token 用量，向外发一条 SDK 风格的事件流：task_started → 一串 task_progress（包含阶段切换、子 agent 启动、日志输出这些批次）→ 最后一个 task_notification（完成/失败/停止，带输出文件、token 数、工具调用数、耗时）。
主会话把这些当普通事件处理；只有最终的完成通知会重新进入主循环。
class LocalWorkflowTask:
def progress_event(self, ptype, **data): # 阶段/子agent/日志
self.progress.append({"type": ptype, **data})
print(f" 进度 {ptype} ...")
存储：快照 + journal，断了能续
运行时把每次运行的数据存在 s20_workflow_runtime/.runtime/：快照 <runId>.json、输出 <runId>.output.json 和 journal <runId>.journal.jsonl。快照与 journal 共享稳定的 runId，续跑时才能找到同一次运行的状态和已完成步骤。
journal 是断点续跑的核心，它一条一条记下来每个 agent() 的结果：
class WorkflowJournal:
def record(self, key, value):
self._f.write(json.dumps({"key": key, "value": value}) + "\n")
self._f.flush()
self.cache[key] = value
resume：用 runId 续跑，没改的直接用缓存
带着 resume_from_run_id 再次调用 workflow 时，脚本会重新执行，但每个 agent() 都会计算一个确定的语义 key：key 在 journal 里有记录，就直接返回缓存结果；只有改过的调用以及依赖它的后续步骤才会真的运行。
这里有个关键点：key 不能依赖并发顺序。parallel 和 pipeline 里 agent 完成的顺序是不确定的，用"第几个完成"当 key，两次跑缓存就对错位了。所以 key 是根据调用内容（类型、标签、prompt、schema）算的稳定哈希，不是一个会竞争的计数器：
def key(self, kind, label, prompt, schema):
basis = f"{kind}|{label}|{prompt}|{json.dumps(schema, sort_keys=True)}"
return f"{kind}-{_stable_hash(basis) % 10**10:010d}"
# agent() 内部：
cached = self.journal.cached(key)
if cached is not MISS:
self.task.progress_event("workflow_agent", label=label, status="cached")
return cached
确定性：能复现，续跑才有意义
续跑要能工作，workflow 首先得可复现。稳定哈希和确定性的 runner 让同一份 workflow + 同样的参数产生同样的 key。因此 workflow 代码要避免不受控的时钟、随机数、文件系统状态等会让 key 在两次运行间变化的输入。
跑起来看看
示例 workflow review-changes：用 pipeline 让每个审查维度独立走"审计 → 验证"流程。审计用一个带 schema 的 agent() 找问题，验证用 parallel() 给每条发现各派一个对抗性验证的子 agent，最后只留确认真实的问题，按严重度排序。
async def sample_workflow(ctx, args):
ctx.phase("Review")
async def audit(_v, dimension, _i):
out = await ctx.agent(f"检查改动的代码里有没有{dimension}相关的问题",
schema=FINDINGS_SCHEMA, label=f"audit:{dimension}", phase="Review")
return {"dimension": dimension, "findings": out["findings"]}
async def verify(audited, dimension, _i):
ctx.phase("Verify")
verdicts = await ctx.parallel([ # 每条发现独立做对抗性验证
(lambda f=f: ctx.agent(f"请对抗性验证这个问题是不是真的：{f['title']}",
schema=VERDICT_SCHEMA, label=f"verify:{dimension}:{f['title']}"))
for f in audited["findings"]])
return {"dimension": dimension,
"confirmed": [f for f, v in zip(audited["findings"], verdicts) if v and v["isReal"]]}
results = await ctx.pipeline(DIMENSIONS, audit, verify)
...
相对 s19 的变更
| s19 Agent Harness 集成 | s20 Workflow Runtime | |
|---|---|---|
| 循环 | 单个、模型驱动 | 主循环不变；上面加一层确定的编排 |
| 谁决定下一步 | 模型逐轮决定 | 脚本预先写好编排流程 |
| 多 agent | s06 子 agent，一次性派出去 | 脚本化、可复现、可恢复的批量编排 |
| 新增机制 | — | 脚本 DSL、后台任务、进度事件、journal/续跑、结构化输出、确定性 VM |
s20 不替换主循环，它只是在工具层暴露了 Workflow，背后启动一个本地 workflow 运行时：一个 workflow 确定地驱动 N 个 agent 循环。s06 的子 agent 是模型临场派一次；s20 是把编排写成可以重放的脚本。
试一下
python s20_workflow_runtime/code.py # 启动 review-changes，看事件流
python s20_workflow_runtime/code.py resume # 用上次的 runId 续跑，每个 agent() 都命中 journal 缓存
观察：一次启动 → async_launched → 后台阶段切换/子agent进度推进 → task_notification；结果存在任务对象上。续跑的时候会显示 agents=0 tokens=0（全部命中缓存），结果和上次一字不差。
接下来
编排是在 agent 能力之上又加了一层：主循环管单步操作，脚本管整支队伍的流程。把工作写成确定、可恢复的脚本，模型就从"逐轮驱动者"变成了"被脚本调度的执行单元"。同一个 agent()，既能在主循环里被模型临场调用，也能在 workflow 里被脚本批量编排。
下一章：s21 Goal Loop — 编排是把工作扇出去、脱离主循环；下一章反过来，一个目标把控制权重拉回主循环，没达成就不让这一轮结束。