Cosa è davvero qui un flusso di lavoro
La maggior parte degli strumenti di «flusso di lavoro» nello spazio dell'IA sono concatenazioni di prompt con un sottile strato sopra. Il costruttore di ToRun è un grafo aciclico diretto (DAG) di passi tipizzati: colleghi invocazioni di modello, chiamate a strumenti, rami condizionali, cicli e sottoflussi in un grafo, e il motore li esegue in ordine di dipendenza, in parallelo dove il grafo lo consente.
Ogni passo è un'entità di prima classe con la propria configurazione: tipo di passo (chiamata LLM, ricerca web, esecuzione di codice, generazione di immagini, recupero, trasformazione, ecc.), schema di ingresso, politica di errore (fallire subito, riprovare con attesa, passare a un'alternativa), tetto di budget di esecuzione per passo e timeout.
L'instradamento del modello dentro ogni passo LLM passa dalla stessa pipeline di capacità di tutto il resto in ToRun. Dichiari ciò che ti serve — output strutturato, visione, uso di strumenti, ragionamento, una finestra di contesto di almeno N token — e l'esecutore risolve il modello che meglio corrisponde tra i fornitori disponibili in quel momento. Se il fornitore preferito restituisce un 5xx, la catena di ripiego subentra automaticamente.
Esecutori con priorità alla qualità e cosa significa in pratica
Quando esegui un flusso, l'esecutore sceglie deliberatamente modelli di livello qualità invece dell'opzione più economica. Due ragioni: le automazioni producono artefatti (rapporti, contenuti generati, codice) che nessuno rilegge subito, quindi i difetti di qualità si accumulano in silenzio; e a volume moderato la differenza di costo è inferiore al prezzo di un output scadente che impone di rieseguire o correggere a mano.
In pratica significa che un flusso «riassumi la ricerca e redigi un rapporto» preferirà un modello di ragionamento solido per il riassunto e un modello di testo di alta qualità per la stesura, invece di correre verso il minimo di prezzo. Puoi sovrascrivere per singolo passo se sai che lì basta un modello leggero.
La fatturazione segue il resto di ToRun: ogni invocazione di modello dentro un flusso scrive esattamente un record con un'istantanea di tariffa congelata. Un'esecuzione che chiama tre modelli diversi su cinque passi produce cinque record. Puoi verificare il costo esatto di ogni esecuzione, ripartito per passo, a posteriori — anche mesi dopo, quando i prezzi dei fornitori si saranno mossi.
Diagnosticare un'esecuzione
Ogni esecuzione di flusso produce una tracciatura strutturata. La tracciatura mostra il DAG con ogni nodo annotato: ora di inizio, ora di fine, modello risolto, conteggio dei token in ingresso e in uscita, chiamate a strumenti effettuate ed eventuale errore. Sui passi LLM puoi espandere il prompt esatto inviato e la risposta grezza ricevuta.
Se un passo fallisce, la tracciatura ti dice se l'errore proviene dalla chiamata al modello (errore del fornitore, superamento del contesto, rifiuto per politica dei contenuti), da uno strumento a valle (timeout di rete, fallimento di validazione dello schema) o dalla tua logica condizionale. Non devi aggiungere registrazione: viene catturata a livello di infrastruttura a ogni esecuzione.
Ogni esecuzione può essere ripetuta con lo stesso ingresso, il che rende diretto riprodurre un guasto.
Un piccolo esempio: flusso settimanale di intelligence competitiva
Immagina un flusso che avvii ogni lunedì mattina:
- Passo di ricerca web — cerca la copertura recente di un insieme di parole chiave dei concorrenti e restituisce un elenco di indirizzi ed estratti.
- Passo di recupero — riporta gli ultimi quattro rapporti da una base di conoscenza per fissare il contesto di partenza.
- Passo di riassunto (LLM) — distilla i risultati di ricerca in constatazioni strutturate: nuove funzioni, cambi di prezzo, annunci rilevanti.
- Passo di stesura (LLM) — scrive una nota interna concisa in uno stile di casa coerente, ancorata alle constatazioni riassunte.
- Passo di consegna — pubblica la nota verso un endpoint webhook configurato.
Il grafo ha una dipendenza naturale: il passo 3 dipende dal 1 e dal 2 (che possono girare in parallelo), il 4 dipende dal 3, il 5 dipende dal 4. L'esecutore procede così senza alcuna configurazione esplicita di parallelismo: legge gli archi.