你需要的不是AI Agent，而是完善的 AI 工作流设计

在过去，人工智能领域的高门槛使得非专业人士难以涉足。但随着大语言模型的普及，AI的使用门槛大大降低，即便是非专业人士也能轻松上手。

然而，这也带来了一个问题：许多解决方案过于依赖大语言模型，而忽视了其他领域AI模型的潜力。事实上，将不同领域的AI模型或工具结合起来，能够设计出更加高效、精准的工作流。

从“智能体崇拜”到“工作流为王”

在AI领域，智能体通常指的是那些能够自主执行任务、进行决策甚至学习的算法或系统。它们无疑拥有巨大的潜力和价值，但如果没有一个高效、有序的工作流来支撑，这些智能体很可能只是孤立的技术点，难以发挥出真正的效用。

相比之下，一个适合AI的工作流则像是一条精心铺设的轨道，确保AI系统能够按照既定的路线高效运行。这条轨道不仅包括了数据收集、预处理、模型训练、评估与优化等关键环节，还融入了团队协作、合规性管理、隐私保护等多方面的考量。只有这样，AI才能真正成为推动业务增长、提升效率的强大引擎。

为什么需要AI工作流？

无论是在企业环境中还是个人工作中，我们都面临着效率提升的需求。虽然AI技术已经普及到一定程度，但很多人仍然感到困惑：AI真的能够帮助我们提高工作效率吗？答案是肯定的，但前提是需要正确地设计和实施AI工作流。

什么是AI工作流？

AI工作流是指通过将复杂的任务分解成一系列较小的子任务，进而让AI参与到这些子任务中，以提高整体工作的效率和质量。关键在于将日常工作流程拆解得足够细致，以便AI可以在各个环节发挥作用。

如何设计有效的AI工作流？

设计有效的AI工作流需要遵循以下几个原则：

1. 不要局限在人类现有的解决方案上

• 避免将AI解决方案简单地模仿人类的工作方式。例如，在翻译任务中，专业的翻译员可以直接输出高质量的翻译，而AI可以通过多步骤的思维链来逐步提高翻译质量。

3. 不必完全依赖AI做决策

• 让AI在决策过程中起到辅助作用，而非完全控制。例如，在处理客户评价时，可以使用AI进行情感分析和回复生成，但最终的回复需要人工审核。

5. 结合不同领域的AI模型或工具

• 根据任务的具体需求，灵活运用不同领域的AI模型和工具。例如，在PDF转Markdown的任务中，结合使用PDF处理库和大语言模型可以有效地实现自动化转换。

7. 回归问题本质，AI只是解决问题的工具

• 明确要解决的根本问题，并围绕这一问题设计解决方案。这要求我们遵循第一性原理的思维，即从最基本的原则出发，逐步构建解决方案。

搭建AI工作流的步骤

1. 找到目标

• 明确你的目标是什么，你的日常工作涉及哪些方面？例如，写作、编程或数据分析等。

3. 拆解目标

• 将整个工作流程拆解成各个步骤，包括输入、处理和输出。例如，写一篇文章可以拆解为选题、资料收集、大纲制定、正文撰写和标题拟定等步骤。

5. 嵌入AI

• 确定哪些环节可以通过AI来提高效率。例如，在写作过程中，AI可以帮助进行资料收集、摘要整理和金句创作。

7. 优化迭代

• 不断尝试不同的AI工具和提示词，让AI扮演不同的角色。工作流的优化是一个持续的过程，需要不断地审视和改进。

实例分析

PDF转Markdown

• 步骤一：使用PDF处理库（如PyMuPDF）检测PDF中的图片、图表、表格等，并将其提取为图片。

• 步骤二：利用大语言模型（如GPT-4o）的视觉能力，解析标注后的图片，生成对应的Markdown文本。

漫画翻译

• 步骤一：使用专业模型进行气泡检测。

• 步骤二：利用OCR技术提取气泡内的文字，并移除原文。

  

• 步骤三：借助大语言模型进行翻译，并将翻译后的文字绘制回原位。

文档摘要生成

步骤:

1. 文档处理: 使用 PyPDF2 或 pdfplumber 等Python库读取PDF文档。

2. 文本提取: 利用 Tika 或 PDFMiner 提取文档中的文本。

3. 文本摘要: 应用 Hugging Face 中的预训练模型（例如 BART 或 T5）来生成摘要。

4. 质量检查: 人工审核生成的摘要，确保其准确性和流畅性。

营销文案创作

步骤:

1. 目标受众分析: 使用 Google Analytics 或其他分析工具分析目标受众。

2. 市场趋势分析: 利用 BuzzSumo 分析市场趋势。

3. 文案生成: 采用 ChatGPT 或 Kimi 生成初步文案。

4. 文案优化: 通过 Grammarly 或 ProWritingAid 对文案进行语法和风格上的优化。

5. 人工审查: 最终由人工审核并调整文案，确保符合品牌风格。

结论

真正要发挥AI的最大效能，核心在于基于问题本身重新设计适合AI的工作流。无论是PDF转Markdown、漫画翻译、文档摘要生成还是营销文案创作，这些实例都证明了合理设计工作流的重要性。通过不断试验和优化，我们可以建立一个高效且实用的AI工作流系统，从而显著提高工作效率和成果质量。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】