Agently Workflow
强大又易用的工作流编程方案
精心设计的工作流编程开发语法，让复杂的AI任务处理变得简单直观
"Talk is cheap, show me the code!"
—— 2024年7月，AI Agent工作流年
(Dr. Andrew Ng) 在他的AI Agentic Workflow中特别提到了Translation-Agent
Workflow 核心特性
相比 LangChain 和 LangGraph，Agently Workflow 更加直观易用
直观的工作流设计
精心设计的工作流编程语法，保障思路与代码完全一致
- 链式语法设计，代码即流程图
- 支持复杂的工作流逻辑设计
- 可视化流程图自动生成
条件分支控制
灵活的条件判断和分支控制，替代复杂的 conditional_edges
- if/elif/else 直观条件语法
- 支持复杂的条件判断逻辑
- 动态路由和分支选择
循环和并行处理
支持 .loop_with() 循环控制和并行分支处理
- 简单易用的循环语法
- 并行任务处理能力
- 状态同步和数据合并
状态管理
完善的数据状态管理，支持 inputs、storage、public_storage
- 多层次的状态存储机制
- 跨工作流的数据传递
- 状态持久化和恢复
与 LangGraph 对比
在能力毫不逊色的基础上，提供更直观的开发体验
| 功能特性 | LangGraph | Agently Workflow | 优势 |
|---|---|---|---|
| 条件分支 | conditional_edges | if/elif/else | 更直观的语法 |
| 数据传递 | Send + conditional_edges | .loop_with() | 更简洁的实现 |
| 状态管理 | state | storage | 更灵活的存储 |
| 全局状态 | State | public_storage | 跨流程共享 |
工作流示例
构建一个智能对话工作流
Python - Agently Workflow
import Agently
# 创建工作流实例
workflow = Agently.Workflow()
# 定义工作流节点
@workflow.chunk()
def user_input(inputs, storage):
return input("[User]: ")
@workflow.chunk()
def assistant_reply(inputs, storage):
chat_history = storage.get("chat_history") or []
reply = (
agent
.chat_history(chat_history)
.input(inputs["default"])
.start()
)
print("[Assistant]: ", reply)
return reply
@workflow.chunk()
def update_chat_history(inputs, storage):
chat_history = storage.get("chat_history", [])
chat_history.append({"role": "user", "content": inputs["user_input"]})
chat_history.append({"role": "assistant", "content": inputs["assistant_reply"]})
storage.set("chat_history", chat_history)
return
# 连接工作流
workflow.connect_to("user_input")
(
workflow.chunks["user_input"]
.if_condition(lambda return_value, storage: return_value == "#exit")
.connect_to("goodbye")
.connect_to("end")
.else_condition()
.connect_to("assistant_reply")
)
workflow.chunks["user_input"].connect_to("update_chat_history.user_input")
workflow.chunks["assistant_reply"].connect_to("update_chat_history.assistant_reply")
workflow.chunks["update_chat_history"].connect_to("user_input")
# 启动工作流
result = workflow.start()为什么选择 Agently Workflow？
90%
代码减少
相比传统工作流框架
5x
开发效率
更快的开发速度
100%
代码可读性
直观的流程表达