构建复杂且高效的人机协作工作流?Agentic Workflows

最新推荐文章于 2025-04-25 09:00:00 发布

shadowcz007

最新推荐文章于 2025-04-25 09:00:00 发布

阅读量407

点赞数 4

本文链接：https://blog.csdn.net/shadowcz007/article/details/145484864

版权

智能创作引擎架构设计

核心原理

一个 AI 原生创作引擎，通过自由形式的画布界面，结合多线程对话、知识库 RAG 集成、上下文记忆、智能搜索和所见即所得的 AI 编辑器等功能，帮助用户轻松将想法转化为生产级内容。

模块详解

1. 前端模块 (apps/web)

输入/输出: 用户界面交互、画布操作、编辑器操作
实现原理: 基于 React + Vite 构建，使用 ReactFlow 实现可视化工作流，Tiptap 实现协同编辑
核心代码:

2. 后端模块 (apps/api)

输入/输出: API 请求处理、AI 模型调用、数据持久化
实现原理: 基于 NestJS 构建，集成 Prisma ORM、Redis 缓存、ES 搜索
核心代码:

系统流程图

补充说明

采用 yjs 实现分布式状态管理和数据同步，确保多用户协作的一致性
通过 Elasticsearch 和 Qdrant 实现双重搜索能力，支持文本搜索和向量检索
使用 Docker 容器化部署，支持快速部署和扩展

类似项目：

https://github.com/refly-ai/refly

近期推荐：

火热开启！0基础2天蜕变全栈开发者#AI编程训练营，N7开始报名

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

shadowcz007

关注关注

4
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

STORM：斯坦福革命性研究工具，利用代理和代理工作流程的力量

iCloudEnd的博客

08-08

328

在快速发展的人工智能领域，斯坦福大学公布了一项开创性的项目，有望彻底改变我们进行研究、综合信息和创建结构良好的内容的方式。STORM 代表通过检索和多角度提问来综合主题大纲，被誉为迄今为止最有效的人工智能研究和写作工具之一。

万字长文！从AI Agent到Agent工作流，一文详细了解代理工作流(Agentic Workflows)

强化学习曾小健

03-26

893

AI 代理是一种结合了大型语言模型（LLMs）的推理与决策能力，以及现实世界交互工具的系统，使其能够在有限的人类干预下完成复杂任务。代理被赋予特定的角色，并拥有不同程度的自主性来实现最终目标。它们还具备记忆能力，能够从过去的经验中学习，并随着时间的推移提升性能。为了更好地理解AI代理在代理工作流中的作用，需要先了解它们的核心组成部分。在一般情况下，工作流（Workflow）指的是一系列相互关联的步骤，旨在完成特定任务或目标。最简单的工作流是确定性的（Deterministic）

参与评论您还未登录，请先登录后发表或查看评论

有哪些备受好评的流程管理工具？为复杂工作流程“做减法”

weixin_65118236的博客

11-04

1104

流程管理是企业运营中的关键环节，它涉及到对企业内部各种业务流程的系统化、标准化和持续优化。这种管理方式的核心价值在于提升企业的运营效率、降低成本、提高服务质量，并最终增强企业的市场竞争力。通过流程管理，企业能够减少不必要的步骤和重复工作，从而提高工作效率；优化流程有助于减少资源浪费，降低运营成本；同时，它还能确保产品和服务的质量符合既定标准，提升客户满意度。流程管理还增加了工作的透明度，便于监督和审计，有助于识别和控制潜在风险，以及鼓励持续改进以适应市场变化。在当今的办公环境中，流程管理的应用广泛而深远。

Agentic Workflow：AI重塑了我的工作流

Datawhale

05-25

1248

"Reshape your workflow with AI."在Agentic Workflow的这件事情上，我先完成了自己的工作流重塑。近期在「特工宇宙」分享了一场关于Agentic Workflow主题的内容，现在同步分享给大家一些关于个人在使用AI Agent Workflow上的思考、AI-Native应用「Pailido｜AI拍立得」创建的初衷和实现流程，在个人工作流重塑上分享了一些体...

智能化工作流（Agentic Workflows）是什么？有什么模式和应用场景，从零开始讲解！

2401_85375186的博客

04-25

1248

如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！

从AI Agent到Agent工作流，一文详细了解代理工作流(Agentic Workflows)

weixin_72959097的博客

04-17

1010

AI Agent框架如何选择？LangGraph vs CrewAI vs OpenAI Swarm

XD的博客

12-04

1583

由 LLMs经历了起起落落。从 2023 年 AutoGPT 和 BabyAGI 的病毒式演示到今天更精致的框架，AI Agent的概念——LLMs自主执行端到端任务的 LLM——既引起了人们的想象力，也引起了怀疑。为什么重新引起人们的兴趣？LLMs 在过去 9 个月中进行了重大升级：更长的上下文窗口、结构化的输出、更好的推理和简单的工具集成。这些进步使构建可靠的AI Agent应用程序比以往任何时候都更加可行。

从 AI Agents 到 Agentic Workflows 的 AI 进化阶梯：技术演进的底层逻辑与商业价值

Python_cocola的博客

02-17

857

近年来，AI 技术的焦点正经历一场静默但深刻的转变——从追求“类人交互”的 AI Agents 转向以任务分解与数据整合为核心的 Agentic Workflows。这一转变不仅折射出技术成熟度的现实考量，更揭示了企业对效率与价值的本质需求。作者 Cobus Greyling 作为 Kore AI 的首席技术推广官，在 AI 领域具有深厚的专业背景。

LLM每周速递！| 涉及多模态、MoE模型、Deepseek推理、Agent安全控制、模型量化等

yinizhilianlove的博客

04-14

1063

实训商业源码-智能设备-论文模板.zip

05-18

实训商业源码-智能设备-论文模板.zip

实训商业源码-智慧农场小程序 1.8.8+众筹1.1.0+拼团1.0.0+报名1.0.6-论文模板.zip

05-18

实训商业源码-智慧农场小程序 1.8.8+众筹1.1.0+拼团1.0.0+报名1.0.6-论文模板.zip

电力电子领域PCS储能变流器双向Buck Boost电池充放电Matlab仿真研究 PI控制基于文献复现的双向Buck Boost储能变流器的Matlab仿真模型与电压电流双闭环PI控制分析

05-18

内容概要：本文详细探讨了基于文献复现的PCS储能变流器双向Buck Boost电池充放电过程的Matlab仿真模型。首先介绍了PCS储能变流器的重要性和双向Buck Boost技术的应用背景，特别是在可再生能源快速发展的背景下，储能系统的作用愈发关键。接着，文章描述了模型的具体构建方法，包括电池模型、PCS储能变流器模型和母线电压模型，并采用了电压电流双闭环PI控制策略。仿真过程分为三个阶段：0-0.1秒不充不放，0.1-0.3秒充电功率10KW，0.3-0.5秒放电功率15KW。重点讨论了LCL滤波器的效果及其对系统稳定性的影响。最后，提供了简单的Matlab代码片段用于设置仿真参数并运行模型。适合人群：电力电子领域的研究人员和技术人员，尤其是对储能系统和PCS储能变流器感兴趣的读者。使用场景及目标：适用于希望深入了解PCS储能变流器双向Buck Boost技术原理的研究人员，以及需要进行储能系统设计和优化的实际工程技术人员。目标是帮助他们掌握该技术的应用，提升系统性能和稳定性。其他说明：文中提到的相关文献可以提供更多关于LCL滤波器和其他相关技术的详细信息，有助于进一步深入研究。

实训商业源码-智慧乡村社区V6.3.9+手机录入V1.0.1-论文模板.zip

05-18

实训商业源码-智慧乡村社区V6.3.9+手机录入V1.0.1-论文模板.zip

减速电机测试上位机软件

05-18

用于生产电机测试的上位机软件，有一定参考价值

毕业设计-图片格式转换-整站商业源码.zip

最新发布

05-18

毕业设计-图片格式转换-整站商业源码.zip

[YOLO11+UADETRAC]UADETRAC车辆识别数据集，使用YOLO11格式进行标注(三)

05-18

车辆识别数据集，使用YOLO11格式进行标注，可以直接进行训练，本数据集包含MVI_40171到MVI_40204及其YOLO标注 0:car 1:van 2:bus 3:others

电力电子领域中正负序PLL锁相环算法在华为与阳光电源DSP芯片中的应用及C语言实现 DSP芯片

05-18

内容概要：本文详细介绍了华为与阳光电源在电力电子领域中采用的正负序PLL锁相环算法，用于提取和抑制不平衡电压。文章首先解释了正负序PLL锁相环的基本原理，即通过精确控制电源输出的相位来实现对负载电压的稳定控制。接着，文中探讨了该算法的具体应用场景，如高效电源设备的运行和电力系统监控，展示了其在提高设备运行效率和稳定性方面的重要作用。最后，文章讨论了技术细节和实现方式，强调了硬件资源利用效率、数字信号处理技术的应用以及多种滤波技术的使用，确保算法的高精度和稳定性。适合人群：从事电力电子技术研发的专业人士，尤其是对锁相环算法感兴趣的工程师和技术研究人员。使用场景及目标：适用于希望深入了解正负序PLL锁相环算法在实际应用中的实现方法和技术细节的人群。目标是帮助读者掌握该算法的工作原理及其在提升电力设备性能方面的应用。其他说明：文章不仅提供了理论知识，还包括了具体的C语言实现指南，便于读者在实践中理解和应用。

RAG+AI工作流

04-08

### RAG与AI结合的工作流实现方式 RAG（Retrieval-Augmented Generation）是一种将检索增强引入生成式人工智能的技术框架。其核心理念在于通过结合检索技术和大语言模型的能力，提升生成内容的相关性和准确性。 #### 技术架构概述 RAG 的工作流程通常分为三个主要部分：数据索引、多路召回和融合重排序[^1]。以下是具体实现细节： - **数据索引** 数据索引是整个 RAG 流程的基础环节。原始文档被处理成适合向量化的形式，并存储于高效的向量数据库中。这种设计使得后续的相似度查询能够快速完成。现代 RAG 系统支持多种类型的输入源，包括结构化数据表、非结构化文本文件甚至多媒体资源[^2]。 - **多路召回** 多路召回机制允许系统从多个维度获取潜在相关的信息片段。例如，在面对复杂查询时，不仅依赖单一语义匹配路径，还会综合考虑关键词频率分布等因素来扩大候选集范围。这种方法有效提高了最终结果覆盖广度的同时也保持了一定精度水平。 - **融合重排序** 融合重排序是对初步筛选出来的候选项进一步加工的过程。它利用更复杂的算法评估各个备选答案的质量得分，并据此调整顺序排列位置。此步骤对于确保输出最贴近实际需求至关重要。 #### 高级特性扩展除了基本功能外，现代化 RAG 解决方案还提供了额外增值组件以满足不同场景下的特殊要求: - 支持配置不同类型的大规模预训练语言模型 (LLM)，以便适应特定领域内的专业知识表达习惯； - 向量嵌入技术灵活定制，适配客户自有资料库特点； - 易于集成的标准 RESTful APIs 接口定义，简化第三方应用程序对接难度。此外值得注意的是，“Agentic RAG”作为最新发展趋向之一，尝试将传统意义上独立运作的两项关键技术——即 Retrieval Augmentation 和 Autonomous Agent ——结合起来形成全新范式。这种方式有望在未来带来更加智能化的服务体验[^3]。 ```python import faiss from sentence_transformers import SentenceTransformer def build_index(documents): model = SentenceTransformer('all-MiniLM-L6-v2') embeddings = model.encode(documents, convert_to_tensor=True) dimension = embeddings.shape[1] index = faiss.IndexFlatL2(dimension) index.add(embeddings.cpu().numpy()) return index def search(index, query, top_k=5): model = SentenceTransformer('all-MiniLM-L6-v2') vector = model.encode(query).reshape(1,-1) distances, indices = index.search(vector,top_k) return distances, indices ``` 以上代码展示了如何构建简单的 FAISS 向量索引并执行基础搜索操作。