个人知识库

Agentic Workflow

12分钟阅读

Agentic Workflow

由多个 Agent、Skill、工具、数据源和人工确认节点组成的生产线——不是单个 prompt，不是单个”超级 Agent”，而是一整条能把复杂任务跑完的业务流水线

简介

Agentic Workflow 是 AI 协作系统中最高层级的编排形态。如果说 Human SOP 是写给人看的流程，Skill 是把单一任务打包给 Agent 的执行单位，那么 Agentic Workflow 就是由多个 Skill 和工具串联起来的生产线——有人负责理解需求，有人负责查资料，有人负责执行动作，有人负责生成结果，有人负责质检，有人在高风险节点停下来让人确认。只不过这条流水线里，很多”岗位”变成了 AI。

Agentic Workflow 与传统的自动化工作流（如 Zapier、n8n）有本质区别：传统工作流是”if-then”规则引擎，每一步都是确定性执行；Agentic Workflow 的节点内包含 LLM 推理，能在模糊场景下做判断，但仍通过明确的中间格式（通常是 JSON）与下游节点连接。它不是让 Agent 完全自主，而是在”确定性管道 + 模糊推理节点”之间取得平衡。

关键信息

核心特性

编排层级定位

概念是什么比喻自主程度
Human SOP写给人看的流程员工手册人执行
Skill把某个具体任务封装成 Agent 能调用的能力一个岗位的职责说明书人定约束，AI 执行
Agentic Workflow把多个 Skill、工具、数据源和人工确认节点串起来一条业务生产线编排由人设计，执行由 AI 完成

核心组成要素

一条成熟的 Agentic Workflow 包含：

  • 多个 Agent 或 Skill：每个负责一个明确的子任务
  • 多个工具：外部系统调用（ERP/OA/CRM/知识库），通过 MCP 模型上下文协议 标准化连接
  • 多个数据源：结构化中间格式（JSON）在节点间传递
  • 多个检查点：每个节点的输出可以独立验证
  • 多个人工确认节点：高风险动作（资金、权限、合规、对外承诺）必须人工确认

三大工程属性

来自 2026-06-06-woshipm-agent-task-decomposition 的核心定义：

属性含义反面
稳定性输出结果可预期整包丢给一个 Agent，结果随机
可观测性能看到每个节点的中间过程只有最终结果，过程黑箱
可修复性出错时能定位到具体节点修复不知道哪里错了，只能换模型/改 prompt

典型架构模式

Sequential Pipeline（顺序管道）：最常见、最稳定的架构——节点按顺序执行，上一个节点的输出是下一个节点的输入。适合规则驱动、流程稳定的业务场景。

输入 → [Agent 1: 数据准备] → [Agent 2: 分类/判断] → [Agent 3: 执行/生成] → [Agent 4: 质检/风控] → [Agent 5: 输出/分派] → 结果
                                              ↑
                                        人工确认节点（高风险场景）

Multi-Agent 协作：多个 Agent 各自负责独立子任务，由编排层统一调度。适合需要并行处理或多视角分析的场景。

与传统自动化的区别

维度传统自动化（RPA/规则引擎）Agentic Workflow
执行逻辑确定性 if-then 规则节点内含 LLM 推理，可处理模糊场景
容错性规则外直接失败模型可在未预见场景下做合理判断
可维护性改规则 = 改代码改规则 = 改 Skill/参考文档
适用场景流程 100% 确定流程中有模糊/需要判断的环节
人工角色完全退出或完全介入在关键节点精确介入

不同素材中的观点

来自 2026-06-06-woshipm-agent-task-decomposition：

  • 本文给出 Agentic Workflow 最清晰的定义：“由多个 Skill、工具、数据源和人工确认节点组成的生产线”
  • 用报销审批案例完整演示了从”一句话 SOP”到 9 节点 Agentic Workflow 的转化过程
  • 提出四步转化法：格式标准化→任务拆解→双向开发→接入工具+人工确认
  • 核心观点：Agentic Workflow 不是一次性交付出来的，“它是跑出来、修出来、磨出来的”

来自 2026-06-03-youtube-multi-agent-accounting-pipeline：

  • Sequential Pipeline 被验证为规则驱动业务的最优架构——5 个会计 Agent（数据准备→分类→核对→报告→洞察）严格单向，每步边界清晰
  • “逐个构建、逐个测试”的工程纪律：不是做完所有 Agent 再端到端验证，而是增量式建设
  • 数据文件夹是唯一共享状态——节点之间不直接通信，通过文件传递中间结果

来自 2026-05-13-ai-agent-productivity-20x：

  • Skill 是 Agentic Workflow 里复利最强的一层——把提案格式、广告分析、晨间简报等可重复流程打包为可调用能力，再与上下文、记忆、MCP 和定时调度串联，形成会持续运行的自主工作流
  • 两种高复用的构建方式：基于课程/流程文档直接生成 Skill，或先与 Agent 手动跑完真实流程再提炼成 Skill

来自 2026-07-17-woshipm-claude-cowork-agent-workflow（Anthropic 营销运营 Cowork 案例）：

  • 两条可复用生产线形态：(1) 定时预取 + 人工叙事确认 + 展开/出片/待办落库（周报，1–2 天→2 小时）；(2) Dispatcher（只路由）+ 专家 Skill + 独立零上下文 Audit + Manager（活动搭建，跨 CRM/邮件/落地页）
  • 信任节点是一等公民：Proofreading Skill 强制数字溯源、遇 gap 停下来问人；Audit Agent 用新实例像真人走注册与确认邮件——验证不能与建设共享上下文，否则会「记得自己刚搭好」而跳过检查
  • 工作流会自我升级：session 结束反思、问 Agent 指令难点、重复纠正两次以上写回 Skill；把「人审改」变成「系统变聪明」的闭环
  • 工具无关复现：Scheduled Tasks→cron/n8n；Skills→Claude Code Skills / AGENTS.md / Dify；Connectors→MCP；Audit→新 session。核心一句话：拆解可跑环节 + 独立验证 + 纠正回写 Skill

来自 2026-07-18-bnext-ai-agent-reverse-workflow：

  • 反向拆解是业务方可执行的编排入口：先写死最终 Output，再把每步的 Output 定义为下一步 Input；招募链「履历分析→合格名单→面试行程」是最小可懂样本。
  • 过程管理 = 工作流级调试：出错时要求沿节点找断点并加检核，而不是只重写最终答案——与独立 Audit / Proofreading 同属「信任工程」。
  • 编排层要算维护债：全量 Skill 化在流程变更时会整链重做；用月省时 ROI 决定哪些节点值得固化进生产线。

来自 2026-07-19-youtube-codex-ai-marketing-team：

  • agent.md 是 Codex 项目里的工作流宪法：它定义五个营销 Agent、依赖库、输出目录、命名规则、task manifest、日志和 campaign manager 委派方式，作用类似 Claude 工作台里的 CLAUDE.md，但更偏项目级流水线配置。
  • brand.md 是业务上下文的稳定输入：所有 Agent 在执行前读取同一份品牌受众、语气、定位、主题和 KPI baseline，避免 research、strategy、copy、data 各自发散。
  • 任务流不是「生成一次结果」而是「生成、落盘、读 summary、QA、报告」：研究 Agent 生成 deck/brief，策略 Agent 生成 spreadsheet/doc，数据 Agent 生成 dashboard/report，文案 Agent 生成 captions，最后 campaign manager 逐路径核验并记录 known gap。这是完整 Agentic Workflow，而不是五段互不相干的 prompt。

来自 2026-07-25-woshipm-loop-graphai：

  • 用 Graph 工程 语言重述生产线：成熟 Agent 产品至少两张图——长期组织图（能力/角色边界，少改）与任务运行图（单次工单拓扑，可归档成模板）；再补权限图与验收图。这与「多 Skill + 工具 + 人工确认节点」同构，但把设计对象从 prompt/tool list 提升到系统结构
  • 单环 vs 图：同一目标反复逼近可用 Loop Engineering 当生产线里的可复用砖；多依赖、多回退、多验收路径的业务流应上 Graph，避免「失败了就再跑一遍」的黑箱
  • 脑力流水线五步可当作 Agentic Workflow 的设计 checklist：拆节点 → 写依赖 → 定义 I/O 与失败条件 → 权限与人工审批落位 → 成功/失败路径模板化

实用信息

快速上手步骤

  1. 选一个最小场景：找一份最无聊、最重复的 SOP（报销/周报/checklist/需求整理）
  2. 按四步法转化：标准化→拆节点→跑真实案例迭代→接入工具+人工确认
  3. 逐个节点验证：不要做完所有节点再跑端到端——构建一个→测试→构建下一个→测试
  4. 设计人工确认点：涉及资金/权限/合规/对外承诺的节点必须能停下来让人确认

适用判断标准

  • 流程中有模糊判断环节（纯规则引擎搞不定）→ 需要 Agentic Workflow
  • 流程 100% 确定、无任何例外情况 → 传统 RPA/规则引擎更合适
  • 流程中有高风险动作 → 必须设计人工确认节点

相关页面

关系图谱

快速导航

反向链接