Quando passi dai semplici chatbot agli agenti AI veri e propri, prima o poi ti scontri con il muro del "timeout". I task complessi - come ricercare competitor, scrivere report, compilare dati o fare code review di una PR - richiedono tempo. Se ti affidi a una singola sessione sincrona, il tuo agente inevitabilmente andrà in timeout, perderà il contesto o crasherà a metà del lavoro.
È qui che entra in gioco OpenClaw TaskFlow. Lo sto usando per orchestrare i miei sistemi multi-agente e cambia completamente il modo in cui strutturi i workflow AI. Invece di sperare che uno script finisca tutto in una volta, TaskFlow ti offre job duraturi e stateful che possono generare processi figli, aspettare l'input umano e riprendersi dai fallimenti.
Ecco una guida pratica su come implementarlo.
Il Problema degli Agenti Sincroni
Quando ho iniziato a costruire workflow agentici, li trattavo come normali chiamate a funzioni. Dai un input all'agente e aspetti l'output. Funziona benissimo per generare una regex al volo o riassumere un'email.
Ma cosa succede quando chiedi a un agente di "analizzare queste 50 issue su GitHub, preparare le PR per i bug facili e chiedere una review per quelli complessi"?
- La context window esplode.
- I rate limit delle API ti bloccano.
- La sessione va in timeout mentre aspetta una compilazione in background.
Ti serve un modo per distaccare il lavoro (rendendolo detached), salvare il suo stato e coordinare molteplici sub-agenti.
Entra in Scena TaskFlow
TaskFlow è la risposta di OpenClaw all'orchestrazione asincrona dei job. Permette a un agente di creare un Job, assegnargli un owner e tracciare il suo stato (pending, running, blocked, completed, failed).
La vera magia è che i job di TaskFlow sono duraturi. Se il tuo gateway si riavvia o la tua macchina locale va in stop, i job rimangono nel sistema. Appena il sistema torna online, gli agenti assegnati riprendono esattamente da dove si erano interrotti.
Vuoi integrare AI nel tuo business?
Contattami per una consulenza su come implementare workflow di agenti AI duraturi nella tua azienda.
Costruire un Workflow di Triage per la Inbox
Guardiamo un esempio reale: un agente per il triage della posta. Ricevo centinaia di email al giorno. Alcune sono newsletter, altre richieste di clienti e altre ancora alert urgenti dei server.
Invece di avere un prompt gigantesco che processa tutto, uso TaskFlow per spezzettare il lavoro.
Step 1: L'Agente Dispatcher
Il primo agente fa da dispatcher. Gira con una schedulazione cron, legge le nuove email tramite l'integrazione Himalaya e crea un job TaskFlow per ciascuna.
# Il dispatcher crea un nuovo task
taskflow create \
--title "Triage email da Cliente X" \
--type "email_triage" \
--context '{"msg_id": "12345", "from": "[email protected]"}' \
--owner "agent:triage_worker"Step 2: Gli Agenti Worker
Gli agenti triage_worker restano in ascolto dei nuovi job a loro assegnati. Quando prendono in carico il task, leggono l'intera email, determinano l'intento e agiscono.
Se è una richiesta semplice, generano una bozza, la salvano e segnano il task come completed.
Se richiede il mio input (es. "Vuoi prendere questo lavoro di consulenza?"), il worker cambia lo stato del job in blocked_on_human e mi crea una notifica.
Step 3: Gestire i Sub-Task
A volte un task è troppo grande per un solo worker. Ad esempio, se un'email chiede una proposta tecnica basata su un PDF allegato di 50 pagine.
Il worker può generare dei task figli usando TaskFlow:
taskflow create \
--title "Analisi allegato PDF" \
--parent-id "<job_id>" \
--owner "agent:pdf_analyzer"Il worker principale a quel punto imposta il proprio stato su waiting_on_child e cede la sua sessione. Non brucia token o tempo di calcolo mentre aspetta. Una volta che il pdf_analyzer ha finito, OpenClaw risveglia il worker padre passandogli i risultati.
Perché Questo è Cruciale per CTO e Dev
Se stai costruendo prodotti che integrano AI, non puoi affidarti a loop di chat sincroni. Ti serve un'architettura che ricordi i microservizi o le code in background (come Sidekiq o Celery).
TaskFlow fornisce esattamente questo, ma è costruito nativamente per l'imprevedibilità degli LLM. Ti costringe a scrivere agenti modulari, single-purpose, che fanno una cosa bene e riportano il risultato.
Scopri i miei progetti
Dai un occhio ai progetti su cui sto lavorando e alle tecnologie che utilizzo.
Come Iniziare
Per iniziare a usare TaskFlow, non devi installare database esterni o Redis. È integrato direttamente nel toolkit standard di OpenClaw. Ti basta leggere la documentazione della skill taskflow nella tua installazione di OpenClaw e iniziare a spezzettare i tuoi prompt monolitici in job più piccoli e asincroni.
Costruire sistemi agentici non significa solo trovare un modello più intelligente; significa costruire un sistema migliore attorno ai modelli che abbiamo già. E la gestione stateful e duratura dei task è le fondamenta di quel sistema.