智能革命：Agentic Workflow如何重塑你的工作？你的工作方式OUT了吗？get职场新宠

自从吴恩达教授分享了Agentic workflow的四种设计方法之后，Agentic workflow变得越发炙手可热。虽然这个概念并不是全新的，但在大语言模型和AI Agent应用日益壮大的情况下，Agentic Workflow也正在变得炙手可热。

Agentic Workflow可以翻译为智能体工作流\代理工作流，Agentic Workflow到底如何解释，各方人士的观点与看法大概也都趋同，著名人工智能专家高留云提出，行业通用的观点是：Agent核心是一个系统，其中多个AI Agent通过利用自然语言处理 （NLP） 和大型语言模型 （LLM） 协作完成任务。这些智能体能够自主感知、推理和行动，以追求特定目标，形成强大的集体智慧，可以打破孤岛，集成不同的数据源，并提供无缝的端到端自动化。

作为一个复杂的系统和迭代过程，Agentic Workflow旨在提高业务流程的效率和有效性。它使用AI Agent与业务设置无缝集成，部署在Agentic Workflow中的AI Agent能够高精度地协作和执行复杂任务。

Agentic workflow架构图

人工智能专家高留云老师指出，从开发角度而言，Agentic Workflow是指一种迭代、交互式的AI开发方法，使用大型语言模型和AI Agent来执行任务，其中AI Agent能够参与更动态和自我反思的过程，这是一种更迭代和多步骤的方法。

从自动化角度来看，Agentic Workflow代表了传统自动化方法的重大转变。曾经在IBM、百度等企业服务过多个行业的客户，AI专家高留云表示，传统自动化方法通常依赖于严格的预定义脚本或人机交互流程，通过利用多个专业AI Agent协同工作的能力，Agentic系统可以动态导航和适应企业工作流程的复杂性，因此有望将各行各业的生产力和创新提升到新的水平。

资深AI专家高留云老师进一步解释到，Agentic Workflow是一个复杂的迭代和多步骤过程，用于交互和指示大型语言模型，以更准确地完成复杂的任务。在此过程中，单个任务被划分为多个更易于管理的小任务，并在整个任务完成过程中留出改进空间。

此外，Agentic Workflow还涉及部署多个AI Agent来执行特定的角色和任务。这些Agent配备了特定的个性和属性，使他们能够高精度地协作和执行定义的任务。

Agentic Workflow的另一个关键亮点是使用先进的提示工程技术和框架。该过程包括思维链、计划和自我反思等技术，使AI Agent能够：

• 将复杂的任务分解为可管理的任务；
• 确定任务顺序；
• 遇到困难时调整任务计划；
• 自我反思自己的产出并确定需要改进的领域；
• 提示的工程技术和多智能体方法使AI Agent能够自主计划、协作、确定和执行完成任务的必要步骤。

举个例子，如果你直接使用LLM写一篇关于Agentic AI的文章。在传统方法中，需要输入一个提示，指示LLM 撰写这个主题的文章。这就像要求某人从头到尾写文章，不审查研究来源、检查大纲并改善内容的语气和质量。

这种传统的零样本方法使用LLM，在撰写文章的过程中没有留下迭代、反馈和改进的余地，大大降低了输出的准确性和质量。

但在Agentic Workflow并不需要给出撰写文章的提示，仅需要提出目标要求，它就能将任务分解为更小的任务，一般会有如下的任务分解步骤：

• 首先从可靠的来源研究该主题；
• 创建带有标题和副标题的博客大纲；
• 分析、修改和改进大纲；
• 撰写博客初稿；
• 校对和编辑博客以确保高内容质量

在Agentic Workflow工作模式下，LLM被指示按照一个循序渐进的过程完成更大的任务，且每个步骤的输出充当下一个任务的输入。

这意味着，Agentic Workflow这种迭代和协作模型，将与LLM 的交互转换为一系列可管理、可改进的步骤，从而允许在整个任务完成过程中进行持续改进和调整。

通过以上解析和案例，我们可以总结Agentic Workflow的主要特征如下：

• 以目标为导向：工作流中的座席由明确的目标驱动，并共同努力实现预期的结果。
• 适应性：该系统可以动态地适应不断变化的环境，从过去的经验中学习，并随着时间的推移优化其性能。
• 互动：座席相互通信和协作，以及与人类用户进行通信和协作，以收集信息、提供更新并做出决策。

与传统工作流自动化相比，Agentic Workflow具有多种优势。它们可以处理更复杂的多步骤流程，这些流程需要上下文感知决策，并且可以适应新情况，而无需大量重新编程。此外，自然语言处理的使用允许人与系统之间更直观地交互，从而减少对专业技术知识的需求。

在Agentic Workflow中，AI Agent是一个自主驱动的动态问题解决器，用于处理复杂且不断发展的任务，从而提高工作效率。

AI Agents、提示工程技术（Prompt Engineering Techniques）和生成式AI网络（Generative AI Networks，GAIN） 是Agentic Workflow的三大支柱。

AI Agent：Agentic Workflow的核心是AI Agent，它们本质上是大型语言模型（LLMs）的复杂实例。

提示工程技术与框架：Agentic Workflow的一个关键方面是使用高级提示工程技术和框架。

生成式AI网络（GAINs）：通过部署生成式AI网络（GAINs），Agentic Workflow得到显著增强，它们体现了多代理协作的原则。

此外，关于Agentic Workflow的常见工作流程及可重用的LLM配置文件组件，大家可以参考论文：A Survey on LLM-Based Agents: Common Workflows and Reusable LLM-Profiled Components.

论文地址：
https://arxiv.org/abs/2406.05804

各种工作的业务流程从传统流程转向Agentic Workflow，标志着我们将能够通过AI实现更优越成果的转变。实验证明，即便是不太先进的LLMs，参与这些复杂的、多层次的工作流程时，也能产生显著的成果。对于这一点，大家将在下面对Agentic Workflow的四种设计模式的介绍中有更深的感触。

AI专家高留云指出，从他自己在IBM和百度等企业服务于客户AI及大模型实际落地项目的情况来看，Agentic Workflow也让国产大语言模型和各种开源大语言模型拥有了更多用武之地，这在当前的国际大环境下还是非常重要的，尤其是国内面临挑战的大环境下，Agent至关重要，他让单个模型的能力变得没那么重要，反而是业务驱动变得更加重要，这个又与每个国家、企业、场景具体情况息息相关。

当然，AI专家高留云老师还提示应该认识到，在目前的技术前提下，这些增强的工作流程要求用户有足够的耐心。因为Agentic Workflow固有的迭代、协作过程也更加耗时，往往需要几分钟甚至几小时来完成某个任务。过长的任务执行时间，也是Agentic Workflow遇到的主要问题之一，更是被吐槽体验不够的重要因素。

但相对于它能提供的远超过传统方法的分析深度、创造力和解决问题的能力，在很多应用场景中大家仍然愿意尝试，这也预示着巨大的市场潜力。

握住Agentic AI的商业脉搏

当前AI应用有一个大趋势，几乎所有应用都在向AI Agent和RAG的方向发展与迁移。这意味着，如果所有的AI应用都走向AI Agent模式，未来的workflow都将变成Agentic Workflow。

从吴恩达教授的Zero-shot prompting与Agentic Workflow来看，任何加持了Agentic模式的大语言模型都能领先大模型本身很多，这意味着接下来组织与企业的业务流程效率将会翻倍提升。

即使ChatGPT背后的大语言模型迭代到GPT-4以后的更高版本，Agentic AI也会是更高效的大语言模型使用方式。不然，OpenAI也不会发表本文开头所提到的白皮书，来详细阐述大语言模型、AI Agent与Agentic AI Systerm的关联与区别了。

通过各种系统与集成大语言模型，或者在大语言模型的基础上做工具与平台扩展，对于大语言模型的应用效率及体验会更高，已是被验证的事实。

从AI技术发展历史来看，智能体的理念要先于AI，且一直以来AI都是作为Agent的技术实现路径，大语言模型亦不例外。因此在机器学习和深度学习火爆以后，大家都在关注的是AlphaGo和AI换脸技术。现在大语言模型火了，人们关注更多的也是AI Agent、Agentic Workflow以及接下来的Agentic AI。

拓展阅读：

当然，Agentic AI也不是玄之又玄的东西，只是把AI Agent以及Agentic Workflow在内的各种应用与生态归纳成了一类。但不可否认的是，它势必会在未来很长一段时间内成为各大组织与商业领域的口头禅，也会成为这一阶段AI的重要体现形式。

当下，全民皆谈智能体让AI Agent越发审美疲劳，国外更多则在谈Agentic AI。就连吴恩达教授也在文章中提到：当看到一篇谈论“Agentic”工作流程的文章时，更有可能阅读。

大家的眼球开始被Agentic AI吸引，是否还会足够关注AI Agent？对于这些问题，大家不要忘了前面我们的探讨：AI Agent是Agentic AI的实现方式，Agentic Workflow是Agentic AI的关键。

所以，从“道”的层面关注Agentic AI战略发展趋势，从术的层面关注AI Agent不断推陈出新的各种框架、技术与解决方案，你将会把握住整个Agentic AI乃至AGI时代的商业脉搏。

在Agentic Workflow构建上，请大家分享相关的体验感受。大家想在哪些方面进行交流，欢迎踊跃留言。