Level 8: Workflows — Briefing

Level 8: Workflows — mehrere LLM-Calls zu Pipelines orchestrieren

TL;DR

Workflows orchestrieren mehrere LLM-Calls zu komplexen Pipelines. Statt einem grossen Prompt: viele kleine, spezialisierte Schritte. Du lernst, wie Du sequentielle Workflows baust, Fortschritt ans Frontend streamst, eigene Agent-Loops implementierst und Loops gezielt abbrichst, bevor sie ausser Kontrolle geraten.

Skill Tree

Was Du Lernst

Workflows — mehrere generateText-Calls sequentiell verketten, wobei der Output von Step N zum Input von Step N+1 wird
Streaming to Frontend — Workflow-Fortschritt in Echtzeit ans Frontend streamen mit createDataStream und Custom Data Parts
Custom Loop — eigene Agent-Loops bauen mit voller Kontrolle über Abbruchbedingungen, State-Tracking und Messages-Array
Breaking the Loop — Endlosschleifen verhindern mit Max-Iterations, Timeout, Cost Guard und Quality Checks

Warum Das Wichtig Ist

In Level 3 hast Du Agents kennengelernt, die Tools autonom nutzen. Aber was, wenn die Aufgabe nicht nur ein Tool braucht, sondern eine ganze Pipeline — erst recherchieren, dann zusammenfassen, dann formatieren? Ein einzelner riesiger Prompt wird schnell unzuverlaessig. Workflows zerlegen komplexe Aufgaben in spezialisierte Schritte, die Du einzeln testen, debuggen und optimieren kannst.

Das konkrete Problem: Du willst eine Research-Pipeline bauen, die Quellen sucht, Ergebnisse zusammenfasst und einen fertigen Report erstellt. Ein einzelner LLM-Call produziert inkonsistente Ergebnisse. Mit Workflows steuerst Du jeden Schritt separat — und wenn etwas schiefgeht, weisst Du genau, wo.

Voraussetzungen

Level 3: Agents & MCP — Tool Calling, Multi-Step Agents, stopWhen (Challenge 3.1-3.3)
Level 7: Streaming — Custom Data Parts, createDataStream, writeData, mergeIntoDataStream (Challenge 7.1)
TypeScript — async/await, while-Loops, AbortController

Projektverzeichnis: Erstelle einen neuen Ordner level-8-workflows/ für die Dateien dieses Levels. Du brauchst keine neuen Pakete — ai, @ai-sdk/anthropic und zod aus vorherigen Levels genuegen.

Skip-Hinweis: Du baust bereits Custom Agent Loops mit eigenen Abbruchbedingungen, streamst Fortschritt ans Frontend und hast Timeout-Guards implementiert? Spring direkt zur Boss Fight und baue eine Multi-Step Research Pipeline.

Challenges

8.1 — Workflow Sequentielle `generateText`-Calls, Output-Verkettung, spezialisierte Steps

8.2 — Streaming to Frontend `createDataStream` + `writeData` für Step-Fortschritt, Frontend-Konsum

8.3 — Custom Loop Eigener while-Loop, Messages-Array, State-Tracking, finishReason-Check

8.4 — Breaking the Loop Max-Iterations, Timeout, Cost Guard, Quality Check, Partial Results

Boss Fight

Baue eine Multi-Step Research Pipeline — ein System, das ein Thema recherchiert (Custom Loop mit Tools), Fortschritt in Echtzeit streamt, die Ergebnisse zusammenfasst (Workflow) und mit Safeguards geschuetzt ist (Max-Iterations, Timeout, Cost Limit). Du kombinierst alle vier Bausteine dieses Levels in einem Projekt.