【Agent智能体专栏】第1篇：智能体工作流简介

摘要

本文系统介绍Agentic AI（智能体AI）的核心概念。内容涵盖：智能体工作流的定义、自主程度光谱、性能收益、典型应用场景、任务分解方法、评估（evals）流程以及四大设计模式概览。适合希望从“直接调用LLM”进阶到“构建多步骤智能体系统”的开发者阅读。

1. 什么是Agentic AI工作流
定义：基于大语言模型（LLM）的应用通过执行多个步骤来完成一个任务的过程。

与传统的“一次性生成”（single-shot generation）不同——后者要求LLM像人一样不修改地从头写到尾——Agentic工作流模拟人类的写作方式：

写大纲 → 做研究 → 写初稿 → 反思 → 修改 → 最终稿

虽然耗时可能更长，但最终产出质量显著更高。
关键技能：将复杂任务分解为多个小步骤，让工作流一次执行一步。

2. 智能体工作流的自主程度
使用“agentic”作为形容词，承认系统可以在自主程度的光谱上分布，而非二元的是/否。

自主级别	描述	可控性	适用场景
低自主	步骤完全由程序员预先确定（如：搜索→获取→写作）	高	大部分商业应用
半自主	LLM可做决策、选择工具，但工具预定义	中	需要一定灵活性的任务
高自主	LLM自主决定步骤序列，甚至创建新工具	低	研究性、实验性项目

实践中，低自主工作流已经非常有价值且易于控制。

3. 智能体工作流的主要好处
3.1 性能大幅提升
基于HumanEval编码基准的测试数据：

模型/方式	正确率
GPT-3.5 直接生成	40%
GPT-4 直接生成	67%
GPT-3.5 + 智能体工作流	> 67%

结论：使用智能体工作流带来的性能提升，比单纯换用下一代模型更大。

3.2 并行加速
可以同时让多个LLM并行生成搜索词、并行下载多个网页，显著快于人类顺序处理。

3.3 模块化
可以方便地替换或升级组件：

换用不同的搜索引擎（Google、Bing、Tavily等）

在不同步骤使用不同的LLM模型

替换数据库查询工具或RAG组件

4. 智能体AI应用示例

应用类型	难度	典型流程
发票处理	较易	PDF转文本 → 提取字段（开票人、金额、到期日）→ 更新数据库
基础客户订单查询	中等	提取订单信息 → 查询订单数据库 → 草拟回复 → 人工审核发送
通用客户服务	较难	LLM自主规划：查库存、验证退货资格、生成退货单等
计算机使用	前沿	代理直接操作浏览器（点击、填表），目前尚不可靠

易构建任务的特征：有明确的逐步流程 + 纯文本处理。
难构建任务的特征：步骤不可预知 + 需要多模态输入（图像/音频）。

5. 任务分解：识别工作流中的步骤
5.1 分解方法
观察人或企业是如何手动完成该任务的

将流程拆解成离散步骤

判断每个步骤能否用LLM或代码/API/工具实现

如果某步骤无法直接实现，继续分解成更小的子步骤

5.2 迭代示例
第1次：直接生成文章 → 效果差

第2次：分解为 写大纲 → 搜索 → 写文章 → 可能脱节

第3次：进一步分解 写初稿 → 自我批评 → 修改 → 最终稿 → 效果好

5.3 常用构建块
LLM / 多模态模型

专用AI模型（PDF转文本、图像分析、语音合成）

软件工具：网络搜索API、数据库查询、RAG、代码执行、邮件/日历API

6. 评估（Evals）
严谨的评估流程是有效构建智能体工作流的关键。

6.1 最佳实践步骤
先构建工作流，手动检查输出，找出不满意的地方（例如：意外提及竞争对手）

针对发现的问题，添加评估指标：

客观指标：可编写代码判断（如“输出中是否提到了竞争对手名称”）

主观指标：使用LLM作为评判者（如要求对文章质量打分1-5，注意LLM对此并不擅长，后续会介绍更精细的技术）

分析中间输出（trace） 进行错误分析，定位具体步骤的问题

6.2 评估类型
端到端评估：测量整个代理的输出质量

组件级评估：测量工作流中单个步骤的输出质量

7. 四大设计模式概览

模式	说明
反思	让LLM检查自己或他人的输出，提出批评，然后根据反馈迭代改进
工具使用	LLM调用外部函数（搜索、代码执行、数据库查询等）来完成任务
规划	LLM自动决定完成复杂任务所需的步骤序列
多代理协作	多个具有不同角色的模拟代理（如研究员、文案、编辑）协同完成复杂任务

后续文章将逐一深入讲解。

8. 总结
智能体工作流通过任务分解、LLM与工具的组合、以及迭代评估，能够大幅提升AI应用的能力。掌握任务分解方法、评估流程和四大设计模式，是构建高效智能体系统的核心技能。

下一篇文章将深入讲解反思设计模式，敬请期待。