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
- 类型：概念
- 领域：AI 协作系统 / 企业流程自动化 / Agent 工程
- 相关概念：任务拆解、Skill、AI Agent 智能体、MCP 模型上下文协议、人机协同
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
实用信息
快速上手步骤
- 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）
- 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
- 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
- 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