一句话定义
AI 工作流是把「问一句、得一段」的临时交互，固化成有明确定义输入、固定步骤、明确输出、可重复运行的流程。
区别在于：对话是手工艺，工作流是生产线。
为什么重要
因为手工艺无法规模化，也无法改进——你没法衡量一次随意的对话是否比上一次更好。
工作流带来三样东西：
- 可重复：同样的输入得到结构相似的输出。
- 可改进：每一步都是独立环节，可以单独优化和替换。
- 可委派：流程可以被别人使用，也可以被 Agent 调用。
从「会用 AI」到「用 AI 交付」，中间隔着的正是这一步。
从对话到工作流的三级台阶
第一级：模板化 把反复使用的提示固定下来，写成带占位符的模板。已经有明显收益。
第二级：多步化 拆成若干独立步骤，每步有明确输入输出。例如：提取要点 → 检查矛盾 → 生成摘要 → 格式化。
第三级：带校验的流水线 关键步骤增加自动检查——格式是否符合 schema、数字是否能对上、是否引用了不存在的内容。失败就重试或上报。
多数人停在第一级，而真正的可靠性来自第三级。
设计工作流的原则
- 每一步只做一件事。混合任务的失败原因无法定位。
- 步骤之间用结构化数据连接，比如 JSON，而不是自由文本。
- 把判断标准显式写出来，能自动校验的就写成校验。
- 保留人类检查点。在不可逆的动作之前，必须有人确认。
- 记录每次运行的输入输出，否则无法改进。
什么时候该升级成 Agent
工作流适合步骤可以事先确定的任务。当步骤取决于中间结果、需要动态决定下一步时，就该转向 Agent。
一个实用的判断：如果你能画出完整的流程图，用工作流；如果画不出来，用 Agent —— 但要接受更高的不确定性。
常见误解
- 「工作流就是把提示词串起来」：串联容易，难的是错误处理与状态管理。
- 「自动化程度越高越好」：在流程还没稳定时自动化，只会更快地产生垃圾。
- 「有了 Agent 就不需要工作流」：恰恰相反，Agent 内部大量使用固定工作流来保证可靠性。