AI 工作流
AI Workflow / Pipeline将多个 AI 模型调用、工具执行和条件分支组合成可编排的自动化流程，是 Agent 系统从原型到生产的工程化实现方式。
# Agent
# 工程实践
# 自动化
AI 工作流
与单次 LLM 调用的区别： 工作流支持多步骤、条件判断、并行执行和错误重试。
典型结构：
输入 → [LLM 路由] → 分支 A: RAG 检索 + 生成
→ 分支 B: 代码执行 + 验证
→ [汇聚] → 输出格式化 → 结果
主流框架： - LangGraph：图结构，支持循环和条件分支 - n8n / Dify：低代码可视化编排 - Prefect / Airflow：数据管道，加 LLM 节点 - Claude Projects / GPTs：平台内置工作流
关键工程考量： - 幂等性：失败重试不产生副作用 - 可观测性：每步记录输入/输出用于调试 - 成本控制：按需调用重模型，轻任务用小模型
提示： 工作流适合流程固定的场景；动态决策用 Agent。