维护状态

默认情况下，AgentWorkflow 在运行之间是无状态的。这意味着智能体不会保留之前运行的任何记忆。

为了维护状态，我们需要跟踪之前的状态。在LlamaIndex中，工作流有一个Context类，可用于在运行期间和运行之间维护状态。由于AgentWorkflow只是一个预构建的工作流，我们现在也可以使用它。

from llama_index.core.workflow import Context

为了在运行之间保持状态，我们将创建一个名为ctx的新上下文。我们传入工作流以正确配置此上下文对象，供将使用它的工作流使用。

ctx = Context(workflow)

通过我们配置的上下文，我们可以将其传递给首次运行。

response = await workflow.run(user_msg="Hi, my name is Laurie!", ctx=ctx)
print(response)

这给我们带来了：

Hello Laurie! How can I assist you today?

现在如果我们再次运行工作流程来询问后续问题，它将记住这些信息：

response2 = await workflow.run(user_msg="What's my name?", ctx=ctx)
print(response2)

这给我们带来了：

Your name is Laurie!

在较长时间内维持状态

上下文是可序列化的，因此可以保存到数据库、文件等中，并在之后重新加载。

JsonSerializer 是一个简单的序列化器，它使用 json.dumps 和 json.loads 来序列化和反序列化上下文。

JsonPickleSerializer 是一个使用 pickle 序列化和反序列化上下文的序列化器。如果您的上下文中存在不可序列化的对象，可以使用此序列化器。

我们像导入其他内容一样引入序列化器：

from llama_index.core.workflow import JsonPickleSerializer, JsonSerializer

然后我们可以将上下文序列化为字典并保存到文件中：

ctx_dict = ctx.to_dict(serializer=JsonSerializer())

我们可以将其反序列化回 Context 对象，并像之前一样提问：

restored_ctx = Context.from_dict(
    workflow, ctx_dict, serializer=JsonSerializer()
)

response3 = await workflow.run(user_msg="What's my name?", ctx=restored_ctx)

你可以查看此示例的完整代码。

工具与状态

工具也可以被定义为能够访问工作流上下文。这意味着您可以从上下文中设置和检索变量，并在工具中使用它们，或在工具之间传递信息。

AgentWorkflow 使用一个名为 state 的上下文变量，该变量对每个智能体都可用。您可以依赖 state 中的信息，无需显式传递即可使用。

要访问上下文，上下文参数应作为工具的第一个参数，正如我们在此处所做的那样，在一个简单地将名称添加到状态的工具中：

async def set_name(ctx: Context, name: str) -> str:
    async with ctx.store.edit_state() as ctx_state:
        ctx_state["state"]["name"] = name

    return f"Name set to {name}"

我们现在可以创建一个使用此工具的智能体。您可以选择性地提供智能体的初始状态，我们将在此处执行：

workflow = AgentWorkflow.from_tools_or_functions(
    [set_name],
    llm=llm,
    system_prompt="You are a helpful assistant that can set a name.",
    initial_state={"name": "unset"},
)

现在我们可以创建一个上下文并向智能体询问状态：

ctx = Context(workflow)

# check if it knows a name before setting it
response = await workflow.run(user_msg="What's my name?", ctx=ctx)
print(str(response))

这给我们带来了：

Your name has been set to "unset."

然后我们可以在智能体的新运行中明确设置名称：

response2 = await workflow.run(user_msg="My name is Laurie", ctx=ctx)
print(str(response2))

Your name has been updated to "Laurie."

我们现在可以再次询问智能体名称，或者直接访问状态的值：

state = await ctx.store.get("state")
print("Name as stored in state: ", state["name"])

这给我们带来了：

Name as stored in state: Laurie

你可以查看此示例的完整代码。

接下来我们将学习流式输出与事件。