智能体工作流 是一种利用人工智能智能体（AI Agent）来自动化和优化业务流程的技术。AI智能体通过理解和分析数据，执行任务，并根据需要与人类协作提升工作效率、减少错误，帮助企业更快速地响应市场需求。

2024年8月，知名AI专家吴恩达在演讲中探讨了AI智能体工作流的趋势。吴恩达认为，智能体工作流将在未来三到五年内成为企业数字化转型的核心技术，尤其是在提升流程效率和推动创新方面具有不可替代的价值。

1、什么是智能体工作流

“智能体”可以有多种定义，有些客户将智能体定义为完全自主的系统，这些系统能够在较长时间内独立运行，使用各种工具完成复杂任务。而另一些客户则将智能体描述为遵循预定义工作流的更具指导性的实现。

智能体Agents：是指LLM动态指挥其自身的流程和工具使用的系统，并保持对任务完成方式的控制权。工作流Workflows：是指通过预定义的代码路径对LLM和工具进行编排的系统。

工作流就像是一条流水线，把复杂的任务拆分成多个简单的步骤，每一步都有明确的目标和流程。通俗定义：工作流指的是一系列步骤或任务，通过预定义的顺序和规则，完成特定目标的一种方法。

可以把它想象成你每天早晨的例行程序：起床、洗漱、吃早餐、出门上班。每个步骤都有固定的顺序，如果打乱了顺序，可能会影响整个流程的效率。基本公式 在工作流的框架下，步骤和规则的关系可以概括为：

工作流 = 步骤1 + 步骤 2 + … + 步骤 3

其中，每个步骤都是一个独立的任务，工作流决定了任务的执行顺序和条件

总体系统图

[输入] --> [任务1] --> [任务2] --> [任务3] --> [输出]             
            |            |             
           [规则]       [规则]   

“流水不争先，争的是滔滔不绝。” 每一个有条理的工作流，这就这样的流水。

工作流的魅力在于，它能够将复杂的任务分解成简单可行的步骤。每一步都是相对简单的，但组合起来却能完成复杂的服装制作。依靠着将每一个复杂的任务拆分成每一个小部分，我们能细化每一步，分工合作，达成目标。在我们的日常生活中，工作流无处不在。例如：

厨师的烹饪流程：选材 ➡️ 清洗 ➡️ 切配 ➡️ 调味 ➡️ 烹煮 ➡️ 装盘 🍽️

中医诊疗的流程：望闻问切 ➡️ 辨证论治 ➡️ 开具药方 ➡️ 煎药服用 🏥

这些看似平凡的流程，其实都是经过精心设计的工作流。它们就像是我们大脑中的"自动驾驶"系统 。

如果我们把大语言模型比作一个非常聪明但经验不足的新员工。我们需要做的，就是给这个"员工"一套清晰的指令，让他能够按部就班地完成任务。

这里有一个有趣的类比：你有没有用过自动化的咖啡机？你只需要按一个按钮，它就能给你煮出一杯完美的拿铁。工作流就像是这台咖啡机的"程序"，它将复杂的咖啡制作过程拆解成一系列简单的步骤，确保每一次都能得到同样美味的咖啡。

简单的理解为把大模型当做一个“人”，让他按照既定的流程完成一项任务，并取得一定的成果。但工作流的意义远不止于此，它可以达到

• 效率提升：通过自动化重复性任务，我们可以将时间和精力集中在更有价值的工作上。

• 质量保证：标准化的流程可以确保产品或服务的一致性，提高客户满意度。

• 规模化能力：一旦建立了有效的工作流，我们就可以更容易地扩大业务规模，而不会牺牲质量。

2、 智能体设计的五种模式

在生产中见到的智能体设计模式有五种。下面从我们的基础构建块——增强型LLM——开始，并逐步增加复杂性，从简单的组合工作流程到自治代理。

2.1. 增强型LLM

2.2. 提示链

2.3. 路由器

2.4. 并行化

2.5. 协调器-工作者

2.6. 评估-优化器

这些模式是生产实践的总结，并非就是标准的、不可修改的，开发者可以根据实际情况修改和组合使用，他们是开发者可以根据不同用例塑造和组合的常见模式。在LLM领域取得成功并不在于构建最复杂的系统。而在于为您的需求构建正确的系统。从简单的提示开始，通过全面的评估进行优化，只有在更简单的解决方案不足时，才考虑添加多步骤的设计模式。成功的关键，就是评估并持续迭代它们，并且不要过早引入业务复杂度。

3、 工作流的优势和构建过程

工作流提高了智能体的稳定性和可复现性。通过精细控制每一步的逻辑和输出，开发者可以更高质量地处理复杂任务。同时，工作流还支持多种节点类型和丰富的功能扩展选项，为开发者提供了极大的灵活性和便利性。

1. 创建工作流：开发者可以在文心智能体平台的首页或零代码智能体的高级配置中创建工作流。工作流名称需要以英文字母开头，并支持英文、下划线和数字。同时，需要清晰描述工作流的使用场景与能力运行逻辑。

2. 编排工作流：在编排页面，开发者可以通过拖拽和连接节点来构建工作流。他们需要明确每个节点的输入和输出参数，并配置相应的逻辑和流程设计。

3. 测试工作流：在创建和编排完成后，开发者需要对工作流进行测试。这包括测试工作流的调用稳定性、输入准确性和输出过程与结果等。只有试运行成功的工作流才可以发布。

4. 发布工作流：经过测试并确认无误后，开发者可以将工作流发布到文心智能体平台。这样，其他开发者或用户就可以在需要时调用该工作流。

5. 为智能体配置工作流：在零代码智能体的高级配置中，开发者可以为智能体添加工作流。他们需要在智能体的思考路径中描述在什么样的场景下调用工作流，并通过模拟用户需求指令来测试工作流的运行效果。

4、智能体工作流的应用场景

应用场景：工作流适用于需要处理多个步骤且对最后结果要求很严格的任务场景。例如，在智能客服系统中，可以使用工作流来处理用户的复杂问题或请求；在内容创作系统中，可以使用工作流来生成符合特定风格和要求的文章或图片等。

传统工作流程虽然能够按预定规则执行，但这些规则通常非常复杂，需要人工干预和即时决策。企业必须投入大量时间、资源和精力，以确保流程按照预期执行。

而在智能体工作流中，任务由可以采取行动、做出决策并与人类或其他系统交互的 AI智能体或智能系统自动执行或协助执行。这些智能体与人类一起工作或者代替人类，根据预定义的规则或学习到的模式做出决策。

智能体工作流在客户服务和支持中的应用场景主要包括自动化处理常见客户查询、订单跟踪、问题解答和服务请求。AI代理能够理解客户的需求，实时提供准确的解决方案，减少客户等待时间，提高响应效率。当遇到复杂问题时，AI代理可以将问题交给人工客服处理，确保高效的服务质量。

智能体工作流在供应链中的应用场景包括库存管理、订单处理、供应商沟通和物流协调。AI代理能够实时监控库存水平，自动检查缺货情况并与供应商进行沟通，确保及时补货。当订单出现延迟或其他问题时，AI代理能够自动调整物流安排，优化配送路径并通知相关团队进行处理。此外，AI代理还能够预测市场需求变化，提前调整库存，确保供应链的流畅运行。

5、 总结

智能体工作流特别适合需要灵活性和响应能力的多步骤复杂任务，能够提升业务效率，降低运营复杂性。 与传统基于预定义规则和静态执行路径的工作流不同，智能体工作流全面融合智能高效性，能实时调整以达到最佳效果。

通过DeepSeek、ChatGPT这样的生成式大模型，AI智能体能够快速处理任务，而无需事先计划或查看其他信息。通过使用多样本提示和检索增强生成（RAG）等技术，AI智能体的表现可以显著提升，更好地适应复杂任务和实时决策。

随着AI技术的发展，智能体工作流将在多个行业中发挥越来越重要的作用，帮助企业提高效率、节省成本并增强竞争力。

6、如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享**

一、2025最新大模型学习路线

一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1级别:AI大模型时代的华丽登场

L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的核心原理，关键技术，以及大模型应用场景；通过理论原理结合多个项目实战，从提示工程基础到提示工程进阶，掌握Prompt提示工程。

L2级别：AI大模型RAG应用开发工程

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3级别：大模型Agent应用架构进阶实践

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体；同时还可以学习到包括Coze、Dify在内的可视化工具的使用。

L4级别：大模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

整个大模型学习路线L1主要是对大模型的理论基础、生态以及提示词他的一个学习掌握；而L3 L4更多的是通过项目实战来掌握大模型的应用开发，针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

二、大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

三、大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

四、大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

五、大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取

2024最新版CSDN大礼包：《AGI大模型学习资源包》免费分享