[!IMPORTANT] 请注意：下一代 ControlFlow 引擎已合并至 Marvin agentic 框架中，此仓库现已归档。

ControlFlow

ControlFlow 是一个用于构建 agentic AI 工作流的 Python 框架。

ControlFlow 提供了一个结构化、以开发者为中心的框架，用于定义工作流并将任务委托给 LLM，同时不牺牲控制力或透明度：

• 创建离散、可观测的 tasks，供 AI 处理。
• 为每个任务分配一个或多个专业的 AI agents。
• 将任务组合成 flow，以编排更复杂的行为。

示例

最简单的 ControlFlow 工作流包含一个任务、一个默认 agent 和自动线程管理：

import controlflow as cf

result = cf.run("Write a short poem about artificial intelligence")

print(result)

结果：

In circuits and code, a mind does bloom,
With algorithms weaving through the gloom.
A spark of thought in silicon's embrace,
Artificial intelligence finds its place.

为什么选择 ControlFlow？

ControlFlow 解决了构建既强大又可预测的 AI 驱动应用程序所面临的挑战：

• 🧩 以任务为中心的架构：将复杂的 AI 工作流分解为可管理、可观测的步骤。
• 🔒 结构化结果：通过类型安全、已验证的输出来架起 AI 与传统软件之间的桥梁。
• 🤖 专业化 Agents：部署特定任务的 AI agents 以实现高效的问题解决。
• 🎛️ 灵活的控制：持续调整工作流中控制与自主性之间的平衡。
• 🕹️ 多 Agent 编排：在单个工作流或任务中协调多个 AI agents。
• 🔍 原生可观测性：通过对 Prefect 3.0 的全面支持，监控并调试你的 AI 工作流。
• 🔗 生态系统集成：与你现有的代码、工具以及更广泛的 AI 生态系统无缝协作。

安装

使用 pip 安装 ControlFlow：

pip install controlflow

接下来，配置你的 LLM 提供商。ControlFlow 的默认提供商是 OpenAI，它需要 OPENAI_API_KEY 环境变量：

export OPENAI_API_KEY=your-api-key

如需使用其他 LLM 提供商，请查看 LLM 配置文档。

工作流示例

以下是一个更复杂的示例，展示了用户交互、多步骤工作流和结构化输出：

import controlflow as cf
from pydantic import BaseModel


class ResearchProposal(BaseModel):
    title: str
    abstract: str
    key_points: list[str]


@cf.flow
def research_proposal_flow():

    # 任务 1：从用户处获取研究主题
    user_input = cf.Task(
        "Work with the user to choose a research topic",
        interactive=True,
    )
    
    # 任务 2：生成结构化研究提案
    proposal = cf.run(
        "Generate a structured research proposal",
        result_type=ResearchProposal,
        depends_on=[user_input]
    )
    
    return proposal


result = research_proposal_flow()

print(result.model_dump_json(indent=2))

点击查看结果

对话：

Agent: Hello! I'm here to help you choose a research topic. Do you have 
any particular area of interest or field you would like to explore? 
If you have any specific ideas or requirements, please share them as well.

User: Yes, I'm interested in LLM agentic workflows

提案：

{
    "title": "AI Agentic Workflows: Enhancing Efficiency and Automation",
    "abstract": "This research proposal aims to explore the development and implementation of AI agentic workflows to enhance efficiency and automation in various domains. AI agents, equipped with advanced capabilities, can perform complex tasks, make decisions, and interact with other agents or humans to achieve specific goals. This research will investigate the underlying technologies, methodologies, and applications of AI agentic workflows, evaluate their effectiveness, and propose improvements to optimize their performance.",
    "key_points": [
        "Introduction: Definition and significance of AI agentic workflows, Historical context and evolution of AI in workflows",
        "Technological Foundations: AI technologies enabling agentic workflows (e.g., machine learning, natural language processing), Software and hardware requirements for implementing AI workflows",
        "Methodologies: Design principles for creating effective AI a