agentic pipeline（智能体流水线）是指把多个大模型智能体按规划、执行、校验等环节串联协作的工作流程框架，在当前 AI 工程实践中被视为连接单次模型调用与复杂自主任务之间的关键中间层。它强调让模型分步骤、可验证地完成长链条任务，而非一次性生成结果。
agentic pipeline 近期进展
当前焦点与观察点
从这些工作看，agentic pipeline 的关注点正从“单模型能力”转向“流程设计”：任务分解粒度、阶段间信息传递、以及失败时的回溯与校验机制，成为决定效果的核心变量。
第二个焦点是评估环境。实时、可交互的环境（如 Gym-Anything-RT 的思路）让流水线能在接近真实条件的长程任务中被检验，而不仅依赖静态基准。
第三个观察点是外部结构化知识的引入。知识图谱作为“底座”参与诊断与决策，可能降低纯语言推理的幻觉风险，但也会带来检索与维护成本。对工程团队而言，如何在复杂度与收益之间取舍，仍是 agentic pipeline 落地的核心问题。