体验 Agent
中文

← 认识 AI · MCP / RAG

学习路线 · ⑥

AI Workflow

把 AI、工具和任务连接起来，让复杂工作自动完成。

AI Workflow 是把一个复杂任务拆成多个步骤，并让 AI、工具和数据按照一定流程协作完成任务。

简单来说：Workflow 就是「让 AI 按照流程工作」。

  1. 收到文章
  2. AI 总结
  3. 提取重点
  4. 翻译成自然语言
  5. 生成标题
  6. 保存结果
以前

人自己一步一步做。

AI Workflow

把这些步骤连接起来，让系统自动执行。

为什么需要 AI Workflow？

  1. 1. 找新闻
  2. 2. 阅读新闻
  3. 3. 总结
  4. 4. 提取重点
  5. 5. 翻译
  6. 6. 写成报告
  7. 7. 保存

找 → 看 → 总结 → 翻译 → 写 → 保存（每天重复）

  1. 新闻
  2. 🔎 搜索
  3. 📄 获取内容
  4. 🧠 AI 总结
  5. 🌐 AI 翻译
  6. 📝 生成报告
  7. 💾 保存

以后只需要： 触发 Workflow

触发 Workflow，剩下的步骤自动执行。

Workflow 和 Agent 有什么区别？

很多初学者会问：Workflow 和 Agent 不都是自动做事情吗？

Workflow

流程是预先设计好的。

  1. 收到 PDF → 提取文字 → 总结 → 翻译 → 保存
Agent

Agent 可以根据任务决定下一步怎么做。

「帮我研究日本 AI 市场。」
  1. 搜索
  2. 发现资料不足
  3. 换关键词
  4. 继续搜索
  5. 比较资料
  6. 某个数据需要验证
  7. 再次搜索
  8. 生成报告

Workflow 是「按照流程做」。Agent 是「根据目标决定怎么做」。

Workflow + Agent

Workflow 和 Agent 并不是二选一，它们可以结合。

  1. AI Workflow
  2. 固定步骤 Agent
  3. 数据输入 自主研究
  4. 文档处理 搜索 / 分析
  5. 输出

例如「市场报告 Workflow」

  1. 输入主题
  2. Research Agent
  3. 分析资料
  4. Writing Agent
  5. 生成报告
  6. PDF
  7. 发送 / 保存

这样就很接近真正的 AI 自动化系统。

一个 AI Workflow 是由什么组成的？

  • Trigger · 触发器

    决定什么时候开始。

    • 用户点击
    • 收到邮件
    • 上传文件
    • 定时运行
    • API 调用
    • 某个事件发生
  • Input · 输入

    Workflow 需要处理什么？

    • 一段文字
    • PDF
    • 图片
    • URL
    • 数据
    • 用户问题
  • AI · AI 节点

    让模型完成理解与生成的步骤。

    • 总结
    • 分类
    • 提取
    • 分析
    • 写作
    • 判断
  • Tool · 工具节点

    让系统执行具体操作。

    • 搜索
    • API
    • 数据库
    • 文件
    • Code
    • MCP
  • Logic · 逻辑

    决定下一步怎么走。

    • 资料足够 → 生成报告
    • 资料不足 → 继续搜索
  • Output · 输出

    最终产生什么。

    • 文档
    • 报告
    • 数据
    • 图片
    • 邮件
    • API Response

一个 Workflow 是怎么运行的？

例如：自动生成研究报告

  1. 用户输入主题
  2. 🔎 搜索资料
  3. 📄 获取内容
  4. 🧠 AI 分析
  5. 🔀 判断信息
  6. 不足 足够
  7. 再搜索 生成报告
  8. └──────→ 📝

Workflow 不一定只是「一条直线」。

  • 条件
  • 分支
  • 循环
  • 并行
  • 重试

Workflow 可以做什么？

  • 自动研究
    1. 主题 → 搜索 → 分析 → 生成报告
  • 自动处理 PDF
    1. 上传 PDF → 提取 → 总结 → 重点 → 摘要
  • 内容生产
    1. 主题 → Research → Writing → SEO → 发布
  • 数据分析
    1. 上传数据 → 清洗 → 分析 → 图表 → 报告
  • 自动处理邮件
    1. 收到邮件 → AI 判断 → 分类 → 回复草稿 → 人工确认 → 发送

Workflow 和 Automation 有什么区别？

Automation（自动化）：原来需要人工做 → 现在自动完成。

Workflow（工作流程）：多个步骤如何组织起来。

Workflow 可以是自动化的，但 Workflow 不等于 Automation。

  1. Trigger
  2. Workflow（A → B → C → D）
  3. 自动执行

AI Workflow 和传统 Workflow 有什么不同？

传统 Workflow
  1. A → B → C → D
  2. （每一步通常需要明确规则）
AI Workflow
  1. A
  2. 🧠 AI 判断
  3. 选择 / 生成
  4. B
  5. 🧠 AI 判断
  6. C

AI 可以参与：

  • 理解自然语言
  • 分类
  • 判断
  • 总结
  • 生成
  • 推理

AI Workflow 把传统的「固定自动化」，扩展到了更多需要理解和判断的工作。

Workflow、Agent、Tool、MCP、RAG 的关系

  1. AI System
  2. Workflow Agent
  3. 组织步骤 自主执行
  4. AI Tool Logic Tool MCP RAG

Tool 提供能力，MCP 帮助连接，RAG 提供知识，Agent 负责自主完成任务，而 Workflow 负责把多个步骤和能力组织起来。

一个完整的 AI Workflow

「帮我每周整理 AI Agent 行业动态。」
  1. ⏰ 每周一 09:00
  2. 🔎 搜索最新信息
  3. 📄 获取文章
  4. 🧠 Research Agent
  5. 🔍 去重 & 验证
  6. 📊 分析趋势
  7. ✍️ Writing Agent
  8. 📝 生成周报
  9. 📧 发送给用户

它把 AI + Agent + Tools + Workflow 全部连接起来。

AI Workflow 的局限

  • 流程设计不好，结果也会不好

    Workflow 自动执行错误的步骤，只会更快地产生错误结果。

  • AI 仍然可能判断错误

    尤其是涉及复杂条件的时候。

  • 外部工具可能失败

    API、搜索、数据库等服务都可能出现异常。

  • 权限需要控制

    若能发送邮件、修改数据、调用外部服务，就必须有明确权限。

好的 AI Workflow 不只是「自动运行」，还需要可观察、可控制、可检查。

从使用 AI 到设计 AI

以前：我使用 AI。现在：我让 Agent 帮我完成任务。下一步：我设计 Workflow，让 AI 持续完成一类任务。

  1. 使用 AI
  2. 使用 Agent
  3. 组合 Tools
  4. 设计 Workflow
  5. 自动完成任务

开始设计你的 AI Workflow

把重复的工作交给 AI，让复杂任务变成一条可以运行的流程。

体验 Agent →探索 AI 工具 →

继续认识 AI

AI 学习路线 →