AI 工作流是什么

AI 工作流解决的是把模型、检索、工具和人工规则组织成一条可执行流程的问题。它不像普通脚本那样只处理确定性步骤，也不像 Agent 那样把大量下一步判断交给模型，而是在固定流程里嵌入模型能力。

这类能力很适合从 Demo 走到第一个可用版本。因为它能让我们先把步骤、输入输出和失败边界画清楚，再决定哪些部分以后需要升级成 Agent。

它通常适合什么场景

AI 工作流适合路径相对明确的任务：

• 文档进入后自动解析、分类、摘要。
• 用户提交表单后生成结构化结果。
• 定时拉取数据，再让模型做总结。
• 一段固定审核流程中加入大模型判断。

这些场景的关键不是“模型自己规划”，而是“流程稳定执行，模型在某些节点提供能力”。

它和传统自动化有什么不同

传统自动化更像规则和接口的串联。AI 工作流多了一层不确定能力：

• 节点里可能调用 LLM。
• 节点输出可能需要结构化校验。
• 上下文可能来自 RAG 或外部工具。
• 失败可能不是代码异常，而是模型输出不符合预期。

所以 AI 工作流仍然要做日志、重试、权限和成本控制。

它和 Agent 的边界

最简单的判断是：如果下一步基本固定，用 Workflow；如果下一步要根据目标、状态和反馈动态选择，才考虑 Agent。

AI 工作流不是低级方案。很多生产系统更适合先用工作流，因为它更容易排查、评估和交付。

一句话先记住

AI 工作流是在固定流程里使用模型能力，Agent 是让系统在约束下判断下一步。

继续阅读

• 08-ai-workflow/002-workflow-vs-agent.md
• 06-agent/001-what-is-agent.md
• 07-langchain-langgraph/003-langgraph-overview.md