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...

```python #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} ```

``` --------------------------------------------------------------------------- ```

```python #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