Agent method 按固定顺序调用子函数#

调用大模型（可选），按代码写死的顺序调用多个子函数。

适用场景#

• 研究流程：调研 → 找 gap → 生成想法
• 论文流程：写初稿 → 审稿 → 修改
• 数据流程：采集 → 清洗 → 分析
• 任何步骤顺序固定的多步任务

设计要点#

• 把流程写成一个 Agent method
• 按固定顺序调用多个子 Agent method
• 调用模型可选：不调（纯串联），或调任意多次 llm()（每次创建一个子节点）
• 子函数之间通过 Python 变量传递数据
• 子 method 跑在调用它的 method 的 Runtime 上，不需要逐层传 Runtime

示例：不调模型，纯串联#

from openprogram import Agent

class ExampleAgent(Agent):
    method_options = {
        'research_pipeline': {'tool': True},
    }

    def research_pipeline(self, task: str) -> dict:
        """执行完整研究流程：调研 → 找 gap → 生成想法。

        Args:
            task: 研究主题。

        Returns:
            包含 survey、gaps、ideas 的结果字典。
        """
        survey = survey_topic(topic=task)
        gaps = identify_gaps(survey=survey)
        ideas = generate_ideas(gaps=gaps)

        return {"survey": survey, "gaps": gaps, "ideas": ideas}

_example_agent = ExampleAgent()
research_pipeline = _example_agent.research_pipeline

示例：调一次模型做总结#

from openprogram import Agent
from openprogram.agentic_programming import llm

class ExampleAgent(Agent):
    method_options = {
        'research_pipeline': {'tool': True},
    }

    def research_pipeline(self, task: str) -> str:
        """执行完整研究流程并总结结果。

        Args:
            task: 研究主题。

        Returns:
            整合后的研究总结。
        """
        survey = survey_topic(topic=task)
        gaps = identify_gaps(survey=survey)
        ideas = generate_ideas(gaps=gaps)

        return llm(
            f"Survey:\n{survey}\n\n"
            f"Gaps:\n{gaps}\n\n"
            f"Ideas:\n{ideas}"
        )

_example_agent = ExampleAgent()
research_pipeline = _example_agent.research_pipeline

上下文树#

research_pipeline
├── survey_topic       ← 第1步
├── identify_gaps      ← 第2步
└── generate_ideas     ← 第3步

步骤之间的数据传递#

子函数之间通过 Python 变量传递，不需要大模型参与：

survey = survey_topic(topic=task)
gaps = identify_gaps(survey=survey)

survey_topic 的返回值直接作为 identify_gaps 的输入参数。

步骤之间插入 Python 处理#

survey = survey_topic(topic=task)

# 中间插入普通 Python 处理
key_points = extract_key_points(survey)
filtered = [p for p in key_points if p["relevance"] > 0.5]

gaps = identify_gaps(survey="\n".join(filtered))

错误处理#

survey = survey_topic(topic=task)
if not survey or "error" in survey.lower():
    return {"error": "Survey failed", "survey": survey}

gaps = identify_gaps(survey=survey)

与"大模型选择调用"的区别#