在AI迅猛發(fā)展的當下，AIGC（人工智能生成內容）正在逐步滲透到各個商業(yè)場景中，但如何高效地利用AI提升工作效率，仍然是一個值得深入探討的問題。本文開啟了一套關于AI-Agent構建的系列連載，旨在幫助讀者快速掌握AI工作流的基礎搭建方法，并通過案例實戰(zhàn)，探索如何為自己的工作場景構建實用的AI助手。

此次會連載一套AI-Agent構建的系列，主要分為三部分，首先是速通AI-Agent構建的工作流基礎，然后是通過ComfyUI作為案例來復盤如何快速上手工作流平臺，最后則是借助Agent平臺構建一個AI Agent案例，本系列意圖主要是幫助大家貫通工作流的搭建形式，并嘗試思考為自己的工作搭建一些可用的AI助手，或是提供構建的方法指引。

無論你是產(chǎn)品經(jīng)理還是設計師，你會發(fā)現(xiàn)商業(yè)場景的AIGC，幾乎都沒有辦法通過一段需求描述或是簡單的Agent對話就搞定的，你需要更專業(yè)更復雜的AIGC過程，那么如何理解復雜？實現(xiàn)專業(yè)？本系列會給你帶來一些啟示。

AI迅猛發(fā)展下涌現(xiàn)的AIGC

在過去兩年不到的時間里，AI絕對是一個熱門話題，同時帶來的也是各種AIGC的嘗試與數(shù)字化創(chuàng)新，我們迫切期望用AI來提升產(chǎn)出效率或帶來新的風口，經(jīng)過了兩年的時間，風風火火的AI似乎又放緩了腳步，被AI沖擊的人或事物好像也沒有想象中那么多，但AI的進步或商業(yè)化應用的腳步確是有跡可循的，可謂是大模型小應用。

這兩年里已經(jīng)有越來越多的人或企業(yè)用上了大模型的問答、AI多媒體生成、智能體(Agent)、工作流，其中大模型是最為常見的，能夠直接與用戶進行多模態(tài)溝通，并給予解答。多媒體AI生成方面已經(jīng)覆蓋了圖像、音頻、視頻等多領域，在廣告營銷方面大放光彩。而帶有周期記憶的大模型配合一定的數(shù)據(jù)材料+工具就能訓練出智能體，用作解決某些特定場景的問題和內容生成，在個人助手或企業(yè)服務中有著廣泛的應用；至于工作流則作為構建智能體或特殊AI工具的特定形式，被漸漸帶入AIGC廣泛的視野中。

過去的兩年里，專業(yè)的智能體平臺也在迅速發(fā)展，并且有數(shù)以萬計的智能體被發(fā)布使用，其中字節(jié)的扣子是知名度最高的，其次還有百度的文心智能體平臺、支付寶的百寶箱、Dify、Link AI等，他們的出現(xiàn)均是為了便于我們構建自己的智能體助手或是特定工作流。

大模型開發(fā)或訓練對普通人比較難，但在這個AI迅速發(fā)展的時代，我們不妨站在巨人的肩上，思考一下從個人工作提效的視角，如何來構建自己的智能體或是工作流？

Agent與AI工作流的區(qū)別

AI Agent (AI 代理)

其實AI Agent并不是這兩年才出來的概念，一般資料會說是一種能夠感知環(huán)境、進行決策和執(zhí)行動作的智能實體?。其實你可以淺顯的理解成是一個有記憶力，能夠學習指定資料和調用程序工具來完成任務的AI代理助手，所謂的感知環(huán)境就是能夠接收用戶的指令或是通過傳感器采集數(shù)據(jù)，然后大模型會根據(jù)指定資料學習來的知識，調用工具來自動的實現(xiàn)用戶目標或優(yōu)化收集到的數(shù)據(jù)，并且會在每次執(zhí)行優(yōu)化過程中學習提升，說到底一個AI Agent是否好用，還要看AI大模型是否牛掰，以及喂的知識庫是否專業(yè)可靠，也因此帶出了如RAG這些知識庫索引技術，目的就是為了讓AI更高效準確的從知識庫獲取信息，這個有機會再深入吧。

AI Workflow (AI 工作流)

當你在考勤程序上提交了一條請假，AI助理判定你的請假理由合理就自動轉達給老板進行最終審批了，那么這套介入了AI的數(shù)字化審批流程就可以看成是AI Workflow。淺顯的理解就是一條搭載了各種AI模型或工具插件的數(shù)字化生產(chǎn)流程，可以根據(jù)需求將數(shù)據(jù)不斷的加工執(zhí)行得到我們最終想要的結果，他們由一系列數(shù)字化插件與AI模型根據(jù)明確的任務次序組成，每個步驟都有清晰的輸入和輸出規(guī)范，整個流程高度結構化且可預測，同時也是大多復雜Agent或智能工具編排開發(fā)不可繞開的一種形式，工作流編排能夠有效地管理和協(xié)調這些插件或AI，確保Agent能夠高效、可靠、精準地運行。

兩者的優(yōu)勢差異

AI Agent

借助大模型(LLM)的智慧與學習能力，Agent有更強的理解分析與自主決策能力，能夠更好的適應復雜的場景與信息處理，并且可以根據(jù)過往的數(shù)據(jù)進行深度學習和優(yōu)化提升，適合相對開放的業(yè)務場景輸出，但靈活開放的同時，也會帶來一些不可控或未知。

AI Workflow

則更注重人為預定的執(zhí)行路徑和標準化的生產(chǎn)流程，可控性強，結果可預測，效率高，有一定擴展性，適合處理結構化、重復性任務，AI或大模型主要擔任其中的內容加工與數(shù)字化資產(chǎn)生成相關，但同時工作流本身就是一套流程自動化的方法，應用場景也相當廣泛。

職場打工就是人肉工作流

你是否發(fā)現(xiàn)，大部分職能工作都有自己的一套流程和方法論，就像是做飯得有菜譜一樣。這些流程和方法論能讓我們更快更好地完成生產(chǎn)工作，當然捏，時不時的我們也會根據(jù)需求適當?shù)恼{整一下流程或是方法嘛，就好比說客人跟你將喜歡吃辣一點，那么我們就適當?shù)亩嗉右恍├苯???。

倘若你是數(shù)字化辦公，那些結構穩(wěn)定重復的作業(yè)不就妥妥的一條工作流嘛，因為工作流是代碼或程序背景條件下的自動化辦公流程，那么我們把一些工作事項整成一個個工作流讓AI來完成！是不是！對，恭喜你也獲得一頭賽博牛馬～

那么先讓我們從工作流開始吧，掌握復雜AI-Agent構建的底層思維，教你如何一步步搭建自己的賽博牛馬。

速通工作流，原來如此簡單

AI工作流的概念我們已經(jīng)清楚了，那么正式聊聊工作流的結構與搭建思路～

工作流的基本構成

工作流目標：

這個工作流的用途價值（相當于老板下達的需求目標）

起點終點：

任務的起點設置與最終的交付結果（相當于老板提出的需求到執(zhí)行結果）

節(jié)點：

構成完整流程的局部階段或是事件單位，它們通常由一個或多個任務構成（相當于一個產(chǎn)品研發(fā)組織中的小部門，如設計部、產(chǎn)品部）

任務：

用作完成和實現(xiàn)節(jié)點目標的各個最小運行任務單位（相當于小部門接到需求后，拆成若干小任務開始分工，然后根據(jù)任務要求開始標準執(zhí)行輸出）

連接：

用作編排各個任務節(jié)點關系或步驟的“藥引子”（相當于產(chǎn)品部輸出“PRD”連接設計部，設計部輸出“UI”連接研發(fā)部，用作規(guī)范內容輸入輸出的字段參數(shù)，最終得出老板要的結果）

條件：

用作控制各個任務節(jié)點連接的條件判斷，即準入準出（相當于設計任務完成后需要給設計總監(jiān)看一下是否合格，是一種嚴格執(zhí)行和標準化的體現(xiàn)）

賽博餐廳上線，帶你速通工作流

首先我們用一套虛擬的數(shù)字化餐廳的菜品制作流程來演示一遍工作流是如何搭建和工作的，背景是在一個專業(yè)數(shù)字化的制菜工作流平臺，并且有著豐富的任務插件或AI工具可用；

目標背景：流程目標是電子菜，因為是虛擬的工作流制作，所以有一些節(jié)點或任務不會特別細致，就像是在玩游戲一樣，不要太在意哦～

• Step1. 首先流程的起點是點菜（菜名數(shù)據(jù)），最后是上菜（菜品結果）
• Step2. 根據(jù)預設，我們將配菜作為第一個節(jié)點，主要是找到插件或AI完成菜品的食材配置
• Step3. 接著是備菜節(jié)點，這個節(jié)點里的任務會根據(jù)菜品將食材進行清洗配切準備
• Step4. 然后是烹飪節(jié)點，這個節(jié)點里的任務主要是完成調味跟燒菜
• Step5. 燒好菜了，你知道的，我們要裝盤～
• Step6. 最后！當然是上菜啦～

此時我們已經(jīng)得到了一套電子菜的基本生產(chǎn)流程了，流程里已經(jīng)有了關鍵節(jié)點或是任務，并且有一套可行的線性關系編排，用來保證節(jié)點任務之間能夠有序運行，這些很重要，不信你看看我這套流程～

我想你一定會吃的很開心，連我的盤子碎片一起嗦溜吧hhhh

好啦，那么讓我們繼續(xù)將節(jié)點關系和條件正確地完善起來 ??????

這個時候我們已經(jīng)有一套簡易的工作流結構了，但，讓我們再完善一下“節(jié)點的任務”跟用于連接節(jié)點任務的“字段數(shù)據(jù)”看看～

目前為止，我們已經(jīng)清晰了基本流程，并且規(guī)范了連接關系與任務插件或AI的選用編排，他們已經(jīng)大致能夠將顧客下單的菜名逐步加工成目標菜品了，這些任務插件或AI模型都是平臺提供的，總之他們能搞定自己對應的任務，厲害的模型甚至能一次搞定多個任務，當然了，這些程序模型或插件的底層或背后也可以是這樣一套工作流，只要你規(guī)范好其運行的輸入輸出條件或結果，然后封裝成一個固定的插件單元即可。

那么接下來以“配菜”節(jié)點為例，我們將任務1插件背后的工作流再一次的剖析看看，究竟有哪些節(jié)點或任務構成。

到這里一套工作流的構建我想你應該心里有數(shù)了，這些節(jié)點任務的接口就像是電子積木一樣，我們設計好流程、數(shù)據(jù)與條件，將任務插件正確連接起來，保證接口數(shù)據(jù)能夠通過起始參數(shù)一步步的變成最終所需的結果即可。

任務或節(jié)點的典型結構

你可能在想，一個AI Workflow這樣就可以了嗎？還不夠，對于實際節(jié)點任務的連接關系我得再補充一下。

細心的你一定已經(jīng)發(fā)現(xiàn)了些特征，這些單元是不是特別像一個電子元件或是函數(shù)？是的，以開發(fā)視角來看，他們就是一堆模型接口，配置好輸入字段參數(shù)請求接口，然后接口根據(jù)輸入條件進行運算并輸出預期的結果。

你要是還不能理解就把單個任務或是節(jié)點看作一個人，把米飯跟火龍果吃進去，然后拉出紅色的翔，輸入是米飯+火龍果，經(jīng)過一頓消化，輸出是紅翔～

因此他們具備輸入、輸出、參數(shù)配置三大結構特征，參數(shù)配置就是輸入數(shù)據(jù)的條件設置，可以是多個不同類型的設置，可以控制最終輸出結果的走向，相當于對前面那個吃米飯+火龍果的人進行條件要求，要求他多吃幾個火龍果，這樣就可以獲得更紅的翔了～

當然了，也有些簡單的插件單元只用作單一的輸入或是輸出任務，甚至可以直接執(zhí)行，不需要進行手動的參數(shù)配置。

另外一個單元的輸入輸出參數(shù)可以是多對多關系，例如前面那個吃飯+火龍果的人，他輸入到肚子里的就是多個類型的食物，最終輸入的除了紅翔其實還有液體哦 [暗中觀察]

然后再說說輸入輸出的數(shù)據(jù)類型，這些數(shù)據(jù)通常由字段（參數(shù)名）+具體參數(shù)+數(shù)據(jù)格式構成，例如“姓名：泡泡”中，姓名就是的字段，泡泡就是字段的參數(shù)，參數(shù)類型就是個中文字符串，若是“年紀”這個字段，那么參數(shù)的類型基本就是數(shù)值。

還記得前面賽博餐廳的例子嗎，在現(xiàn)實里，每個節(jié)點任務之間的輸入輸出也具備以上三個屬性，就像下面圖里例舉的一樣，【配菜】的輸入字段是菜名，參數(shù)則是一個具體的菜品名稱，類型則是傳遞這個信息的一個載體，例如便簽；

所以在真實的AI工作流構建時，同樣也需要注意到這些字段的格式類型，他們被用作規(guī)范輸入輸出的數(shù)據(jù)格式，例如輸入一段文本（類型是字符串），最終交付一張圖像（類型是圖像），這便是典型的文生圖模式，這里我給一些高頻的基礎字段類型了解一下；

在前文提過，為了更準確的控制結果輸出，就免不了一些參數(shù)配置，即使工作流平臺提供了豐富的任務節(jié)點或是插件，但，我們僅僅只是圍繞基礎流程把他們組合連接一下是不夠的。

在實際的工作流任務或節(jié)點應用時，還有很多的部分需要由設計者來完成字段參數(shù)的設定與配置，這樣任務插件之間才能正確工作起來，就如下圖這些頭疼的玩意兒～

但也別急著頭疼，通常這些玩意兒就是對應任務插件的預設配置而已，或者是AI模型工作的提示詞，當你知道了任務節(jié)點的用途與條件后就不會難懂了，那么現(xiàn)在讓我們在賽博餐廳的工作流中也展示一些必要的節(jié)點任務配置看看如何～

如圖上所示，我們?yōu)椤包c菜”跟“裝盤”節(jié)點補充了任務執(zhí)行所需的字段參數(shù)配置，是不是也不難理解？

既然要求做任務執(zhí)行，那么任務執(zhí)行的標準或必要條件你肯定得通過字段參數(shù)的形式輸入給任務插件了。

工作流擴展升級的思路

那么工作流僅僅就這樣？別急別急！

我再講一點點靈活擴展的方法思路，說到底工作流是一系列程序與數(shù)據(jù)交互，那么只要程序加工的插件或模型夠豐富夠智能，我們不就可以根據(jù)訴求鳥槍裝成大炮哇！

還是我的賽博餐廳，既然是一家餐廳，那我們可得有特色了，所以我們應該有一套限定風味的菜單，而不是大雜燴，所以先上一個點菜系統(tǒng)；

這時我們就有一套預制的菜品菜單了，并且菜品圖正是我們賽博餐廳里生產(chǎn)的，可不是網(wǎng)圖哦～

接著考慮到要調用食材倉庫，我們給制菜流水線再加一個食材分析節(jié)點，用作更好的采購和管理食材，并且增加一個用戶反饋節(jié)點來改善菜品，那么開始操辦～

目標一：食材采購管理

設計思路：每次配菜都會有一套食材表單，可以作為輸入的基礎數(shù)據(jù)，中間則添加一套AI模型，負責按照周月季不同的周期來整理和分析食材的用量存量趨勢，以及保存周期規(guī)劃，最終輸出一套符合采購系統(tǒng)的數(shù)據(jù)表，使得食材倉庫合理高效運行。

目標二：用戶反饋優(yōu)化

設計思路：首先需要收集到有效的用戶反饋，其次要對應到菜品，以及我們期望的反饋，所以我們在上菜流程上擴展一個用戶反饋節(jié)點來連接用戶，并且借助AI設置一套符合我們賽博餐廳的菜品意見表，這個表是用戶選填的，但是一定會在用餐結束后記錄菜品名稱與用餐結果圖，當然，如果用戶提供了反饋就更好了。

那么反饋結果呢？不要急，我們會通過指定的數(shù)據(jù)格式先輸入到一個“菜品優(yōu)化分析”的AI模型任務節(jié)點上，然后將優(yōu)化結論輸出到“配菜”節(jié)點中的“廚房小能手”AI模型上，以及烹飪節(jié)點中的烹飪方法知識庫上，這樣我們就可以得到優(yōu)化后的烹飪菜品了。

那么這么一套賽博餐廳的工作流模擬搭建就告一段落了，其實只要有夠豐富的插件或模型，還有你豐富的想象力，小小的積木也能被你搭建成豪華的城堡，希望這一套賽博餐廳下來，能幫你把流水線的概念與技巧吃透。

下一期，通過ComfyUI工作流作為案例教你如何快速上手工作流平臺與搭建工作，為后續(xù)案例實踐作基礎鞏固。