用显式依赖约束 Agent 的执行顺序
文章用同一求和并保存简报的任务,对照模型自主交接、图条件路由与预设工作流三种编排方式。示例基于 Strands 的任务列表和依赖数组控制执行顺序,并提供版本、运行脚本及原始输出。
AI 深度解读
把 Agent 串成固定流程,能减少模型乱选下一步的风险,但流程顺序可控,不等于结果可靠。作者用 Strands 的 workflow 工具做了九组实验,发现它确实能按依赖调度、并行执行,却没有同时提供结构化交接、失败重试和有效的超时限制。
对准备把 AI 编程脚本接进日常任务的程序员,这篇最有价值的地方是拆清了两个问题:谁决定下一步,以及谁判断上一步真的成功。两者之间,差着不少工程工作。
顺序交给代码,模型还剩多少自由
实验核验于 2026-11-16,环境是 Python 3.11、strands-agents 1.63.0、strands-agents-tools 0.8.11,模型为 Bedrock 在 us-east-1 提供的 amazon.nova-pro-v1:0。这是运行在自己进程里的 Python 库,workflow 是工具包里的工具,并非托管编排服务。
任务很小:读取 brief-input.json 中三个虚构的节点 token 数,用 sum_tokens 求和,再用 save_draft 保存不超过 100 词的简报。作者前两篇分别用 swarm 和 graph 执行过同一任务:swarm 让模型通过工具调用交接任务,graph 把转向条件写成 Python 判断,workflow 则提前列好任务和 dependencies。
入口统一为 workflow(action=...)。create_workflow 校验并保存任务,start_workflow 循环调用 get_ready_tasks。下面这段源码决定了谁能执行:
def get_ready_tasks(self, workflow: Dict) -> List[Dict]:
"""Get list of tasks that are ready to execute (dependencies satisfied)."""
ready_tasks = []
for task in workflow["tasks"]:
task_id = task["task_id"]
# Skip completed or running tasks
if workflow["task_results"][task_id]["status"] != "pending":
continue
# Check dependencies
dependencies_met = True
if task.get("dependencies"):
for dep_id in task["dependencies"]:
if workflow["task_results"][dep_id]["status"] != "completed":
dependencies_met = False
break
if dependencies_met:
ready_tasks.append(task)
# Sort by priority (higher priority first)
ready_tasks.sort(key=lambda x: x.get("priority", 3), reverse=True)
return ready_tasks
关键是检查依赖状态的那一行:只有全部为 completed,任务才会进入候选批次。priority 只影响排序,不会让任务越过依赖。
实测 research → calc → write 没有重叠,相邻步骤约隔 0.1 秒,这是运行时保存状态的间隙。另一次让 p1、p2、p3 都没有依赖,各调用休眠三秒的工具,三个任务同时启动,结束时间相差不到 0.3 秒,总耗时 6.66 秒,低于仅休眠部分串行就要花的九秒。
不过,每一步仍然是完整的 Agent 循环。模型不能改依赖图,却仍能决定调用什么工具、生成什么回答。
workflow 固定了调度顺序,没有固定每一步的业务行为。
上一步输出 JSON,为什么还不算数据契约
create_workflow 只要求 task_id、description 非空,补上 priority=3、timeout=300、dependencies=[],再检查依赖名称是否存在。
作者额外声明 output_schema、returns、expects、validator,create 仍然成功。这些字段随着 task.copy() 原样写进 JSON,却没有代码读取它们。配置被保存,不代表配置生效。
真正传给下游的内容,是从上游结果中提取的 text,再拼进提示词。源码通过 Results from 和 Previous task results 这样的文本包装,把它放在当前 description 前面,没有反序列化、字段类型或校验器。
线性实验里,calc 把结果写成解释文字加 Markdown 代码块;另一次要求只输出原始 JSON,模型也照做了:
{"total": 3640, "cost_usd": 0.002912}
两次都能继续执行,但后一次依赖模型配合。其他运行甚至把 <thinking> 内容一并传下去。下游收到的是一段需要模型重新理解的文字。
其中 3640 是测试文件里的虚构 token 总数,0.002912 是工具返回的对应费用,不能当成这次 workflow 的真实消耗。
这里也解释了为什么幂等性不能靠任务名解决。重新运行后,同一个 task_id 可能对应另一份模型输出;若 save_draft 写入外部系统,运行时没有提供业务版本、幂等键或重复写入判断。作者建议把结构化结果放进自己的存储,再传递引用键;副作用则交给外部幂等台账管理。
失败、恢复和预算,为什么都可能失真
最反直觉的是工具抛异常后的表现。作者让 flaky 调用 explode,工具直接抛出 RuntimeError。Agent 循环捕获异常,把错误文本交回模型;模型随后用自然语言说明失败。
workflow 看到 stop_reason != "error",便把 flaky 标为 completed,让依赖它的 write 继续运行,最终报告 2/2 成功、成功率 100.0%。模型正常结束回答,和业务操作成功,被当成了同一件事。
换成模型调用本身失败,情况又不同。作者在 model_settings 中填入不存在的模型 ID,Bedrock 抛出 ValidationException,bad 被标为 error,依赖它的 down 一直 pending。此时既没有可运行任务,也没有正在执行的任务,循环仍不退出。外部计时保护在 18 秒后停止实验,状态文件依然是 running。
恢复执行也有具体缺陷。start_workflow 每次调用都执行 completed_tasks = set(),只把本次提交并返回的任务加入集合;历史 completed 任务被调度器跳过,无法计入退出条件。
跨三个进程的实验说明,持久化确实有效:第一个进程 create,第二个读取文件后用 7.75 秒完成两个任务,第三个再次 start,却在 14 秒内没有返回,也没有执行任何任务。pause、resume 两个 action 则直接返回 not yet implemented。
手工改 JSON 同样不能在原进程里重置任务。WorkflowManager 是单例,持有内存状态,每轮都会写盘;作者把 write 改回 pending 后,它又被覆盖成 completed,save_draft 的调用次数仍为一次。每轮 time.sleep(0.1) 只让空转慢一些。
时间和费用限制也没有兜底。timeout=1 的任务调用休眠三秒的工具,实际运行 7.06 秒后仍为 completed,因为 timeout 字段只被保存,从未被读取。workflow 也没有 total_tokens 或 budget 字段。
费用指标来自每个任务的 metrics_to_string(),保存的是文本,例如 Tokens: in=1093, out=89, total=1182。三个任务分别消耗 1182、1325、1437 tokens,合计 3944;作者另行累加模型消息中的 usage,也得到 3944。账算得上,但求和与核对都是作者额外做的。
配置项、成功状态和落盘文件,都需要追问运行时到底怎样使用它们。
我的判断
作者把源码和实验配在一起,证据比较扎实:串行对照并行,工具异常对照模型异常,全新启动对照带历史状态启动。对所测版本而言,timeout 未读取、恢复计数错误、pause 和 resume 未实现,都有明确机制解释,不能归结为模型偶尔没听话。
但结论有边界。九组运行和三个跨进程阶段,每次只有两三个任务、一个模型、短提示词;耗时与 token 数是这些运行的观察值,不是生产性能基准,也不能代表其他版本。原文末尾还被截断,不能补猜缺失内容。
「不适合解析步骤输出」也应理解为它缺少内建保障。应用仍可自己加解析、校验和存储,只是这部分可靠性并非 workflow 提供。普通 Python 函数串联更容易明确传参和处理异常;成熟任务队列或持久化工作流引擎则是有恢复需求时的比较对象,原文没有给出这些替代方案的对照数据。
幂等风险的方向成立,但实验没有覆盖并发写、外部写成功后尚未保存状态便崩溃,以及真实数据库的去重行为。作者提出的是需要验证的问题,并未证明某种去重方案已经可靠。
这个工具适合固定顺序、允许独立步骤并行、输出以文字为主且副作用可丢弃或已做幂等的任务。若为了补齐恢复、预算、数据契约,最后写出了一整层控制代码,就该重新评估采用它的收益。
能拿来做什么
- 给 AI 编程流程接入保存简报、创建记录等写操作前,先用测试工具抛一次异常,检查业务失败是否会被标成 completed,并观察下游是否继续执行。
- 让 Node 或 Python 程序消费上游结果时,在自己的代码里解析并校验字段,将结果存储后传引用键;不要把 output_schema 写进任务字典就视为已有保障。
- 需要重跑时,先给 save_draft 一类操作设计稳定的业务幂等键,再验证重复执行。当前实验版本只能通过 delete、create、start 全量重建,不能把它当作失败节点续跑。
- 复现实验时使用指定版本和 Python 3.11,并在进程外设置时间保护。src/common.py 显式固定 us-east-1 和 amazon.nova-pro-v1:0,修改 AWS_DEFAULT_REGION 不能重定向调用;还需提供 AWS 凭据并开通对应区域的模型访问。