workflow(工作流)指将多个任务步骤、工具或 AI 模型按固定逻辑编排连接的执行方式,在 AI Agent 领域是与自主 Agent 并列的两大核心架构之一。它强调预先定义好的流程路径,适合步骤可预期的任务;而 Agent 则让模型自行决策下一步。当前 AI 应用开发圈围绕"该用 workflow 还是 Agent"的讨论明显升温,评测与可编排规模成为新的关注点。
workflow 近期进展
当前焦点与观察点
争议核心是 workflow 与 Agent 的边界。前者可控、可预测、易调试,适合内容生产、IT 支持、数据处理等步骤明确的任务;后者灵活但成本和不确定性更高。Dify 等平台的观点是"按任务选架构",而非单一架构通吃。
另一个趋势是评测驱动开发成为工作流优化的主流方法。Jerry Liu 提出先定义 eval 再爬坡优化,Hamel Husain、Shreya Shankar 和 Lenny Rachitsky 也分别发布了进阶版评测系统构建指南和AI 评测指南,表明工作流的质量保障正从经验调优转向系统化评测。
小型模型在 workflow 中的角色同样值得关注:Llama 3.2-3B 在本地部署执行药物发现规划时,工具选择 F1 达 0.998,说明在结构化工作流中,低成本小模型配合明确的流程约束已能达到很高的可靠性。腾讯云 WAND 在 SF Tech Week 上展示的AI 视频与创意智能体布局,也印证大厂正把工作流编排能力嵌入创意生产场景。