mastra-ai/mastra
一句话理解
把开放式判断交给智能体,把必须遵循的步骤交给工作流。智能体根据目标决定是否调用工具,并可根据工具返回的信息继续处理。工作流则由开发者明确规定步骤顺序、分支和可并行的环节。
它解决什么问题
把大模型接进 TypeScript 应用后,一次请求可能还需要查业务资料、调用工具,或等人确认才能继续。Mastra 把这些环节组织在同一个框架里。以一次业务请求为单位,成功的标准是应用能根据请求和已有资料给出可核对的结果,并在需要审批的地方停住,收到决定后再继续。开发者也可以观察执行过程,弄清结果是在哪一步产生的。
从输入到输出
一、应用把用户请求交给智能体或工作流,两者都可以接入现有应用,也可以通过独立端点提供。二、需要模型判断时,通过统一接口调用所选服务。模型服务不可用时,依赖这次调用的步骤就拿不到模型结果。三、如果判断依赖业务资料,就给智能体提供对话历史或从业务数据源检索信息。资料缺失时,模型仍可能生成文字,但缺少相应的业务依据。四、智能体可以根据目标选择工具并利用返回结果继续判断。需要固定顺序时,由工作流按预设步骤和分支推进。五、需要人工确认时,执行暂停,存储负责记住暂停点和执行状态。缺少能保存这些状态的存储,就无法依靠这一机制接着处理。六、执行完成后,应用可以向用户交付结果,开发者可以用框架提供的观测和评估能力检查运行过程与输出。
用一个小任务理解
理解示例(未实测):假设门店收到一条请求「订单 108 收到的尺码不对,想换一件」,测试资料中有该订单的记录和一条允许换货的规则。先让智能体读取订单与规则,生成一份写明依据的换货答复草稿。再让工作流把草稿交给客服确认,并暂停在确认环节。客服批准后,工作流从暂停处继续,把答复交给应用展示。这个设想的预期输出是一段写明订单号、换货条件和下一步办理方式的答复。
改变一个条件会怎样
预测与验证(待检验):从同一份已生成的草稿开始做两次对照,只改变是否提交批准。预计提交批准的一次会继续执行并交付答复,尚未提交的一次会停在审批环节。验证时,在相同的观察时段内比较两次运行停在哪一步,以及应用是否收到最终答复。若待审批的一次也交付了答复,就检查交付步骤是否放在审批之后。
适合谁,哪里会失效
根据资料推断:这套框架适合已经在用 TypeScript、需要把模型和业务数据或多步处理接在一起的团队。如果任务只是按固定规则查一个字段,普通程序就能完成,额外引入模型只会增加依赖。如果业务要求每项判断都能对照规则,就应把硬性判断写进明确的步骤,或安排人工复核。现有资料未给出状态恢复失败时的处理细节,也未提供具体业务场景的可靠性测试结果。
第一次尝试时看什么
根据资料推断:从入门模板和安装指南开始,先把尝试范围收在一条测试订单、一条换货规则和一个审批点。用 Studio 检查草稿、暂停和恢复三个结果。要把这个流程接入真实业务,再查暂停与恢复文档,确认所用存储如何保存执行状态,以及恢复时需要提供哪些信息。
发表回复