构建 Agent 工作流入门

简介

通过预设一系列不同的 LLM 模型和对应的 Prompt 指令，实现多个语言模型和不同 Prompt 之间的协作，达到团队协作的效果。这样每个工作流节点的 AI 可以不受前段任务记忆的干扰，只做当前节点负责的工作，减少 LLM 幻觉，并且可以重复利用之前生成好的内容（Memory 或 Knowledge），从而实现稳定高质量的产出。

特点：

• 每个工作流节点有其独特 Propmt 和模型
• 可以结合 Python 脚本程序执行自动化处理
• 通过引用、查找知识库，实现更精准的回答
• 有严格输入输出格式规范
• 可复用、稳定、可调试

具体流程

1. 明确工作流的目标，输入和输出
   1. 组合式工作流（复杂任务）
   2. 增强型 LLM + 工具（单一自动化任务）
2. 设计工作流架构
   • 单代理系统
   • 多代理协作系统
   • 有状态流程图
   • Agent+工具链+Planner+Memory
3. 搭建功能模块
   1. LLM：选择合适的 LLM
   2. Prompting：描述行为，并限制输入和输出
   3. Memory：历史回答的数据
   4. External Knowledge：存储内部知识的知识库（结构化的数据）
   5. Tools：工具接入方式
4. Workflow 建模
5. Prompt 编排
6. 验证和审查
7. 维护和优化

4-7 往往已经集成在平台上，所以只需要关心如何设计和构建工作流即可。

支持工作流的 AI 平台（持续更新）

• 字节扣子 Coze： https://code.coze.cn
• 百度秒哒： https://www.miaoda.cn
• Flowpix
• Google NotebookLM
• Claude Cowork
• n8n
• Make
• Dify
• Zapier

相关资料

• 五大AI工作流平台，n8n、Coze、Dify、Zapier、Make 对比： https://www.53ai.com/news/OpenSourceLLM/2025081324963.html