Neuron munkamenet-állapotgép
Ez a minta akkor hasznos, ha az általad épített rendszer inkább munkamenetként működik, mint egyszeri futtatásként.
A Queuety állapotgépek kezelik a munkamenet életciklusát, a Queuety munkafolyamatok végzik az újrapróbálkozásból, a minden elemre kiterjedő befejezési módokból és az összesítésből előnyt kovácsoló háttérmunkát, a Neuron pedig a tényleges ügynökhívásokat és a beszélgetési memóriát kezeli.
Ez a felosztás jól illik ügyfélszolgálati kopilotokhoz, belső kutatási asszisztensekhez, emberi ellenőrzésre szüneteltethető szerkesztői ügynökökhöz, valamint olyan csevegési szálakhoz, amelyek tervezési, várakozási és válaszadási szakaszok között váltanak.
Az életciklus felépítése
Ebben a példában egy ügyfélszolgálati munkamenet a awaiting_user, planning, waiting_on_research és responding állapotokon halad végig. A gép egyértelműen kezeli ezt az életciklust, miközben egy háttér-munkafolyamat kutatást gyűjt, és jelzi a munkamenetnek, amikor elkészült.
Az állapotgép
use Queuety\Queuety;
$session_id = Queuety::machine( 'support_session' )
->version( 'support-session.v1' )
->state( 'awaiting_user' )
->on( 'user_message', 'planning' )
->state( 'planning' )
->action( DispatchResearchWorkflowAction::class )
->on( 'research_dispatched', 'waiting_on_research' )
->state( 'waiting_on_research' )
->on( 'research_completed', 'responding' )
->state( 'responding' )
->action( RespondWithNeuronAction::class )
->on( 'response_ready', 'awaiting_user' )
->dispatch( [
'thread_id' => 'support:customer-42',
] );
Amikor a felhasználó üzenetet küld:
Queuety::machine_event(
$session_id,
'user_message',
[
'session_machine_id' => $session_id,
'message' => 'Can you compare our pricing to the main competitors?',
]
);
A gép planning állapotba lép, sorba állítja a műveletét, és elindítja a kutatási munkafolyamatot.
Tervezési művelet: a munkafolyamat indítása
namespace App\StateMachines\Actions;
use Queuety\Contracts\StateAction;
use Queuety\Enums\WaitMode;
use Queuety\Queuety;
final class DispatchResearchWorkflowAction implements StateAction
{
public function handle( array $state, ?string $event = null, array $event_payload = [], array $payload = [] ): array|string
{
$message = trim( (string) ( $event_payload['message'] ?? '' ) );
$agent_workflow = Queuety::workflow( 'support_research_agent' )
->then( ResearchTopicStep::class );
$research_workflow = Queuety::workflow( 'support_research_packet' )
->then( PlanResearchTasksStep::class )
->start_agents( 'agent_tasks', $agent_workflow )
->wait_for_agents( mode: WaitMode::All, result_key: 'agent_results' )
->then( SynthesizeResearchPacketStep::class )
->then( NotifySessionResearchReadyStep::class );
$workflow_id = $research_workflow->dispatch( [
'machine_id' => $state['session_machine_id'],
'thread_id' => $state['thread_id'],
'customer_prompt' => $message,
] );
return [
'latest_user_message' => $message,
'research_workflow_id' => $workflow_id,
'_event' => 'research_dispatched',
];
}
}
Ez az állapotművelet nem maga végzi el a kutatást. Elindít egy munkafolyamatot, és rögzíti annak azonosítóját a gép állapotában.
Munkafolyamat-lépés: a gép értesítése, amikor elkészül a kutatás
namespace App\Workflow\Steps;
use Queuety\Queuety;
use Queuety\Step;
final class NotifySessionResearchReadyStep implements Step
{
public function handle( array $state ): array
{
Queuety::machine_event(
$state['machine_id'],
'research_completed',
[
'research_packet' => $state['research_packet'],
]
);
return [];
}
public function config(): array
{
return [];
}
}
Amikor a munkafolyamat befejeződik, visszaküldi a research_completed jelet a gépnek, és az esemény adatcsomagjaként mellékeli az összesített anyagot.
Válaszadó művelet: a Neuron meghívása a munkamenet memóriájával
namespace App\StateMachines\Actions;
use App\Neuron\SupportAgent;
use NeuronAI\Chat\Messages\UserMessage;
use Queuety\Contracts\StateAction;
final class RespondWithNeuronAction implements StateAction
{
public function handle( array $state, ?string $event = null, array $event_payload = [], array $payload = [] ): array|string
{
// Queuety creates actions with `new RespondWithNeuronAction()`, so build dependencies here.
$pdo = new \PDO( $_ENV['NEURON_DB_DSN'], $_ENV['NEURON_DB_USER'], $_ENV['NEURON_DB_PASSWORD'] );
$agent = new SupportAgent(
threadId: $state['thread_id'],
pdo: $pdo,
);
$message = $agent->chat(
new UserMessage(
sprintf(
"Answer the user message '%s' using this research packet:\n\n%s",
$state['latest_user_message'],
json_encode( $state['research_packet'] ?? [], JSON_PRETTY_PRINT )
)
)
)->getMessage();
return [
'assistant_reply' => $message->getContent(),
'_event' => 'response_ready',
];
}
}
A válasz létrehozása után a gép visszatér a awaiting_user állapotba, amelyben a nyilvános állapot már tartalmazza a frissített választ. Ezután ugyanaz a munkamenet újabb user_message eseményt fogadhat, és folytatódhat.
Miért tisztább ez, mint egyetlen nagy munkafolyamat
A nehéz munka továbbra is munkafolyamatként zajlik, mert a kutatáshoz tervezésre, szakértői futtatásokra, összesítésre és szintézisre van szükség. A hosszú életű ügyfélszolgálati beszélgetés pedig állapotgépként működik, mert a munkamenetnek nyomon kell követnie, hogy felhasználói üzenetre vár, a kutatásra vár, vagy már válaszolhat.
Ez a felosztás olvashatóvá teszi a futásidejű kódot, és egyértelművé a munkamenet modelljét.