Automatiziraj višekoračne radne tokove
Na ovoj stranici
Lekcija ažurirana 3. studenog 2026. prema smjernicama OpenAI-ja za integraciju računalne upotrebe: agent više ne rukuje prijavom; validacija naredbi i grane koje obvezuju korisnika (recenzije, nove narudžbe) zahtijevaju ljudsku potvrdu; orkestrator sada provjerava kriterij
success_text_containskoji je prethodno ignorirao, označava neuspjele korake umjesto da ih preskače i nikada ne ponavlja korak koji stvara podatke. Izvor: Potvrda i pristanak.
Orkestriranje složenih zadataka
Stvarni radni tokovi rijetko se sastoje od jedne radnje. Popunjavanje CRM-a uključuje navigaciju između stranica, pronalaženje kontakta, ažuriranje njegovih podataka, a zatim kreiranje prilike – četiri povezane operacije od kojih svaka može iz vlastitih razloga zatajiti. Predavanje cijelog tog bloka agentu u jednom promptu ponekad funkcionira, ali nikada nećeš znati gdje je došlo do kvara. Ova lekcija uči te kako strukturirati ove višekoračne automatizacije tako da svaka karika bude vidljiva i moguća za ponovno pokretanje.
Arhitektura temeljena na koracima
Započni razbijanjem radnog toka na atomske korake, od kojih svaki ima jasan cilj i kriterij uspjeha. Taj kriterij razlikuje popis obaveza od pravog radnog toka: bez njega tvoj orkestrator ne može utvrditi je li agent zapravo uspio ili se zaustavio na stranici s greškom. U primjeru ispod, otvaranje modula verificira se URL-om, a pretraživanje prisutnošću imena kontakta na zaslonu. Prijava ovdje nije uključena: tvoj kod to je riješio unaprijed, bez izlaganja lozinke modelu (Lekcija 8). Završni korak ima "retry": False jer stvara podatke: njegovo ponavljanje nakon djelomičnog kvara moglo bi stvoriti duplikat.
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
},
]
Orkestrator
Sada trebaš izvršiti ovaj popis. Orkestrator prolazi kroz korake sekvencijalno, omatajući svaki u petlju za ponovni pokušaj: korak koji podigne iznimku ili ne ispuni svoj kriterij uspjeha pokušava se ponoviti do max_retries puta, osim ako nije označen kao nepovratan. Ovaj detalj je ključan u produkciji jer su mnogi kvarovi vizualnih agenata prolazni – spora stranica, nepotpuno iscrtavanje u trenutku snimanja zaslona. Korak koji konačno ne uspije zaustavlja radni tok jer svi naredni koraci ovise o njemu. Na kraju, orkestrator vraća strukturirani zapis koji za svaki korak navodi njegov status i broj potrošenih pokušaja: tvoj prvi dijagnostički alat.
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
Prosljeđivanje podataka između koraka
Često jedan korak proizvodi podatke potrebne za sljedeći: cijena pročitana na stranici košarice mora se verificirati u koraku plaćanja; broj predmeta kreiran u 2. koraku služi kao referenca u 5. koraku. Dijeljeni kontekst rješava tu potrebu bez pretvaranja tvog koda u zamku globalnih varijabli. Primjer ispod namjerno staje prije plaćanja: OpenAI klasificira potvrdu financijske transakcije kao radnju koja zahtijeva validaciju korisnika u trenutku izvršenja. Donja klasa pohranjuje parove ključ-vrijednost i izlaže metodu inject koja zamjenjuje oznake {ključ} u predlošku prompta, omogućujući ti da svoje zadatke pišeš kao parametrizirane predloške.
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)
Uvjetni radni tokovi
Linearne sekvence brzo dosežu svoja ograničenja jer sljedeći korak može ovisiti o prethodnom rezultatu. Uzorak koji trebaš zapamtiti je ovaj: prvo zatraži od agenta da očita stanje ograničavajući ga da odgovori vrijednošću iz zatvorenog skupa, a zatim granaj u Pythonu. Za praćenje narudžbi status „u obradi“ vodi do praćenja paketa, „isporučeno“ do dohvaćanja datuma isporuke, a „otkazano“ do dohvaćanja razloga. Ograničenja formata u promptu su ključna: bez njih agent vraća rečenicu koju tvoje usporedbe redovito promašuju. Sve tri grane ostaju samo za čitanje: objavljivanje recenzije ili ponovna narudžba obvezali bi korisnika i zahtijevali njegovu potvrdu.
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}")
Paralelizacija
Kada su zadaci neovisni, nema potrebe za njihovim sekvencijalnim procesuiranjem. Izvlačenje podataka iz tri lista proizvoda traje znatno kraće ako tri agenta rade istovremeno, svaki u svojoj kartici. Playwrightova async verzija i asyncio.gather su dovoljni: jedna korutina po URL-u, jedna new_page po korutini i sustavno zatvaranje stranica kako bi se izbjeglo nakupljanje kartica u memoriji. run_agent_async je petlja iz Lekcije 4 prepisana s klijentom AsyncOpenAI i Playwrightovim async API-jem: ista logika, s await ispred svakog poziva. Imaj na umu da paralelizam također množi propusnost tvojih API poziva, povećavajući rizik od dosezanja ograničenja stope (Lekcija 11), kao i opterećenje ciljne stranice – tri kartice prolaze nezapaženo, pedeset mnogo manje.
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))
Ključne točke
- Razbij radne tokove na atomske korake s eksplicitnim kriterijima uspjeha
- Automatski ponavljaj korake koje je sigurno ponoviti, nikada one koji stvaraju podatke
- Koristi dijeljeni kontekst za prosljeđivanje podataka između koraka
- Uvjetni radni tokovi prilagođavaju se sadržaju stranice; grane koje obvezuju korisnika zahtijevaju njegovu potvrdu
- Paraleliziraj neovisne zadatke radi uštede vremena