Agentic Workflow：AI重塑了我的工作流

"Reshape your workflow with AI."

在Agentic Workflow的這件事情上，我先完成了自己的工作流重塑。

近期在「特工宇宙」分享了一場關(guān)于Agentic Workflow主題的內(nèi)容，現(xiàn)在同步分享給大家一些關(guān)于個人在使用AI Agent Workflow上的思考、AI-Native應(yīng)用「Pailido｜AI拍立得」創(chuàng)建的初衷和實現(xiàn)流程，在個人工作流重塑上分享了一些體悟。

本次分享大綱整體圍繞著AI Agent和Agentic Workflow從“認(rèn)識、定義、應(yīng)用、偏見、實踐以及延伸”進(jìn)行展開，正式拉開「仰望星空，腳踏實地」的序幕。

在今年的 4 月初，吳恩達(dá)老師在美國紅杉做了一場演講，介紹了 4 種主要的 Agentic Workflow 設(shè)計模式。

Reflection（反思）：讓 Agent 審視和修正自己生成的輸出。

Tool Use（工具）：LLM 生成代碼、調(diào)用 API 等工具進(jìn)行操作。

Planning（規(guī)劃）：讓 Agent 分解復(fù)雜任務(wù)并按計劃執(zhí)行。

Multiagent Collaboration（多智能體協(xié)同）：多個 Agent 扮演不同角色合作完成任務(wù)。

Reflection

反思在根本上其實是一個博弈的過程：如果你讓大模型寫一段代碼，它會立刻給你反饋。這時你可以將它輸出的代碼片段再輸入回去，讓大模型仔細(xì)檢查代碼的準(zhǔn)確性和結(jié)構(gòu)規(guī)范性，并給出評論。然后，你可以將這些反饋結(jié)果再次輸入給大模型，它可能會輸出一個比第一版更好的代碼，如果有兩個 Agent：一個負(fù)責(zé) Coding，另一個負(fù)責(zé) Code Review，效果會更佳。

Tool Use

如果大家使用 Kimi Chat 來查詢某個問題，你會發(fā)現(xiàn)它會在互聯(lián)網(wǎng)上檢索相關(guān)內(nèi)容，并基于檢索結(jié)果進(jìn)行總結(jié)分析，最后給出結(jié)論。這其實是大模型利用「網(wǎng)頁搜索」工具的一個典型例子，同時你也會看到PPT中介紹了非常多的不同領(lǐng)域類型的工具，它其實是為大模型在獲取、處理、呈現(xiàn)信息上做額外的補充。

Planning

Agent 通過自行規(guī)劃任務(wù)執(zhí)行的工作流路徑，面向于簡單的或者一些線性流程的運行。比如下圖中：Agent 會先識別男孩的姿勢，并可能找到一個姿勢提取模型來識別姿勢，在接下來要找到一個姿勢圖像模型來合成一個新的女孩圖像，然后再使用圖像理解文本的模型，并在最后使用語音合成輸出，完成這個流程任務(wù)。

Multiagent Collaboration

吳恩達(dá)通過開源項目 ChatDev 進(jìn)行舉例，你可以讓一個大語言模型扮演不同的角色，比如讓一個 Agent 扮演公司 CEO、產(chǎn)品經(jīng)理、設(shè)計師、代碼工程師或測試人員，這些 Agent 會相互協(xié)作，根據(jù)需求共同開發(fā)一個應(yīng)用或者復(fù)雜程序。

AI Agent 基本框架

OpenAI 的研究主管 Lilian Weng 曾經(jīng)寫過一篇博客叫做《 LLM Powered Autonomous Agents 》，其中就很好的介紹了 Agent 的設(shè)計框架，她提出了“Agent = LLM + 規(guī)劃 + 記憶 +工具使用”的基礎(chǔ)架構(gòu)，其中大模型 LLM 扮演了 Agent 的“大腦”。

• Planning（規(guī)劃）

主要包括子目標(biāo)分解、反思與改進(jìn)。將大型任務(wù)分解為較小可管理的子目標(biāo)處理復(fù)雜的任務(wù)。而反思和改進(jìn)指可以對過去的行動進(jìn)行自我批評和自我反思，從錯誤中學(xué)習(xí)并改進(jìn)未來的步驟，從而提高最終結(jié)果的質(zhì)量。

• Memory（記憶）

分為短期記憶和長期記憶。其中短期記憶是指的將所有的上下文學(xué)習(xí)看成是利用模型的短期記憶來學(xué)習(xí)；而長期記憶是提供了長期存儲和召回信息的能力，它們通常通過利用外部的向量存儲和快速檢索來存儲和召回信息。

• Tools（工具）

通過學(xué)會調(diào)用外部不同類型API來獲取模型（通常在預(yù)訓(xùn)練后很難修改）中缺少的額外信息，代碼執(zhí)行能力，訪問專有信息源等（例如獲取此時此刻的天氣、聯(lián)網(wǎng)網(wǎng)搜索等）

• Action（動作）

根據(jù)上述大模型結(jié)合問句（Query）、上下文的規(guī)劃（Context）、各類工具，最終大模型才能決策出最終需要執(zhí)行的動作是什么。

Agentic Workflow 解決什么問題？我認(rèn)為是可以從從提升效率、提高質(zhì)量、節(jié)省時間的角度上進(jìn)行思考。好比一臺“印鈔機”，按照指定好的流程重復(fù)著機械性的活動，但是它在源源不斷的產(chǎn)生價值。

Productivity （效率） =  產(chǎn)生價值的速率

Agentic Workflow 通過將一個復(fù)雜的任務(wù)分解成較小的步驟，在整個過程中中融入了更多人類參與到流程中的規(guī)劃與定義。它減少了對 Prompt Engineering 和模型推理能力的依賴，提高了 LLM 應(yīng)用面向復(fù)雜任務(wù)的性能，更豐富、更精確。

下面是Coze（扣子）平臺上的工作流編排器的示例，這個話其實是一個抽卡游戲的流程，你可以看到在整個工作流中間會有很多節(jié)點前后之間有節(jié)點以及連線，然后每個節(jié)點之間它是通過不同的定義，比如說圖片處理工具，或者說是通過多模態(tài)模型進(jìn)行圖片理解工具等等其他各種各樣的工具組合而成。

單Agent模式下，在這里可以看到一些例如“技能”、“知識”、“記憶”、“對話體驗”等等點，其實在我們上面這個多個Agent和workflow編輯器里面里面也有這類工具。它是將一整套工作流組合起來，每個工具在每一個節(jié)點里面，它執(zhí)行了一個任務(wù)。大家感興趣的話可以去體驗一下，可以在自己工作流中整個使用。

Agentic Workflow 的“套娃”設(shè)計

體驗過不同 Agent 流程編排開發(fā)平臺的同學(xué)會發(fā)現(xiàn)，workflow 會成為一個組件被調(diào)用，同時 workflow 中又能夠嵌套新的workflow，實際上不管是基礎(chǔ)節(jié)點、插件工具、LLM、邏輯條件處理等，都實際上是一個以輸入、輸出的組裝的模塊，不同的組件之間通過連接構(gòu)成一個更大的模塊。

即便看上去Agentic workflow解決了很多問題，但是實際上來說：大模型根源的“不太聰明”，是加上workflow也解決不了的。因為工作流它解決的并不是意圖理解準(zhǔn)確率的問題，而是在流程上的被干預(yù)后的可控性，吳恩達(dá)老師也在紅杉的演講上提到提升大模型本身質(zhì)量依舊十分重要。

下面也會帶著大家重新看一下工作流其實一直都有出現(xiàn)，目前的工作流編輯器是將Agent的處理流程可視化和可控化了。

LangGPT 提示詞框架工作流設(shè)計

與傳統(tǒng)的 Prompt 從輸入直接到輸出的映射方式相比，LangGPT 提示詞框架應(yīng)用了CoT（Chain of Thought）完成了從輸入到思維鏈再到輸出的映射，即<input——>reasoning chain——>output>。

最后你會發(fā)現(xiàn)濃縮成一句話可以解決模型在規(guī)劃過程中的路徑拆解，CoT的思維：“Let's think step by step.”（讓我們一步一步思考）

RPA 的工作流設(shè)計

RPA其實很早就已經(jīng)出現(xiàn)，就是做工作流編排領(lǐng)域。流程機器人（RPA）軟件的目標(biāo)是使符合某些適用性標(biāo)準(zhǔn)的基于桌面的業(yè)務(wù)流程和工作流程實現(xiàn)自動化，一般來說這些操作在很大程度上是重復(fù)的，數(shù)量比較多的，并且可以通過嚴(yán)格的規(guī)則和結(jié)果來定義，現(xiàn)在越來越多的RPA軟件帶上了LLM。

ComfyUI 的工作流設(shè)計

近期出現(xiàn)的ComfyUI 是將開源繪畫模型 Stable Diffusion 進(jìn)行工作流化操作模式，用戶需要在流程編輯器中配置出每一個的pipeline，并通過不同節(jié)點和連線來完成模型的操作和圖片內(nèi)容生成，提高了流程的可復(fù)用性，降低了時間成本，同時它的 DSL 配置文件還支持導(dǎo)出導(dǎo)入。

Dify.AI 可被復(fù)制的工作流設(shè)計

在 Dify.AI 中，我很興奮的看到它的工作流設(shè)計語言跟 ComfyUI 會有一些相似之處，都是定義了一套標(biāo)注化的DSL語言，并且非常方便的可以使用導(dǎo)入導(dǎo)出的功能進(jìn)行工作流的復(fù)用。

模仿式工作流是最快的學(xué)習(xí)方法

Large Action Model 采用稱為“通過演示進(jìn)行模仿”的技術(shù)。檢查人們在單擊按鈕或輸入數(shù)據(jù)時如何與界面互動，然后準(zhǔn)確地模仿這些操作，他們收集知識并從用戶提供的示例中學(xué)習(xí)，使他們更能適應(yīng)進(jìn)一步的變化并能夠處理不同的任務(wù)。

但是，有沒有想過一個問題：Agentic Workflow看起來十分美好，但是使用的用戶究竟有多少呢？我看了很多Agent商店，通過工作流創(chuàng)建的應(yīng)用目前來看還是比較少的（可能是出現(xiàn)周期、工作流使用的上手難度等等一系列因素導(dǎo)致），此外Agentic Workflow似乎在復(fù)雜流程上的開發(fā)又并不是那么穩(wěn)定可靠。

Idea Time：通過自然語言創(chuàng)建工作流 

復(fù)雜的工作流搭建怎么會如此麻煩...這似乎跟我我理想中的Agentic Workflow并不太一樣！有沒有一種更加方便高效的方式，讓我能夠在短時間內(nèi)創(chuàng)作一個符合我預(yù)期的Agentic Workflow原型？有了，通過自然語言來構(gòu)建DSL并還原工作流。

我在之前就比較喜歡使用自然語言描述，然后使用Mermaid語法進(jìn)行創(chuàng)建流程圖表，其實DSL也是可以遵循一套約定俗成的規(guī)范進(jìn)行創(chuàng)作。

我認(rèn)為可以通過口噴需求的方式，在0-1的時候輔助我快速生成一個看上去還不錯的工作流程，然后我再修修改改，這會降低用戶上手的門檻。

一個小思考題，Agentic Workflow該給誰用？

之前在討論Agentic Workflow的可用性觀點，有人給我說了這么一句話：“研發(fā)看不上，產(chǎn)品看不懂，小白不知所云。”

目前我覺得Agentic Workflow拿來做MVP的產(chǎn)品測試是非常好的一個途徑，能夠在短時間內(nèi)通過低代碼或者零代碼的方式進(jìn)行創(chuàng)作一個小而美的應(yīng)用。

我的AI-Native應(yīng)用就是這么玩的。

Pailido｜AI 拍立得

這是一款文案快速生成的 AI-Naitive 產(chǎn)品，各個場景由 AI Agent 驅(qū)動，僅需選中場景后點擊拍攝即可快速生成對應(yīng)文案。它的服務(wù)端可以是使用類似Dify.AI、Coze這種在線編輯好一個Agent應(yīng)用，然后再通過API的方式進(jìn)行集成，你僅僅需要關(guān)心你的前端、用戶輸入、你的輸出反饋就可以了，打磨好一款小而美的產(chǎn)品。

使用多模態(tài)模型，理解圖片特征和輸出場景期待，搞定小紅書文案、外賣點評寫作、閑魚商品發(fā)布文案...真的太快了！

所以有個問題要問問諸位了：

Reshape your workflow with AI ?

or

Reshape your AI workflow ?

AI 與人的協(xié)同關(guān)系

生成式 AI 的人機協(xié)同分為 3 種產(chǎn)品設(shè)計模式：Embedding（嵌入式）、Copilot（副駕駛）、Agent（智能代理），在這 3 種模式下，人與 AI 的協(xié)作流程也是有所差異。

• Embedding 模式：人類完成大多數(shù)工作。

• Copilot 模式：人類和AI協(xié)同工作。

• Agents 模式：AI完成大多數(shù)工作。

Agentic Workflow驅(qū)動角色工作流變革

使用Multiagent Collaboration的方法，讓不同角色的 Agent 按照根據(jù)任務(wù)要求自主規(guī)劃選擇工具、流程進(jìn)行協(xié)作完成一件任務(wù)。

我作為一個產(chǎn)品經(jīng)理角色，我的訴求很簡單，需要完成某一個產(chǎn)品功能設(shè)計，這個時候通過Agents拆解成多個獨立的任務(wù)，然后遵循不同的工作流，最后給我生成一份在大體上符合我期望的輸出結(jié)果，我再修修改改就能夠達(dá)到可用的階段了。

所以，我從原子能力層重新思考，面對這個快速變化的時代，我該如何去重塑我自己的工作流，以不變應(yīng)萬變呢？

我抽象化拆解了大模型的一些底層能力，例如：翻譯、識別、提取、格式化等等，其實所有的一些都會圍繞幾個詞“輸入”、“處理”、“輸出”、“反饋”。

“輸入”、“處理”、“輸出”、“反饋”構(gòu)建了我最底層的信息處理邏輯，我把它比作四個齒輪，齒輪之間通過不同的銜接工具逐步推動運轉(zhuǎn)，從需求作為輸入、結(jié)果作為輸出，圍繞著信息加速，不斷驅(qū)動我向前。

重塑獲取信息的方式

搜索引擎作為互聯(lián)網(wǎng)基礎(chǔ)設(shè)施，同時也是互聯(lián)網(wǎng)的入口，對于用戶而言，從解決問題出發(fā)，搜索引擎和基于大模型的聊天機器人的目標(biāo)從根本上是一致的。自 2022 年底 ChatGPT 發(fā)布，其通過問答形式被認(rèn)為將對傳統(tǒng)搜索引擎帶來顛覆。

近期出現(xiàn)的各類AI搜索引擎，類似perplexity.ai、metaso、360搜索、ThinkAny等等，都是在不斷顛覆傳統(tǒng)的搜索引擎。

輔助高效的處理信息

閱讀完一份 10 萬字的 PDF 研究報告需要多久？這份報告主要講了什么內(nèi)容？有沒有我要關(guān)注的點？

智能摘要是目前我用的超順手的一個功能，能夠輔助我快速的篩選信息，什么值得看，什么不容錯過，真正的實現(xiàn)信息的降噪。

信息表達(dá)更簡便

放在以往很難想象，如果要實現(xiàn)下面這倆張圖，可能會設(shè)計一系列的思考、草稿、理清邏輯等等流程。

現(xiàn)在用自然語言描述一句話就給你生成了這樣美觀可用的圖片，極大的降低了不同角色的創(chuàng)作門檻和周期，是真的簡便。

那么新型的產(chǎn)品設(shè)計方式也就出現(xiàn)了，在我原來的工作流中，我作為一名產(chǎn)品經(jīng)理，我會開始使用AI去重新構(gòu)建我的工作流：使用 AI 進(jìn)行搞定用戶畫像、使用 AI 進(jìn)行競品調(diào)研、使用 AI 設(shè)計產(chǎn)品測試用例、使用 AI 繪制產(chǎn)品功能流程圖...真的太多了。

雖然我也推薦了一些我自己的工作流上使用的產(chǎn)品，但是我比較建議的是：每個人都是獨特的個體，應(yīng)該先摸清楚自己的日常工作流是怎么樣的，然后通過每一個工作節(jié)點線索，去找到適合你自己使用的工具。

就好比，我現(xiàn)在初出茅廬，手上握著+1攻擊力的武器，+1的防御裝備，這不影響我去打怪升級這個事情，假如你找到了一件合適自己的武器，它可能是+1000攻擊力，你換上就好了，是能夠快速的在你原來的這套工作流里進(jìn)行戰(zhàn)力升級。

關(guān)于Agent的未來，我只想說：曾被認(rèn)為的異想天開的想法，都可能會是 AI Agent 的未來。AI Agent我們其實可以理解為一個技術(shù)浪潮中不斷前進(jìn)的新名詞，而技術(shù)迭代會不斷向前。

我很驚訝的發(fā)現(xiàn)：曾經(jīng)五年前躺在我手機備忘錄里的一些在當(dāng)時不可能實現(xiàn)的想法，在如今時代也逐一被驗證。

所以，還有什么不能想的呢？

腳踏實地，仰望星空。

Agent的未來是一個浩渺的宇宙，行業(yè)的Know-how是每一個人在短期內(nèi)不可被替代的固有知識資產(chǎn)，你可能會說我可以通過一系列的方法論去獲取到很多行業(yè)信息，但是非常多的行業(yè)潛規(guī)則，就像冰山一樣，你可能只看到了表面的一些內(nèi)容，冰山下的不可被觀測的，也是這個時代個人的競爭力。

毫無疑問，LLM會有更低的成本、推理處理速度更快、支持多模態(tài)全面接入、會有更多AI-Native應(yīng)用開始誕生...

我肯定是，AGI的時代會離我們越來越近了。

感謝你看到這兒，如果你覺得不錯，歡迎點贊分享關(guān)注我哈哈，我們下期再見。

獲取完整內(nèi)容文件和視頻回放

請在公眾號后臺回復(fù)“工作流”

? THE END

?? 只想整活做點有趣的事兒

 歡迎點擊下方公眾號關(guān)注我 

覺得我的內(nèi)容還不錯，順手點個贊、分享、在看

都是對我最好的認(rèn)可，謝謝您！