极简LLM框架PocketFlow：100行代码构建高效AI应用

1. 项目概述：极简主义LLM框架的设计哲学

在当今AI开发领域，一个令人费解的现象正在蔓延：框架体积不断膨胀，依赖项数量呈指数级增长，而开发者真正需要的核心功能往往只占代码库的极小部分。PocketFlow正是对这种"框架肥胖症"的一次革命性反击——它用100行Python代码实现了大型语言模型(LLM)应用的核心架构，让开发者能够摆脱依赖地狱，专注于业务逻辑的实现。

这个框架的诞生源于作者一年来与主流LLM框架的斗争经验。当发现LangChain等框架的复杂性已经严重阻碍开发效率时，作者决定回归第一性原理：LLM应用的本质究竟是什么？经过对多个实际项目的解构，最终提炼出三个核心抽象概念——节点(Node)、流(Flow)和共享存储(Shared Store)，它们共同构成了一个清晰的有向图模型，足以表达各种复杂的LLM应用场景。

2. 核心架构解析：厨房工作流类比

2.1 节点(Node)：专业化的工作台

在PocketFlow的架构中，节点就像厨房里的各个工作台，每个都专注于特定任务的执行。节点遵循明确的生命周期：

1. 准备阶段(Prep)：从共享存储中获取所需数据
2. 执行阶段(Exec)：对数据进行专业处理
3. 后处理阶段(Post)：将结果存回共享存储，并决定下一步走向

python复制class BaseNode:
    def __init__(self):
        self.params, self.successors = {}, {}
        
    def prep(self, shared): pass       # 准备工作
    def exec(self, prep_res): pass     # 执行任务
    def post(self, shared, prep_res, exec_res): pass  # 后处理
        
    def run(self, shared):
        p = self.prep(shared)
        e = self.exec(p)
        return self.post(shared, p, e)

这种设计使得每个节点都保持高度内聚，开发者可以像搭积木一样组合不同的功能模块，而不用担心底层实现的复杂性。

2.2 流(Flow)：智能调度的工作流

流定义了节点的执行顺序和条件跳转逻辑，类似于厨房中从准备食材到烹饪再到装盘的流程控制。它通过successors字典维护节点间的转移关系，支持基于执行结果的动态路由。

python复制class Flow(BaseNode):
    def __init__(self, start):         
        super().__init__()
        self.start = start
        
    def orch(self, shared, params=None):  # 编排逻辑
        curr = copy.copy(self.start)
        while curr:
            action = curr.run(shared)
            curr = copy.copy(curr.s