跳转至

结果

当你调用 Runner.run 方法时，你会得到：

二者都继承自 RunResultBase，大多数有用信息都在这里。

最终输出

final_output 属性包含最后一个运行的智能体的最终输出。它可能是：

  • 一个 str，如果最后一个智能体未定义 output_type
  • 一个类型为 last_agent.output_type 的对象，如果该智能体定义了输出类型。

Note

final_output 的类型是 Any。由于存在任务转移，我们无法进行静态类型标注。如果发生任务转移，意味着任意智能体都可能成为最后一个智能体，因此我们在静态上无法知道可能的输出类型集合。

下一轮输入

你可以使用 result.to_input_list() 将结果转换为一个输入列表，它会把你提供的原始输入与智能体运行期间生成的条目进行拼接。这样便于将一次智能体运行的输出传递到另一次运行中，或在循环中运行并每次追加新的用户输入。

最后的智能体

last_agent 属性包含最后一个运行的智能体。根据你的应用场景，这对下一次用户输入通常很有用。例如，如果你有一个前线分诊智能体会进行任务转移到特定语言的智能体，你可以存储最后的智能体，并在用户下次向智能体发送消息时复用它。

新增条目

new_items 属性包含此次运行期间生成的新条目。每个条目都是一个 RunItem。运行条目会封装由 LLM 生成的原始条目。

  • MessageOutputItem 表示来自 LLM 的消息。原始条目是生成的消息。
  • HandoffCallItem 表示 LLM 调用了任务转移工具。原始条目是来自 LLM 的工具调用条目。
  • HandoffOutputItem 表示发生了一次任务转移。原始条目是对任务转移工具调用的工具响应。你还可以从条目中访问源/目标智能体。
  • ToolCallItem 表示 LLM 调用了一个工具。
  • ToolCallOutputItem 表示一个工具被调用。原始条目是工具响应。你也可以从条目中访问工具输出。
  • ReasoningItem 表示来自 LLM 的推理条目。原始条目是生成的推理。

其他信息

安全防护措施结果

input_guardrail_results 和 output_guardrail_results 属性包含安全防护措施的结果（如果有）。这些结果有时包含你可能想要记录或存储的有用信息，因此我们将其提供给你。

原始响应

raw_responses 属性包含由 LLM 生成的 ModelResponse。

原始输入

input 属性包含你提供给 run 方法的原始输入。大多数情况下你可能不需要它，但在需要时它是可用的。