惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

月光博客
月光博客
Stack Overflow Blog
Stack Overflow Blog
L
LangChain Blog
Jina AI
Jina AI
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
雷峰网
雷峰网
T
Tailwind CSS Blog
MongoDB | Blog
MongoDB | Blog
博客园 - 【当耐特】
博客园 - 聂微东
V
Visual Studio Blog
博客园_首页
Engineering at Meta
Engineering at Meta
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
The Cloudflare Blog
人人都是产品经理
人人都是产品经理
Apple Machine Learning Research
Apple Machine Learning Research
阮一峰的网络日志
阮一峰的网络日志
Microsoft Security Blog
Microsoft Security Blog
GbyAI
GbyAI
F
Fortinet All Blogs
C
Check Point Blog
罗磊的独立博客
H
Hackread – Cybersecurity News, Data Breaches, AI and More

博客园 - 人艰不拆_zmc

AI 里的“本体”到底是什么?一篇写给技术小白的通俗解释 15000mAh 到底是什么概念?一篇看懂电池容量 go2_ros2_sdk 到底是干什么的?从 Go2、官方 SDK、ROS2 一路讲到 SLAM 和 Nav2 买了宇树 Go2 以后怎么二次开发?写给第一次做机器狗项目的人 买了一块 NVIDIA Jetson,怎么在上面安装 ROS2?从 JetPack 到 ROS2 的完整入门指南 NVIDIA Jetson 到底是什么?写给第一次接触机器人和边缘 AI 的人 ROS / ROS2 到底是什么?写给第一次接触机器人开发的人 大模型到底能同时多少人用?一篇看懂并发、排队与容量估算 大模型为什么有快有慢?一篇看懂响应速度背后的关键因素 技术小白也能看懂:大模型里的量化、蒸馏到底是什么意思? Codex 使用技巧:从“会聊天”到“真正能干活” 我终于搞懂了:Codex 对话中插件和 Skill 到底怎么用 我终于搞懂了 Agent Spec:它其实就是 Agent 的“标准设计图” 我终于搞懂了 Tool:原来不只是 Function Calling 里的函数 Skill 里的 Python 脚本,到底是不是 Tool? 我终于搞懂了 Codex 的 Plugin 和 Skill:顺便把 App、MCP 一次理清 我终于搞懂了 Codex 的“应用”:App 到底是什么,怎么添加和维护? 我终于搞懂了 Tool、Function Calling 和 MCP:大模型到底怎么知道该调哪个接口? 我终于搞懂了 MCP:从 HTTP API 到 ERP MCP Server 的完整入门 我终于搞懂了 Codex 的“记忆”是怎么回事 Codex 用久了越来越慢?我的上下文管理小技巧 我终于搞懂了 Codex 里的 Thread、Turn 和 Session 从 Qwen3.8-27B 到 FP8、NVFP4、MoE:一次搞懂几个常见大模型概念 FPS 是什么意思?简单理解 60 FPS、25 FPS 和视频帧率 DeepSeek Harness 明明像 AI Coding 工具,为什么又能用来构建各种 Agent? 使用 Codex 开发项目,怎么才能节约 Token? 模型里的 32K、128K、256K 是什么意思?简单聊聊上下文限制 Codex 一次对话到底会给模型发送什么?以 Spring Boot 项目为例讲清 Context、代码读取与 Token 消耗 AI Agent 中的 Rule 是什么?以 Codex 为例,小白也能看懂 我终于搞懂了 Harness:它不是论文,也不是标准,更不是 Codex 独有
智能体技能——工作流简单介绍
人艰不拆_zmc · 2025-08-10 · via 博客园 - 人艰不拆_zmc

1. 什么是工作流

1.1 官方解释

工作流是通过把复杂任务拆分成多个子任务的方式来提升输出结果的准确性。如果目标场景非常多,逻辑复杂,那么可以选择通过工作流的方式来处理任务。

使用工作流的优点显而易见,能够把目标场景的任务逻辑详细拆分,确保逻辑清晰易懂,从而提升输出结果的准确性,其缺点也很明显,配置工作流比较耗时,且对开发者要求较高,需要熟悉各类工作流节点的使用。

1.2 简单解释

工作流就是 做事情的一套流程”。它像是一地图,告诉你从开始到结束,每一步该做什么、谁来做、怎么做。比如:

  • 你想煮一碗面,工作流就是:烧水 → 下面 → 加调料 → 出锅,每一步都清清楚楚。

  • 在公司里,工作流可能是:申请 → 审批 → 执行 → 反馈,确保事情顺利完成。

2. 为什么要用工作流

工作流的本质是 用流程约束AI的自由发挥 ,通过标准化、工具化和透明化,让AI在复杂任务中既灵活又可靠。

用最直白的方式解释:就像你教新员工干活——不写流程他会乱来,写了清单他就变靠谱。

举个奶茶店例子:

你想让AI当智能店员,如果只说一句"帮我做奶茶",它可能:

  • 忘了问顾客要几分糖

  • 直接把奶茶倒进塑料袋

  • 忘记收钱就把奶茶送出去

用了工作流后,AI必须按步骤来:

  • 1️⃣ 先问顾客:"要冰的还是热的?"

  • 2️⃣ 再问:"糖度选30%、50%还是100%?"

  • 3️⃣ 做完奶茶必须说:"请扫码支付,我这就打包!"

3. 使用工作流优势

3.1 防AI发疯  

  就像给猴子戴安全绳,防止它突然编造不存在的规定(比如"本店买奶茶要送手机")。

3.2.组装超能力  

  让AI先查库存(调用数据库)→ 再算优惠(用计算器)→ 最后说人话(生成回复),比让AI自己瞎算准确10倍。

3.3 老板看得清  

  每一步都有记录,如果顾客投诉"奶茶没加珍珠",直接看日志就知道是AI漏问,还是后厨没放。

  一句话总结:工作流就是给AI画格子,让它在该严谨时按规矩办事,该灵活时再自由发挥。

4. 工作流的应用场景

场景一:用插件节点“无脑”完成专业任务

  例子:自动获取新闻列表

  • 节点:添加一个 “获取新闻”插件(例如RSS新闻订阅)

  • 作用:自动每天抓取最新新闻,省去手动搜索的时间,适合做简报、课堂分享。

  • 输入:设定关键词(比如“科技”)。

  • 输出:直接生成新闻标题+链接列表。

  场景二:用大模型节点“一键解决复杂问题”

  例子:自动回答学生疑问

  • 节点:添加一个 大模型处理”节点(比如ChatGPT)。

  • 作用:学生问“光合作用原理?”,节点自动生成解释+示意图代码,秒变24小时助教

  • 输入:学生的问题文本。

  • 输出:答案文案或代码(比如生成一个思维导图)。

  场景三:用代码节点“让程序帮你干活”

  例子:课堂随机抽签点名

  • 节点:添加一个 “Python代码”节点

  • 作用:运行一段代码,随机选一名同学回答问题,避免手动点名不公平

  • 输入:学生名单(例如["张三","李四","王五"])。

  • 输出:随机返回一个名字。

5. 怎么学习工作流

用「玩游戏」思维轻松上手!学习工作流最主要就是"拆解"

  • 「三句口诀」

     ➔ 什么是步骤?→ “先做什么,再做什么”(比如:先炒蛋后放盐)。

     ➔ 什么是节点?→ “一个小任务”(比如:写作业的“数学题”节点)。

     ➔ 什么是连接?→ “任务间的箭头”(比如:写完英语才能交作业)。

    • 举个栗子:用 “点外卖”流程 理解:选店 → 下单 → 付款 → 等送达。