67 LlamaIndex 工作流：事件驱动的抽象与实战指南

最新推荐文章于 2025-10-10 19:31:21 发布

原创

最新推荐文章于 2025-10-10 19:31:21 发布 · 1k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#LLM #算法 #RAG #自然语言处理 #llamaindex

《LlamaIndex 工作流：事件驱动的抽象与实战指南》

在现代编程中，事件驱动的抽象是一种强大的工具，能够帮助我们构建高效、灵活的系统。LlamaIndex 提供了一种名为“Workflow”的事件驱动抽象，它通过链式处理多个事件来实现复杂的业务逻辑。本文将深入探讨 LlamaIndex 中的 Workflow 如何工作，并通过实际示例帮助你快速上手。

一、Workflow 概述

Workflow 是 LlamaIndex 中的一种事件驱动抽象，用于将多个事件串联起来。每个 Workflow 由多个步骤组成，每个步骤负责处理特定类型的事件并发出新的事件。

二、Workflow 的工作原理

Workflow 通过使用 @step() 装饰器来装饰函数，从而推断每个步骤的输入和输出类型，确保每个步骤只在接收到可接受的事件时运行。

三、创建一个简单的 Workflow

让我们通过一个简单的示例来理解 Workflow 的创建过程。假设我们想要创建一个生成笑话并进行评论的 Workflow。

from llama_index.core.workflow import (
    Event,
    StartEvent,
    StopEvent,
    Workflow,
    step,
)

# 安装 llama-index-llms-openai 如果你还没有安装
from llama_index.llms.openai import OpenAI

class JokeEvent(Event):
    joke: str

class JokeFlow(Workflow):
    llm = OpenAI()

    @step()
    async def generate_joke(self, ev: StartEvent) -> JokeEvent:
        topic = ev.topic
        prompt = f"Write your best joke about {
     
     topic}."
        response = await self.llm.acomplete(prompt)
        return JokeEvent(joke=str(response))

    @step()
    async def critique_joke(self, ev: JokeEvent) -> StopEvent:
        joke = ev.joke
        prompt = f"Give a thorough analysis and critique of the following joke: {
     
     joke}"
        response = await self.llm.acomplete(prompt)
        return StopEvent(result=str(response))

w = JokeFlow(timeout=60, verbose=False)
result = await w.run(topic="pirates")