由 LLM 驱动的助手需要执行多个步骤来处理用户的请求，形成思维链。与消息 (Message) 不同，步骤 (Step) 具有类型、输入/输出以及开始/结束。

根据 config.ui.cot 设置，完整的思维链可以完全显示、隐藏或仅显示工具调用。

在Literal AI 中，完整的思维链会被记录下来，用于调试和重放。

​
一个简单的工具调用示例

让我们来看一个简单的思维链示例，它接收用户的消息，进行处理并发送响应。

import chainlit as cl


@cl.step(type="tool")
async def tool():
    # Simulate a running task
    await cl.sleep(2)

    return "Response from the tool!"


@cl.on_message
async def main(message: cl.Message):
    # Call the tool
    tool_res = await tool()

    # Send the final answer.
    await cl.Message(content="This is the final answer").send()

上方代码的输出

​
Step API

有两种创建 Step 的方式：使用 `@cl.step` 装饰器或使用 `cl.Step` 类。

@cl.step

更易使用，但需要将 Step 逻辑拆分到函数中。

with cl.Step():

更详细，但作为 Python 上下文管理器可在任何上下文中使用。