“ 工作流與RAG是大模型應用領域階段性的產物。”

工作流是對工作流程及其各操作步驟之間業務規則的抽象和概括描述。它可以幫助組織和自動化重復性任務，提高工作效率。

智能體作為人工智能應用的一個主要技術形式，其重要性不言而喻；但同樣智能體也并不是萬能的，因此怎么更好的使用智能體，并串聯相關技術環節就成為一個需要解決的問題。

而這就是工作流需要解決的問題，通過制定標準的執行流程，在不同節點使用不同的工具(智能體也是工具的一種)，來完成特定任務。

工作流與智能體

關于工作流技術并不是一個新興的技術，在低代碼概念出現之前，工作流就已經存在了；比如說自動化辦公中的審批流，業務流等。

而工作流的主要目的就是使得工作流程化，解決部分或全部重復性，流程化的工作；其核心思想是讓工作按照一定的規則或順序執行。

因此，結合工作流的流程化能力，然后添加智能體強大的功能性，就可以組合出功能更加強大的智能體；以此，來提升我們的工作和學習效率。

工作流從技術的角度來看，其主要由執行引擎和節點構成，然后配合編排的功能進行實現。

而每個節點都需要有固定的輸入與輸出參數，工作流引擎不需要知道每個節點是怎么工作的；只需要每個節點能夠接受上層節點傳來的參數，然后處理輸出成下層節點所需要的數據即可。

而在傳統的工作流中，每個節點就是開發人員實現的一個功能函數，比如調用某個接口獲取數據；而結合智能體之后，就可以把大模型的能力整合進工作流中，這樣節點的功能就可以得到大模型的增強。

因此，簡單來說智能體本質上就是工作流上的一個節點，只不過這個節點的功能比較強大；所以總體來說，工作流結合智能體，本質上是把低代碼的思想應用于大模型的使用。

而目前對工作流，特別是與大模型結合比較好的平臺有字節跳動的coze平臺，開源的Dify和德國產的n8n等平臺；當然，網上還有很多其它具備流程編排的平臺或開源項目，但由于影響力有限，因此暫且不談。

為什么要使用工作流？

由于大模型本身能力的限制，如幻覺問題，理解能力不足，缺少私域數據等問題；導致RAG(檢索增強生成)和工作流等成為中間性的解決方案。

再加上人工智能的目的是通過自然語言交互讓大模型幫我們解決各種問題，因此使用傳統的開發方式使用大模型就不在是一個好的選擇。

而有了工作流之后，就可以通過界面化操作，如拖拉拽的方式來設計和開發一個智能體或構建一個功能完整的互聯網應用。因為，工作流本質上就是現在的低代碼，只不過只能算半低代碼而已。

所以，有了這種工作流平臺之后，即使不懂編程技術的普通人，也可以通過平臺來構建屬于自己的大模型應用，最終實現商業化的目的。

本文轉載自公眾號AI探索時代 作者：DFires

原文鏈接：??https://mp.weixin.qq.com/s/PHSdJubposh3VJj1EovV0Q??