Datawhale coze-ai-assistant task1
一、了解AI工作流
1. what：什么是工作流
工作流（Workflow）是指完成一项任务或目标时，按照特定顺序进行的一系列活动或步骤。
核心：对一系列任务或步骤进行预先定义的、结构化的编排
本质(通俗理解)：workflow本质上是一个精确的、静态的流程图，规定了在何种条件下、以何种顺序执行哪些操作
构成要素：
- 必须要有：
- 输入
- 输出
- 可以有：
- 文本大模型
- 插件
- 知识库
- …
- 注意事项：
- 输入输出的理解：上一步的输出通常是下一步的输入
workflow工作流程(图来自hello agents中第一章节关于workflow的介绍)
2. why：为什么要用工作流
在 AI 领域， AI 智能体（AI Agent）的概念很火，许多同学也尝试搭建了智能体。那么智能体和工作流的区别是什么， 为什么我们要使用工作流而非智能体呢？
接下来，我们讲述以下什么是智能体，以及智能体和工作流有何异同。
智能体（AI Agent）
- 是什么：是一个具备自主性的、以目标为导向的系统。它不仅仅是执行预设指令，而是能够在一定程度上理解环境、进行推理、制定计划，并动态地采取行动以达成最终目标。。
- 能做什么：任务自动化、智能客服与助手、**多智能体协作（Multi-Agent Systems）**等任务都是agent的典型应用场景
- 缺点：
- 可靠性不足（可能产生幻觉（编造信息）、执行错误步骤，缺乏确定性保障）
- 安全性风险（若赋予过高权限（如自动转账、删库），可能被滥用或误操作）
根据上述内容再加上网上查询资料，我们可以填写以下表格。
| 维度 | workflow | agent |
|---|---|---|
| 核心理念 | 预定义的、结构化的任务执行序列 | 具备一定自主性、决策能力和目标导向的实体 |
| 行为方式 | 静态、线性或分支明确，按预设路径执行 | 动态、反应式、可能基于环境变化调整策略 |
| 灵活性 | 低：仅能处理预设路径内的场景 | 高：能应对未预见的情况，具备泛化能力 |
| 是否需要人类干预 | 通常需预先设计完整流程，运行中较少动态调整 | 可完全自主运行（理想情况下） |
3. 如何判断一个工作是用agent还是workflow
先问四个核心问题
-
任务是否高度结构化、可预定义？
-
是 → 倾向 Workflow
-
否（模糊、开放、多变）→ 倾向 Agent
-
-
是否需要自主决策或处理未见过的情况？
-
需要 → **Agent **
-
不需要（只需按规则执行）→ **Workflow **
-
-
对可靠性和可审计性要求高吗？（如金融、医疗、合规场景）
-
要求高 → 优先 Workflow（流程透明、可追踪）
-
可接受一定不确定性 → 可尝试 Agent
-
-
是否希望用户用自然语言下达复杂指令？
- 是 → Agent 更友好
- 否（用户通过表单/按钮操作）→ Workflow 更高效
各场景及其适合技术参考：
| 场景特征 | 推荐方案 | 理由 |
|---|---|---|
| 审批流、订单处理、报销流程 | ✅ Workflow | 步骤固定、需留痕、强合规 |
| 客服问答、信息查询、简单任务 | ⚖️ 可用轻量 Agent 或规则引擎 | 若问题有限，规则更稳；若问题开放，用 Agent |
| 用户说“帮我策划一场发布会” | ✅ Agent | 目标模糊，需分解任务、调用多工具 |
| 数据管道（ETL）、CI/CD 流水线 | ✅ Workflow | 强依赖顺序、错误需精确捕获 |
| 需要 AI 自动生成报告、写代码、分析数据 | ✅ Agent | 涉及推理、创造力、动态调用工具 |
| 高风险操作（如资金转账、删库） | ❌ 避免纯 Agent ✅ 用 Workflow + Agent 审核 | Agent 易出错，需人工或规则兜底 |
| 多角色协作完成复杂项目 | ✅ Multi-Agent + Workflow 混合 | Agent 分工，Workflow 控制整体节奏 |
二、Coze
关于coze更多详细内容可以参考链接Coze的介绍
对应课程：DataWhale coze-ai-assistant