本次查询：Agent Workflow
中文解释：代理工作流
常见场景：多智能体协作 / 复杂任务自动化 / AI 编排与调度
一句话解释
Agent Workflow 是指将 AI 代理（Agent）按照预设的逻辑流程组织起来，自动完成复杂任务的方法。每个代理可以负责一个子任务或决策节点，整个流程就像一条智能流水线。
为什么会被关注
传统单一大模型在处理多步骤、多角色协作任务时容易出错或遗忘上下文。Agent Workflow 通过分解任务、分配角色、串联步骤，显著提升了自动化水平和结果可靠性。
它让开发者可以用更低的成本构建能自主执行复杂业务的 AI 系统，例如自动生成报告、管理客户对话或编排多源数据查询。这种模式正在成为 AI 应用落地的关键路径。
核心逻辑
Agent Workflow 的核心是定义工作流中的节点（Node），每个节点由专门的代理或大模型执行。节点之间通过状态传递、条件判断（如 if-else、循环）实现流程控制。
常见的节点类型包括：思考节点、工具调用节点、对话节点和合并节点。节点可以调用外部 API、访问知识库或与其他代理通信。整个流程由一个编排器（Orchestrator）统一调度，确保任务按顺序或并行执行。
常见场景
自动化客服：一个代理负责理解用户意图，另一个代理查询知识库，第三个代理生成回复并校验，流程自动串联。
代码生成与测试：代理 A 生成代码，代理 B 运行测试并反馈错误，代理 A 修复后再次测试，直到通过。
多源信息整合：多个代理各自从不同数据源（网页、数据库、文档）提取信息，合并后由汇总代理生成最终报告。
复杂问答系统：将问题分解为子问题，分别由不同专长代理回答，最后合成答案，提升准确性和可解释性。
容易混淆的点
Agent Workflow 与单个 Agent 的思维链（Chain-of-Thought）不同：思维链是单个模型内部的推理步骤，而 Agent Workflow 强调多个独立代理或节点的外部协作与编排。
它与传统的 BPM 工作流也有区别。BPM 基于固定脚本和预定义规则，节点执行是确定的。而 Agent Workflow 中的节点由 AI 自主决策，流程可以动态调整，更灵活但也更不可控。
另外，Agent Workflow 不是指单一代理的循环调用，而是有明确的分工和流程结构。开发者需要设计节点间的依赖和反馈机制，否则容易出现死循环或任务丢失。