运行时流式输出

TriggerFlow 支持独立于结果的运行时流：它不改变主信号链，但可以实时输出进度、步骤或状态片段。

为什么需要运行时流

AI 结果往往是逐步生成的，用户期待“边生成边看到”。TriggerFlow 内部可能进行了多路编排与并发，但外部体验仍应保持连续、即时的反馈。运行时流的价值就在于：不暴露内部复杂度，却能把进度与中间片段稳定交付给用户侧。

生成与消费

python

from agently import TriggerFlow, TriggerFlowEventData

flow = TriggerFlow()

@flow.chunk
async def stream_steps(data: TriggerFlowEventData):
  data.put_into_stream("step-1")
  data.put_into_stream("step-2")
  data.stop_stream()
  return "done"

flow.to(stream_steps)

for event in flow.get_runtime_stream("start", timeout=None):
  print("[stream]", event)

关键规则

runtime_stream 与 result 相互独立。
未调用 stop_stream() 会一直等待，需设置 timeout 防止阻塞。