一文搞懂智能体工作流（Agentic Workflow）

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、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。

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。