Αυτοματοποίηση ροών εργασίας πολλαπλών βημάτων
Σε αυτήν τη σελίδα
Το μάθημα ενημερώθηκε στις 3 Νοεμβρίου 2026 σύμφωνα με τις οδηγίες ενσωμάτωσης της Χρήσης Υπολογιστή (Computer Use) της OpenAI: ο πράκτορας δεν διαχειρίζεται πλέον τη σύνδεση· η επικύρωση εντολών και οι διακλαδώσεις που δεσμεύουν τον χρήστη (κριτικές, νέες παραγγελίες) απαιτούν ανθρώπινη επιβεβαίωση· ο ενορχηστρωτής ελέγχει πλέον το κριτήριο
success_text_containsπου προηγουμένως αγνοούσε, επισημαίνει τα αποτυχημένα βήματα αντί να τα παρακάμπτει και δεν επαναλαμβάνει ποτέ ένα βήμα που δημιουργεί δεδομένα. Πηγή: Επιβεβαίωση και συγκατάθεση.
Ενορχήστρωση σύνθετων εργασιών
Οι ροές εργασίας στον πραγματικό κόσμο σπάνια αποτελούνται από μία μόνο ενέργεια. Η συμπλήρωση ενός CRM περιλαμβάνει πλοήγηση μεταξύ σελίδων, εύρεση μιας επαφής, ενημέρωση των πληροφοριών της και στη συνέχεια δημιουργία μιας ευκαιρίας—τέσσερις αλυσιδωτές λειτουργίες, καθεμία από τις οποίες μπορεί να αποτύχει για τους δικούς της λόγους. Η ανάθεση ολόκληρου αυτού του μπλοκ σε έναν πράκτορα με μία μόνο εντολή λειτουργεί μερικές φορές, αλλά δεν θα μάθετε ποτέ πού ακριβώς έγινε το σφάλμα. Αυτό το μάθημα σας διδάσκει να δομείτε αυτές τις αυτοματοποιήσεις πολλαπλών βημάτων ώστε κάθε σύνδεσμος να είναι παρατηρήσιμος και επαναλήψιμος.
Αρχιτεκτονική βασισμένη σε βήματα
Ξεκινήστε διασπώντας τη ροή εργασίας σε ατομικά βήματα, το καθένα με σαφή στόχο και ένα κριτήριο επιτυχίας. Αυτό το κριτήριο είναι που ξεχωρίζει μια λίστα εργασιών από μια πραγματική ροή εργασίας: χωρίς αυτό, ο ενορχηστρωτής σας δεν μπορεί να διακρίνει αν ο πράκτορας πέτυχε πραγματικά ή σταμάτησε σε μια σελίδα σφάλματος. Στο παρακάτω παράδειγμα, το άνοιγμα της ενότητας επαληθεύεται μέσω του URL και η αναζήτηση μέσω της παρουσίας του ονόματος της επαφής στην οθόνη. Η σύνδεση δεν περιλαμβάνεται εδώ: ο κώδικάς σας το διαχειρίστηκε εκ των προτέρων, χωρίς να εκθέσει τον κωδικό πρόσβασης στο μοντέλο (Μάθημα 8). Το τελικό βήμα έχει "retry": False επειδή δημιουργεί δεδομένα: η επανάληψή του μετά από μερική αποτυχία θα μπορούσε να δημιουργήσει διπλότυπο.
workflow = [
{
"name": "open_contacts",
"task": "Open the Contacts module in the CRM.",
"success_url_contains": "/contacts",
},
{
"name": "search_contact",
"task": "Search for contact 'Jean Dupont' in the search bar.",
"success_text_contains": "Jean Dupont",
},
{
"name": "update_record",
"task": "Open Jean Dupont's profile and update their phone number: 06 98 76 54 32.",
},
{
"name": "create_opportunity",
"task": "Create an opportunity: 'Cloud Migration Q2 2026', amount 50000 EUR, probability 60%.",
"retry": False, # non-replayable step: creates data
},
]
Ο ενορχηστρωτής
Τώρα πρέπει να εκτελέσετε αυτή τη λίστα. Ο ενορχηστρωτής διατρέχει τα βήματα διαδοχικά, τυλίγοντας το καθένα σε έναν βρόχο επανάληψης: ένα βήμα που προκαλεί εξαίρεση ή αποτυγχάνει στο κριτήριο επιτυχίας του επαναλαμβάνεται έως και max_retries φορές, εκτός αν έχει σημειωθεί ως μη επαναλήψιμο. Αυτή η λεπτομέρεια έχει σημασία στην παραγωγή, καθώς πολλές αποτυχίες οπτικών πρακτόρων είναι παροδικές—μια αργή σελίδα, μια ημιτελής απόδοση κατά τη λήψη του στιγμιότυπου. Ένα βήμα που αποτυγχάνει οριστικά σταματά τη ροή εργασίας, καθώς τα επόμενα βήματα εξαρτώνται από αυτό. Τέλος, ο ενορχηστρωτής επιστρέφει ένα δομημένο αρχείο καταγραφής που υποδεικνύει, για κάθε βήμα, την κατάστασή του και τον αριθμό των προσπαθειών που καταναλώθηκαν: το πρώτο σας εργαλείο διάγνωσης.
def run_workflow(workflow: list, page, max_retries: int = 2):
"""Executes a multi-step workflow with retries."""
results = []
for step in workflow:
step_name = step["name"]
print(f"\n--- Step: {step_name} ---")
attempts = max_retries + 1 if step.get("retry", True) else 1
error = "success criterion not met"
for attempt in range(attempts):
try:
run_agent(step["task"], page=page)
# Optional checks: URL, then visible text
url_check = step.get("success_url_contains")
if url_check and url_check not in page.url:
print(" Expected URL not found")
continue
text_check = step.get("success_text_contains")
if text_check and text_check not in page.locator("body").inner_text():
print(" Expected text not found")
continue
print(f" Success (attempt {attempt + 1})")
results.append({"step": step_name, "status": "success", "attempts": attempt + 1})
break
except Exception as e:
print(f" Error: {e}")
error = str(e)
else:
# No attempt succeeded: subsequent steps depend on this one
results.append({"step": step_name, "status": "failed", "error": error})
break
return results
Μεταφορά δεδομένων μεταξύ βημάτων
Συχνά, ένα βήμα παράγει δεδομένα απαραίτητα για το επόμενο: η τιμή που διαβάστηκε σε μια σελίδα καλαθιού πρέπει να επαληθευτεί στο βήμα ολοκλήρωσης αγοράς· ο αριθμός υπόθεσης που δημιουργήθηκε στο βήμα 2 χρησιμεύει ως αναφορά στο βήμα 5. Ένα κοινό πλαίσιο (context) λύνει αυτή την ανάγκη χωρίς να μετατρέπει τον κώδικά σας σε ένα κουβάρι από καθολικές μεταβλητές. Το παρακάτω παράδειγμα σταματά σκόπιμα πριν την πληρωμή: η OpenAI ταξινομεί την επιβεβαίωση μιας οικονομικής συναλλαγής ως ενέργεια που απαιτεί επικύρωση από τον χρήστη τη στιγμή της εκτέλεσης. Η παρακάτω κλάση αποθηκεύει ζεύγη κλειδιού-τιμής και εκθέτει μια μέθοδο inject που αντικαθιστά τους δείκτες {key} σε ένα πρότυπο εντολής, επιτρέποντάς σας να γράφετε τις εργασίες σας ως παραμετροποιημένα πρότυπα.
class WorkflowContext:
"""Stores data shared between steps."""
def __init__(self):
self.data = {}
def set(self, key: str, value):
self.data[key] = value
def get(self, key: str, default=None):
return self.data.get(key, default)
def inject(self, template: str) -> str:
"""Replaces {key} variables in the template."""
task = template
for key, value in self.data.items():
task = task.replace("{" + key + "}", str(value))
return task
# Usage example
ctx = WorkflowContext()
# Step 1: agent reads a price
extracted_price = run_agent(
"Read the total price displayed and return only the number.",
page=page
)
ctx.set("price", extracted_price.strip())
# Step 2: agent verifies, without validating anything
verdict = run_agent(ctx.inject(
"The expected amount is {price} EUR. Compare it to the total on the payment page "
"and answer only OK or MISMATCH. Do not validate anything."
), page=page)
# Step 3: a transaction is confirmed at the moment of action, by a human
if verdict.strip() == "OK":
if input(f"Confirm order for {ctx.get('price')} EUR? [y/N] ").strip().lower() == "y":
run_agent("Click the order confirmation button.", page=page)
Υπό όρους ροές εργασίας
Οι γραμμικές ακολουθίες φτάνουν γρήγορα στα όριά τους, καθώς το επόμενο βήμα μπορεί να εξαρτάται από το προηγούμενο αποτέλεσμα. Το μοτίβο που πρέπει να θυμάστε είναι το εξής: ζητήστε πρώτα από τον πράκτορα να διαβάσει μια κατάσταση περιορίζοντάς τον να απαντήσει με μια τιμή από ένα κλειστό σύνολο και στη συνέχεια δημιουργήστε διακλαδώσεις στην Python. Για την παρακολούθηση παραγγελιών, μια κατάσταση «σε επεξεργασία» οδηγεί στην παρακολούθηση του πακέτου, η κατάσταση «παραδόθηκε» στην ανάκτηση της ημερομηνίας παράδοσης και η κατάσταση «ακυρώθηκε» στην ανάκτηση του λόγου. Οι περιορισμοί μορφής στην εντολή είναι απαραίτητοι: χωρίς αυτούς, ο πράκτορας επιστρέφει μια πρόταση που οι συγκρίσεις σας θα χάσουν τακτικά. Και οι τρεις διακλαδώσεις παραμένουν μόνο για ανάγνωση: η δημοσίευση μιας κριτικής ή η επαναπαραγγελία θα δέσμευε τον χρήστη και θα απαιτούσε την επιβεβαίωσή του.
def conditional_workflow(page):
"""Workflow with conditional branching."""
# Step 1: Read status
status = run_agent(
"Read the order status. "
"Return only: processing, delivered, or canceled.",
page=page
)
# Branch based on result
match status.strip().lower():
case "processing":
return run_agent("Click 'Track package' and note the displayed stage.", page=page)
case "delivered":
return run_agent("Note the displayed delivery date.", page=page)
case "canceled":
return run_agent("Note the displayed cancellation reason.", page=page)
case _:
raise ValueError(f"Unexpected status: {status!r}")
Παραλληλοποίηση
Όταν οι εργασίες είναι ανεξάρτητες, δεν υπάρχει λόγος να τις επεξεργάζεστε διαδοχικά. Η εξαγωγή δεδομένων από τρία φύλλα προϊόντων διαρκεί πολύ λιγότερο χρόνο αν τρεις πράκτορες εργάζονται ταυτόχρονα, ο καθένας στη δική του καρτέλα. Η ασύγχρονη έκδοση του Playwright και το asyncio.gather αρκούν: ένα coroutine ανά URL, ένα new_page ανά coroutine και συστηματικό κλείσιμο της σελίδας για την αποφυγή συσσώρευσης καρτελών στη μνήμη. Το run_agent_async είναι ο βρόχος από το Μάθημα 4 ξαναγραμμένος με τον πελάτη AsyncOpenAI και το ασύγχρονο API του Playwright: η ίδια λογική, με await πριν από κάθε κλήση. Λάβετε υπόψη ότι ο παραλληλισμός πολλαπλασιάζει επίσης τον ρυθμό κλήσεων API, αυξάνοντας τον κίνδυνο να ξεπεράσετε τα όρια χρήσης (Μάθημα 11), καθώς και το φορτίο στον ιστότοπο προορισμού—τρεις καρτέλες περνούν απαρατήρητες, πενήντα πολύ λιγότερο.
import asyncio
from playwright.async_api import async_playwright
async def parallel_extraction(urls: list[str]):
"""Extracts data from multiple pages in parallel."""
async with async_playwright() as pw:
browser = await pw.chromium.launch(headless=True)
async def extract_one(url: str):
page = await browser.new_page(
viewport={"width": 1280, "height": 720}
)
try:
await page.goto(url)
result = await run_agent_async(
"Extract the product title and price.", page=page
)
finally:
await page.close()
return {"url": url, "data": result}
results = await asyncio.gather(
*[extract_one(url) for url in urls]
)
return results
# Run
urls = [
"https://shop.example.com/product/1",
"https://shop.example.com/product/2",
"https://shop.example.com/product/3",
]
data = asyncio.run(parallel_extraction(urls))
Βασικά σημεία
- Διασπάστε τις ροές εργασίας σε ατομικά βήματα με ρητά κριτήρια επιτυχίας
- Επαναλαμβάνετε αυτόματα βήματα που μπορούν να επαναληφθούν με ασφάλεια, ποτέ όμως εκείνα που δημιουργούν δεδομένα
- Χρησιμοποιήστε ένα κοινό πλαίσιο (context) για τη μεταφορά δεδομένων μεταξύ βημάτων
- Οι υπό όρους ροές εργασίας προσαρμόζονται στο περιεχόμενο της σελίδας· οι διακλαδώσεις που δεσμεύουν τον χρήστη απαιτούν την επιβεβαίωσή του
- Παραλληλοποιήστε ανεξάρτητες εργασίες για εξοικονόμηση χρόνου