# Neuron Машина на състоянията за памет и преглед

Този модел е полезен, когато агентът трябва да запазва контекста на разговора през няколко кръга на човешки преглед, а цялостният жизнен цикъл трябва да се управлява от Queuety.

Queuety управлява машината на състоянията за преглед, а Neuron — паметта на агента за нишката на черновата.

## Защо паметта на Neuron помага тук

Ако проверяващият отхвърли чернова и поиска редакции, при следващото извикване на агента не би трябвало да се налага целият контекст да се възстановява отначало.

`SQLChatHistory` на Neuron е подходящо за това, защото агентът може да продължи работа в същата нишка на разговора, докато Queuety обработва решенията на рецензентите и кръговете с корекции.

## Агентът Neuron с история, съхранявана в SQL

```php
namespace App\Neuron;

use NeuronAI\Agent\Agent;
use NeuronAI\Chat\History\ChatHistoryInterface;
use NeuronAI\Chat\History\SQLChatHistory;
use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Providers\Anthropic\Anthropic;
use NeuronAI\SystemPrompt;

final class EditorAgent extends Agent
{
    public function __construct(
        private readonly string $threadId,
        private readonly \PDO $pdo,
    ) {}

    protected function provider(): AIProviderInterface
    {
        return new Anthropic(
            key: $_ENV['ANTHROPIC_API_KEY'],
            model: $_ENV['ANTHROPIC_MODEL'],
        );
    }

    protected function chatHistory(): ChatHistoryInterface
    {
        return new SQLChatHistory(
            thread_id: $this->threadId,
            pdo: $this->pdo,
            table: 'neuron_chat_history',
            contextWindow: 50000,
        );
    }

    public function instructions(): string
    {
        return (string) new SystemPrompt(
            background: [
                'You are an editorial agent for long-form product briefs.',
                'Apply reviewer notes without losing the original intent.',
            ],
        );
    }
}
```

## Създайте чернова веднъж и я редактирайте в същата нишка с памет

```php
namespace App\StateMachines\Actions;

use App\Neuron\EditorAgent;
use NeuronAI\Chat\Messages\UserMessage;
use Queuety\Contracts\StateAction;

final class DraftBriefAction implements StateAction
{
    public function handle(array $state, ?string $event = null, array $event_payload = [], array $payload = []): array|string
    {
        // Queuety creates actions with `new DraftBriefAction()`, so build dependencies here.
        $pdo = new \PDO($_ENV['NEURON_DB_DSN'], $_ENV['NEURON_DB_USER'], $_ENV['NEURON_DB_PASSWORD']);

        $threadId = $state['neuron_thread_id'] ?? sprintf(
            'brief:%d:editor',
            $state['brief_id'],
        );

        $prompt = "Write the first draft for brief {$state['brief_id']}.";

        if ('reject' === $event) {
            $prompt = sprintf(
                'Revise the draft using these review notes: %s',
                $event_payload['reason'] ?? 'Tighten the draft and address reviewer concerns.',
            );
        }

        $agent = new EditorAgent($threadId, $pdo);
        $message = $agent->chat(
            new UserMessage($prompt)
        )->getMessage();

        return [
            'neuron_thread_id' => $threadId,
            'draft_markdown' => $message->getContent(),
            'review_round' => (int) ($state['review_round'] ?? 0) + 1,
            '_event' => 'draft_ready',
        ];
    }
}
```

## Машината на състоянията Queuety

```php
use Queuety\Enums\StateMachineStatus;
use Queuety\Queuety;

$machine_id = Queuety::machine('brief_review_session')
    ->version('brief-review-session.v1')
    ->state('drafting')
    ->action(DraftBriefAction::class)
    ->on('draft_ready', 'awaiting_review')
    ->state('awaiting_review')
    ->on('approve', 'completed')
    ->on('reject', 'drafting')
    ->state('completed', StateMachineStatus::Completed)
    ->dispatch([
        'brief_id' => 42,
    ]);

// Later, once the draft action has finished and the machine waits in `awaiting_review`:
Queuety::machine_event(
    $machine_id,
    'reject',
    [ 'reason' => 'Tighten the introduction and add pricing context.' ]
);

Queuety::machine_event(
    $machine_id,
    'approve',
    [ 'reviewer' => 'editor@example.com' ]
);
```

Първият опит преминава в `drafting`, изпълнява поставеното в опашка действие и преминава в `awaiting_review`.

Ако проверяващият отхвърли черновата, машината се връща в `drafting`. Тъй като данните от събитието `reject` се предават на `DraftBriefAction`, следващата чернова може да използва бележките на проверяващия, без да губи първоначалната история на нишката Neuron.

## Защо това е по-ясно от повтаряне на работен поток

Този проблем е свързан с жизнения цикъл. Черновата изчаква човешки преглед, проверяващият може да я одобри или отхвърли, отхвърлянето връща сесията към писане на черновата, а одобрението приключва сесията. Това се описва по-пряко с машина на състоянията, отколкото с линеен работен поток с обратен преход.

Състоянието на работния поток е отлично за факти, свързани с оркестрацията, като броя на кръговете на преглед, ИД на артефакти, ИД на работни потоци и решения за маршрутизиране. Паметта Neuron е по-подходяща за контекст на разговора, като предишни подкани, последователни редакции и отговори на модела, които трябва да останат част от нишката на черновата.

Комбинирането им позволява на всяка система да изпълнява задачата, за която е най-подходяща.

## Кога да оставите това като работен поток

Предпочетете работен процес, когато пътят за преглед е строго ограничен и ориентиран към изпълнение, например:

Създайте един проект, изчакайте едно одобрение и публикувайте.

Предпочетете машина на състоянията, когато сесията може многократно да се връща към едни и същи състояния и външни събития управляват жизнения цикъл.

## Свързана документация

- [Машини на състоянията](https://queuety.inline0.dev/bg/docs/state-machines)
- [Сигнали на работния процес](https://queuety.inline0.dev/bg/docs/workflows/signals)
- [Оркестриране на агенти](https://queuety.inline0.dev/bg/docs/workflows/agent-orchestration)