我要投稿

一文搞懂智能体工作流（Agentic Workflow）

发布日期：2025-03-29 06:45:00 浏览次数： 2102

作者：架构师带你玩转AI

微信搜一搜，关注“架构师带你玩转AI”

智能体（Agent）是基于大型语言模型（LLM）的执行单元，通过规划、记忆、工具与行动协同工作。智能体工作流（Agentic Workflow）则是利用多个这样的智能体协作，以自动化和优化业务流程，将复杂任务分解为可管理的子任务，并通过迭代达成目标。

电影《钢铁侠》中的智能助手J.A.R.V.I.S.（Just A Rather Very Intelligent System，即“只是一个相当聪明的系统”）为我们描绘了一个未来AI Agent的雏形。

J.A.R.V.I.S.，作为托尼·斯塔克（钢铁侠）的得力助手，不仅拥有强大的数据处理能力，还能精准理解并执行主人的指令，甚至能在关键时刻提供关键建议。

一、Agent

什么是LLM Agent（智能体）？大模型Agent是一种构建于大型语言模型（LLM）之上的智能体，它具备环境感知能力、自主理解、决策制定及执行行动的能力。

Agent是能够模拟独立思考过程，灵活调用各类工具，逐步达成预设目标。在技术架构上，Agent从面向过程的架构转变为面向目标的架构，旨在通过感知、思考与行动的紧密结合，完成复杂任务。

大模型Agent由规划、记忆、工具与行动四大关键部分组成，分别负责任务拆解与策略评估、信息存储与回忆、环境感知与决策辅助、以及将思维转化为实际行动。

一、规划（Planning）：

规划是Agent的思维模型，负责拆解复杂任务为可执行的子任务，并评估执行策略。通过大模型提示工程（如ReAct、CoT推理模式）实现，使Agent能够精准拆解任务，分步解决。

二、记忆（Memory）：

记忆即信息存储与回忆，包括短期记忆和长期记忆。短期记忆用于存储会话上下文，支持多轮对话；长期记忆则存储用户特征、业务数据等，通常通过向量数据库等技术实现快速存取。

三、工具（Tools）：

工具是Agent感知环境、执行决策的辅助手段，如API调用、插件扩展等。通过接入外部工具（如API、插件）扩展Agent的能力，如ChatPDF解析文档、Midjourney文生图等。

四、行动（Action）：

行动是Agent将规划与记忆转化为具体输出的过程，包括与外部环境的互动或工具调用。Agent根据规划与记忆执行具体行动，如智能客服回复、查询天气预报、AI机器人抓起物体等。

二、Agentic Workflow

什么是Agentic Workflow（智能体工作流）？Agentic Workflow是一种新兴的工作流程管理方法，它结合了人工智能（AI）智能体（Agent）来自动化和优化业务流程。
Agentic Workflow以大型语言模型（LLM）为技术基础，通过多个AI Agent的协作，将复杂任务分解为可管理的子任务，并通过迭代优化完成目标的系统。
AI Agent作为核心执行单元，每个Agent都具备特定的功能，如数据分析、决策生成等。通过LLM（大语言模型），Agent实现了“大脑”级别的规划能力。在执行任务时，运用提示工程中的思维链（Chain-of-Thought）和自我反思等技术，来指导Agent分解任务、动态调整策略。同时，构建多Agent协同框架，集成RAG（检索增强生成）等技术，提升Agent处理能力。

链式、并行化、路由工作流是 Workflow 实现标准化的三种典型模式，而 Agent 通过动态决策能力扩展了 Workflow 的应用边界，二者共同构成智能体工作流。

一、链式工作流模式（Chain Workflow）

将多个步骤按线性序列组织，一个步骤的输出作为下一个步骤的输入，形成一个连续的处理链。通过明确的步骤顺序，简化了复杂任务的处理流程。

每个步骤都依赖于上一步的输出，确保了数据的准确性和一致性。

适用场景：任务具有明确顺序，且每个步骤都依赖于前一步的输出，如新闻推荐系统中的内容筛选和排序。

二、并行化工作流模式（Parallelization Workflow）

通过同时执行多个任务或处理多个数据集，提高数据密集型操作的效率。通过并行处理多个任务，显著缩短了整体处理时间。这样能够合理分配计算资源，提高系统的吞吐量。同时易于扩展以处理更大规模的数据和任务。

适用场景：任务可以独立执行且没有相互依赖，需要快速处理大量数据或多个请求，如大数据分析、实时监控和复杂决策支持系统。

三、路由工作流模式（Routing Workflow）

根据输入条件动态指导执行路径，使系统能够在没有预定义序列的情况下适应不同情况。能够根据不同的输入条件选择不同的处理路径，将任务路由到最适合处理的节点，提高了资源利用率。

适用场景：任务处理依赖于输入特征，且不同特征需要不同的处理流程，如金融服务平台根据用户感兴趣的主题将请求路由到不同的API端点。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-06-14

多模态RAG的三类图文问答实现方式，你知道多少种？

2025-06-14

新一代文本表征Qwen3-Embedding与排序模型Qwen3-Reranker 部署和替换

2025-06-14

“华强北”围攻AI耳机，未来智能如何突围？

2025-06-14

AI时代如何为企业和个人赋能

2025-06-14

没吃透 Function Calling？难怪你不理解 AI Agent 为何非来不可！

2025-06-14

浅尝一下微软的AutoGen框架

2025-06-14

基于大模型的智能运营｜智能体式编排，业务流程管理的新阶段

2025-06-14

从Manus爆火看Agent AI的技术演进与市场变革——AI Agent全景研报

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek R1-0528 小版本升级

2025-05-29

🧠 解码大语言模型的记忆力：上下文长度的前世今生

2025-03-20

萌新指南｜手把手教你Cherry Studio配置MCP，10分钟让大模型学会上网截图！

2025-03-21

教你解决GPT4o无法使用新版生图功能的教程

2025-04-11

Manus 是大模型 AI Agent + MCP，那什么是模型上下文协议 (MCP)?

2025-03-20

不止核弹芯片，黄仁勋发布两台 AI 个人超算，还拿下全球最快 DeepSeek 推理速度

2025-03-19

聊聊大模型MCP模型上下文协议-为何是AI在企业内应用落地的一个关键组件

2025-03-20

用 Go 语言打造高并发 MCP 服务器：理论、实战与 AI 应用全景探索

2025-03-19

MCP如何重塑AI开发？一文带你深入了解

2025-03-19

黄仁勋 2 个半小时演讲，英伟达已经进入「Agentic AI」时代

2025-03-19

大家都在问

多模态RAG的三类图文问答实现方式，你知道多少种？

2025-06-14

“华强北”围攻AI耳机，未来智能如何突围？

2025-06-14

张鹏对谈李广密：Agent 的真问题与真机会，究竟藏在哪里？

2025-06-14

为什么说Maus是未来任务型AI系统的代表？

2025-06-14

一手实测：首个有记忆的企业级AI Agent，能否经得住实践捶打？

2025-06-13

聊透 Agent，它是「同事」还是「工具」，创业机会和价值究竟是什么？

2025-06-13

拒绝碎片化 RAG，谷歌 DeepMind 推出 ReadAgent：模拟人类阅读长文本，或是NotebookLM底层技术？

2025-06-13

字节跳动2步突破，复杂文档布局解析，为啥如此惊艳？

2025-06-13

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB