# Neuron Поточна стъпка

Този пример показва ясно разделение. Neuron предава отговора на агента на части, докато Queuety запазва трайно всяка част чрез `StreamingStep`. Така UI може да получава проект в реално време, докато работният процес продължава да оцелява при сривове или повторни опити на работника.

## Кога този модел е полезен

Използвайте го, когато даден проект или отговор е достатъчно дълъг, за да искате да го предавате на живо, когато не искате да губите частичния изход при спиране на работника и когато крайният артефакт трябва да остане в състоянието на работния процес след приключване на потока.

## Агентът Neuron

```php
namespace App\Neuron;

use NeuronAI\Agent\Agent;
use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Providers\OpenAI\Responses\OpenAIResponses;
use NeuronAI\SystemPrompt;

final class DraftMemoAgent extends Agent
{
    protected function provider(): AIProviderInterface
    {
        return new OpenAIResponses(
            key: $_ENV['OPENAI_API_KEY'],
            model: $_ENV['OPENAI_MODEL'],
        );
    }

    public function instructions(): string
    {
        return (string) new SystemPrompt(
            background: [
                'You write crisp internal strategy memos.',
                'Prefer short sections and operationally useful language.',
            ],
        );
    }
}
```

## Поточната стъпка Queuety

```php
namespace App\Workflow\Steps;

use App\Neuron\DraftMemoAgent;
use NeuronAI\Chat\Messages\UserMessage;
use Queuety\Contracts\StreamingStep;
use Queuety\Heartbeat;

final class StreamMemoDraftStep implements StreamingStep
{
    public function stream(array $state, array $existing_chunks = []): \Generator
    {
        if (! empty($existing_chunks)) {
            return;
        }

        $handler = (new DraftMemoAgent())->stream(
            new UserMessage(sprintf(
                "Write a strategy memo about %s for account %d.",
                $state['topic'],
                $state['account_id'],
            ))
        );

        foreach ($handler->events() as $i => $chunk) {
            Heartbeat::beat(['chunks' => $i + 1]);

            // This example assumes the agent has no tools attached, so
            // Neuron will stream text/reasoning chunks only.
            yield $chunk->content;
        }
    }

    public function on_complete(array $chunks, array $state): array
    {
        return [
            'draft_markdown' => implode('', $chunks),
        ];
    }

    public function config(): array
    {
        return [
            'max_attempts' => 3,
        ];
    }
}
```

## Използване в работен процес

```php
use Queuety\Queuety;

Queuety::workflow('memo_drafting')
    ->then(BuildDraftBriefStep::class)
    ->then(StreamMemoDraftStep::class)
    ->then(StoreMemoStep::class)
    ->dispatch([
        'account_id' => 10,
        'topic' => 'pricing changes for enterprise accounts',
    ]);
```

## Защо да използвате Queuety вместо само адаптери за поток на Neuron

Адаптерите за поток на Neuron са полезни за протоколи и транспорт на интерфейса. Queuety добавя нещо друго: всяка предадена част се запазва, повторните опити могат да продължат с вече запазените части, завършеният проект се обединява обратно в състоянието на работния процес, а потокът става една устойчива стъпка в по-голямо оркестриране.

Това прави модела подходящ, когато потокът е част от многоетапен бизнес процес, а не просто заявка/отговор UI.

## Едно уточнение

Ако агентът Neuron използва инструменти при предаване на поток, обработвайте изрично типовете части от потока. Актуалната документация за потока на Neuron описва `TextChunk`, `ReasoningChunk`, `ToolCallChunk` и `ToolResultChunk`. За фонов работен процес за създаване на проект най-лесният подход обикновено е агентът да предава само текст.

## Свързана документация

- [Поточни стъпки](https://queuety.inline0.dev/bg/docs/workflows/streaming)
- [Оркестриране на агенти](https://queuety.inline0.dev/bg/docs/workflows/agent-orchestration)