1Agentic AI 工作流入门

1. Agentic AI 工作流入门

1.1 什么是Agentic AI

　　"非智能体"工作流是 zero-shot 模式：用户给一个 prompt，LLM 一次性完成整个任务，中间不回头修改。

　　Agentic AI 工作流将复杂任务拆解为多个步骤，由一个或多个 LLM 逐步执行。两种模式的差异：

　　以写文章为例，agentic 工作流的步骤：写大纲→判断是否需要搜索→执行搜索→写初稿→反思修订→最终定稿。步骤更多，但输出质量显著高于 zero-shot。

1.2 自主性等级

　　不同系统的自主程度不同。用"Agentic"（形容词）而非"Agent"（名词）描述更准确——一个系统可以"具有某种程度的智能体特性"，而不必纠结它是否"足够自主"。

　　低自主性：所有步骤预先设定，工具调用硬编码，模型只负责生成文本。比如"写黑洞论文"，工程师预先写好流程：LLM 生成搜索词→调搜索 API→抓取网页→LLM 整合成文。模型不参与决策。

　　高自主性：模型自主决定步骤顺序、选择工具、甚至创建新工具。同样是"写黑洞论文"，模型自己决定用 web search 还是 arXiv，自己判断哪些来源更可靠，写完初稿后自己反思并改进。

1.3 为什么需要Agentic AI

优势	说明
性能跃升	工作流带来的提升大于模型版本升级
并行加速	多实例并行执行，总耗时比人类顺序操作更短
模块化	工具和模型都可替换，灵活组合

　　HumanEval 编码测试数据：

　　GPT-3.5 zero-shot 正确率约 48%，GPT-4 zero-shot 约 67%。但将 GPT-3.5 放入 agentic 工作流（写代码→反思→改进），性能可以达到甚至超过 GPT-4 zero-shot 的水平。

　　并行加速的原理：人类写论文是顺序操作——搜索、阅读、再搜索、再阅读。Agentic 工作流可以同时启动多个 LLM 实例并行搜索、并行抓取网页，最后汇总。步骤更多，但总耗时更短。

　　模块化意味着工作流中的工具和模型都可以替换。搜索环节可以从 Google 换成 Bing 或专业搜索引擎；不同步骤可以用不同模型，选择该步骤表现最好的那个。

1.4 应用场景速览

场景	难度	核心能力
发票处理	低	PDF 解析、字段提取、数据库写入
客户邮件回复	低	信息提取、数据库查询、邮件生成
通用客服代理	中	动态规划 API 调用、条件判断
视觉操作	高	浏览器操作、错误恢复、多模态理解

　　发票处理：PDF 转文本→LLM 提取字段（开票方、金额、到期日）→调用工具写入数据库。将财务人员的重复录入工作自动化。

　　客户邮件回复：LLM 提取邮件关键信息→查询订单数据库→起草回复→人工审核→发送。保留人工审核环节确保准确性。

　　通用客服代理：处理开放式问题（库存查询、退货处理），模型需要动态规划 API 调用顺序，根据条件判断后续行动。

　　视觉操作：让 AI 像人类一样操作浏览器——打开网页、填表单、点击按钮。遇到错误时自主切换策略。目前不稳定，但在金融、医疗等场景潜力大。

1.5 任务分解

　　任务分解是构建 agentic 工作流的核心技能。

1.5.1 方法论

1. 观察人类行为：如果一个人要完成这个任务，他会怎么做？
2. 拆解步骤：将任务拆成独立、清晰的子步骤
3. 评估可行性：每个子步骤能否用 LLM 或工具实现？
4. 迭代优化：效果不好就继续拆细

　　核心原则：如果某一步效果不好，就把它再拆成更小的子步骤。

1.5.2 实例：写深度论文

　　三种方法的对比：

　　方法一（1步） ：直接让 LLM 写→内容表面化，缺乏深度。

　　方法三（5步） ：写大纲→网络搜索→写初稿→反思哪些部分需要修订→修订草稿。模拟人类"写作-反思-修改"循环，输出质量显著提高。

1.5.3 实例：回复客户投诉邮件

1. 提取关键信息：LLM 解析邮件，提取发件人、订单号、商品、问题
2. 查询订单数据库：调用 orders database query 工具核实订单
3. 撰写并发送回复：LLM 根据信息起草邮件，调用 send email API 发送

1.5.4 实例：发票信息提取

1. 查找所需信息：LLM 分析文本，识别账单方、地址、金额、日期
2. 保存到数据库：调用 update database 工具写入

　　只有两步，但体现了任务分解的本质：将目标拆解为可执行的动作。

1.5.5 构建模块

　　所有 agentic 工作流都由两类构件组成：

• 模型：LLM 负责文本生成、工具决策、信息提取；其他 AI 模型处理非文本数据（PDF 转文本、语音合成、图像分析）
• 工具：API 执行外部服务（搜索、邮件、日历）；信息检索从数据库获取数据；代码执行处理复杂计算

1.5.6 设计原则

1. 从简单开始：先做 1-3 步的原型，再逐步扩展
2. 模块化：每个步骤尽量独立、可复用
3. 容错与反馈：加入检查、评审步骤，避免错误累积
4. 持续迭代：没有一步到位的完美工作流

1.6 评估（Evals）

　　评估是 Andrew Ng 反复强调的核心能力——能否进行严格、有纪律的评估，是区分"做得好"与"做得差"的最大预测因素。

1.6.1 评估方法论

　　先构建，再观察，后评估：不要试图在构建前设计所有评估标准。先做出初步版本，手动检查输出，找到希望改进的地方。

　　识别低质量输出：比如客服 agent 回复"我们比竞争对手 CompCo 强多了"——这种在构建前难以预见的问题，需要实际运行后才能发现。

　　构建客观指标：针对识别出的问题，创建可量化的追踪指标。比如定义"提及竞争对手"为错误类型，编写脚本自动扫描所有输出，统计提及次数。

　　LLM-as-Judge：当评估标准主观（如论文质量）时，用另一个 LLM 作为裁判，设计评分提示词对输出打分（1-5 分）。

1.6.2 评估类型

类型	衡量对象	示例
端到端评估	整个智能体的最终输出	论文最终得分
组件级评估	单个步骤的输出质量	"提取关键信息"的准确性

1.7 四大设计模式

　　Agentic 工作流的核心是将复杂任务分解为"构建模块"，通过设计模式组合起来。

模式	核心思想	详见
反思	模型对输出进行检查、评估、改进	第2章
工具使用	赋予模型调用外部工具的能力	第3章
规划	模型自主决定任务步骤序列	第5章
多智能体	多个智能体协同工作	第5章