agent就是智能体 ... 

何为智？就是善假于物

这里的物就是工具箱，定义了一系列工具，让大模型调用... 
大模型负责调度，具体细节由工具实现... 
    

 
#创建一个工作流
wf = Agently.Workflow()

@wf.chunk()
def add1(inputs, storage):
    a = inputs["default"]
    return a +1

@wf.chunk()
def add10(inputs, storage):
    a = inputs["default"]
    return a + 10

(
    wf
        .connect_to("add1")
        .connect_to("add10")
        .connect_to("END")
)

wf.start(1)
    

 
{'default': 12}
    

 
---------------------------------------------------------------------------  
    

 
#创建一个工作流
wf = Agently.Workflow()

@wf.chunk()
def add1(inputs, storage):
    a = inputs["default"]
    storage.set("step1", f"step1:a=a+1={a+1}")
    return a +1

@wf.chunk()
def add10(inputs, storage):
    a = inputs["default"]
    storage.set("step2", f"step2:a=a+10={a+10}")
    return a + 10

@wf.chunk()
def print_step(inputs, storage):
    print(storage.get("step1"))
    print(storage.get("step2"))
    return inputs["default"]

(
    wf
        .connect_to("add1")
        .connect_to("add10")
        .connect_to("print_step")
        .connect_to("END")
)

wf.start(1)
    

 
step1:a=a+1=2
step2:a=a+10=12
{'default': 12}

 
每个方法必须有return，workflow把上一个方法return的值，传递给下一个方法的inputs的default
而 storage则是流程中固定的字典