简单一点，可以使用python自带函数

是的，Python自带的网络流库 `networkx` 可以方便地解决最大流问题。下面是使用 `networkx` 求解工作指派问题的示例代码：

import networkx as nx

def solve(n, m, a):
    g = nx.DiGraph()
    s = 's'
    t = 't'
    g.add_node(s)
    g.add_node(t)
    for i in range(n):
        g.add_node(f'w{i}')
        g.add_edge(s, f'w{i}', capacity=1)
        for j in range(m):
            if a[i][j]:
                g.add_node(f'j{j}')
                g.add_edge(f'w{i}', f'j{j}', capacity=1)
        for j in range(m):
            g.add_edge(f'j{j}', t, capacity=1)
    mf = nx.maximum_flow(g, s, t)
    return mf.flow_value

n = 3
m = 3
a = [[1, 0, 1], [0, 1, 0], [1, 0, 1]]
print(solve(n, m, a))  # 输出 3

其中，`nx.DiGraph()` 创建了一个有向图，`s` 和 `t` 分别表示源点和汇点。接下来，对于每个工人和每个工作，分别创建了节点和一条容量为1的边，并将它们与源点和汇点相连。对于每个工人和每个工作之间，如果该工人能够胜任该工作，则创建了一个节点和一条容量为1的边，并将它们与工人和工作相连。最后，使用 `nx.maximum_flow(g, s, t)` 求解最大流，返回最大流的值即可。

这个实现比较简洁，并且不需要手动实现最大流算法。