工作流引擎
管线
每个 ChatObject 运行预编译工作流。默认（Step 驱动）管线：
策略块按模式变化：
python
# STEP_BODY —— 一次任务循环迭代 = 一个 Step
STEP_BODY = NODE_INTRO >> NATIVE_WHILE(iter_cond).ACTION(STEP_EXEC) >> NODE_LEAVEDI 上下文作为状态层
工作流节点是无状态函数；所有状态存在于按参数类型注入的 DI 上下文中 （见数据层）。这就是同一批节点可跨管线复用的原因。
预组合管线
amrita_core.builtins.workflows 提供现成图：
| 管线 | 组合 |
|---|---|
STEP_REACT_BLOCK | STRATEGY_INIT >> AGENT_ENTRY >> NATIVE_DO(STEP_BODY).WHILE(task_cond) >> AGENT_POST_PROCESS |
SIMPLE_STEP_REACT | LOAD_STATE >> JINJA2_RENDER >> BUILD_MESSAGE >> STEP_REACT_BLOCK >> LLM_COMPLETION >> COMMIT_MEMORY |
REACT_BLOCK（遗留） | STRATEGY_INIT >> AGENT_ENTRY >> WHILE(SINGLE_STRATEGY_CALL).ACTION(REACT_COUNTER) >> AGENT_POST_PROCESS |
SIMPLE_REACT（遗留） | LOAD_STATE >> ... >> REACT_BLOCK >> LLM_COMPLETION >> COMMIT_MEMORY |
SIMPLE_CHAT | LOAD_STATE >> JINJA2_RENDER >> BUILD_MESSAGE >> LLM_COMPLETION >> COMMIT_MEMORY |
ChatObject(workflow=...) 接受任意渲染图；workflow 与 archived_nodes 互斥。
循环条件
| 条件 | 何时停止 |
|---|---|
task_cond | 调用上限、_suggested_stop、停滞注入、或全部 DAG 节点完成 |
iter_cond | 调用上限、停滞、token 预算耗尽、exec_finished、或建议停止 |
两者都在 amrita_core.components.react 中，读取 loop.run_state——在循环与 策略之间桥接的语义状态。
下一步
挂起与恢复——中途暂停工作流。