工作流和模式

client.submit_task(
    query="计算 10 万美元投资在 8% 年回报率下 5 年的投资回报率"
)

步骤 1：确定公式（ROI = (最终价值 - 初始价值) / 初始价值）
步骤 2：逐年计算增长
步骤 3：计算最终价值（$146,933）
步骤 4：计算 ROI（46.93%）

client.submit_task(
    query="设计一个可扩展的消息队列系统。评估多个架构并推荐最佳方法。"
)

分支 1：基于 Redis 的解决方案
  ├─ 优点：快速、简单、熟悉
  ├─ 缺点：持久性有限、受内存限制
  └─ 评分：7/10

分支 2：基于 Kafka 的解决方案
  ├─ 优点：高吞吐量、持久、经过实战检验
  ├─ 缺点：运维复杂、资源密集
  └─ 评分：9/10

分支 3：基于 RabbitMQ 的解决方案
  ├─ 优点：功能丰富、平衡性好
  ├─ 缺点：吞吐量低于 Kafka
  └─ 评分：8/10

选择：Kafka（对需求评分最高）

client.submit_task(
    query="查找最新的 Rust 异步运行时基准测试"
)

思考："我需要搜索最近的基准测试"
行动：web_search("Rust 异步运行时基准测试 2024")
观察：找到 3 篇来自 2024 年的文章
思考："让我获取详细的比较数据"
行动：web_search("tokio vs async-std vs smol 基准比较")
观察：找到性能数据
思考："现在我可以总结发现"
行动：将结果综合成报告

client.submit_task(
    query="我们应该将单体架构迁移到微服务吗？提供赞成和反对的论据，然后推荐。"
)

智能体 1（支持微服务）：
  - 更好的可扩展性
  - 独立部署
  - 技术灵活性

智能体 2（支持单体）：
  - 运维更简单
  - 更容易调试
  - 延迟更低

智能体 3（综合者）：
  - 评估两方论据
  - 考虑上下文
  - 提供推荐

# 此查询将自动分解为 3 个并行子任务
client.submit_task(
    query="研究：1) GPT-5 能力，2) Claude 3 功能，3) Gemini 更新"
)

# 流式传输事件以查看分解的实际操作
for event in client.stream(workflow_id):
    if event.type == "TASK_DECOMPOSED":
        print(f"任务已分解：{event.message}")
    elif event.type == "SUBTASK_STARTED":
        print(f"子任务已开始：{event.message}")
    elif event.type == "SUBTASK_COMPLETED":
        print(f"子任务已完成：{event.message}")

# 获取任务状态
status = client.get_status(task_id)

print(f"状态：{status.status}")
print(f"进度：{status.progress}")
if status.result:
    print(f"结果：{status.result}")

# 导出工作流历史
make replay-export WORKFLOW_ID=task-123 OUT=history.json

# 针对当前代码重放
make replay HISTORY=history.json

# 如果代码以非确定性方式更改，重放失败

# 在 .env
MAX_AGENTS_PER_TASK=5          # 最大并行智能体数（如启用）
MAX_TOKENS_PER_REQUEST=50000   # 每次请求的令牌预算（LLM 服务）
MAX_COST_PER_REQUEST=5.0       # 每次请求的成本限制（美元，LLM 服务）
AGENT_TIMEOUT_SECONDS=600      # 代理执行超时（编排器）

handle = client.submit_task(query="复杂分析任务")

# 流式传输工作流事件
for event in client.stream(handle.workflow_id):
    print(f"[{event.type}] {event.message}")

for event in client.stream(workflow_id):
    if event.type == "LLM_PROMPT":
        print(f"提示：{event.message}")
    elif event.type == "AGENT_COMPLETED":
        print(f"智能体已完成：{event.agent_id}")

# 在 .env
AGENT_TIMEOUT_SECONDS=300  # 5 分钟限制（每个代理执行）