Когда AI-приложение состоит из нескольких моделей, отладка Python-кода быстро превращается в запутанный квест. Hugging Face упростил этот процесс, добавив в Gradio функцию gr.Workflow: теперь каждый шаг пайплайна виден и запускается прямо из интерактивного интерфейса.
gr.Workflow позволяет инженерам описывать шаги AI-приложения как граф типизированных узлов. Каждый узел может быть отдельной моделью (через Hugging Face Inference Providers), существующим Gradio Space или кастомной Python-функцией. Это превращает пайплайн в drag-and-drop канвас, где каждый шаг запускаем, а промежуточные результаты видны, что упрощает отладку.
Граф рабочего процесса автоматически становится готовым к использованию REST API, где каждый выходной узел получает свою конечную точку. Кроме того, пайплайн развертывается в Hugging Face Spaces одной командой, что сокращает время от прототипа до продакшена.
Новая функция поддерживает различные сценарии. От последовательной обработки, например, генерации изображения с последующим удалением фона, до параллельного выполнения задач, когда один промпт запускает несколько генераций изображений или анализов датасета. Также есть возможность запускать собственные GPU-модели внутри Space с помощью декоратора @spaces.GPU и функции ZeroGPU.
gr.Workflow объединяет визуальное создание, отладку и развертывание многокомпонентных AI-приложений в один инструмент. Однако Hugging Face не уточнила потенциальные ограничения по сложности графа или возможности управления версиями пайплайнов.