概念解析
什么是 Agentic Workflow?规划、工具、记忆与人工审核

**Agentic Workflow(智能体工作流)**是一种多步骤流程:AI 在明确边界内自行判断怎样实现目标,调用工具,检查结果,并据此调整下一步。它不要求人预先写死全部路径。可靠的 Agentic Workflow 不等于完全无人值守,而是把灵活规划、受限记忆、可见中间成果、停止条件和人工审核组合起来。
本文面向需要把 Brief 和原始资料变成报告、方案、Campaign、演示文稿或其他可审核交付物的团队,重点讲清它的实际运行方式。
研究与披露: 本文由 Ottermind 发布。我们于 2026 年 8 月 25 日查阅了 Anthropic 与 OpenAI 的一手资料。下文的工作流契约与 Campaign 执行轨迹是原创编辑框架;案例用于说明方法,不是 Ottermind 性能测试。
什么让一套工作流具有 Agentic 特征?
关键不在聊天界面,而在 AI 是否对如何完成工作拥有受限的判断空间。它可以根据发现决定先读哪份资料、使用什么工具、当前证据是否充分,或者下一步怎样补齐信息缺口。
这并不意味着 AI 获得全部权力。目标、可访问数据、工具、验收标准、权限和批准节点仍然由人设定。
Anthropic 区分了两种结构:Workflow 让模型与工具沿预设代码路径运行;Agent 则动态决定自己的流程和工具使用。实际系统往往混合两者:固定流程里可以有 Agentic 研究步骤,Agent 也可以在固定审核门槛内工作。
可以用五个问题判断:
- 是否有超出“生成下一条回复”的目标和完成标准?
- AI 能否依据发现选择步骤或工具?
- 它能否观察工具结果并调整方法?
- 它是否保留继续任务所需的上下文?
- 到达边界时,它能否停止、升级或请人决策?
如果路径永不改变,通常是固定自动化;如果系统只返回一段文字而不持续追求结果,通常只是聊天交互。
Agentic Workflow、自动化与 AI Agent 的区别
| 系统 | 谁决定路径 | 最适合 | 常见输出 |
|---|---|---|---|
| Chatbot | 用户逐轮引导 | 问答、解释、单次草稿 | 一条回复 |
| 固定自动化 | 人预先定义规则与分支 | 稳定、重复的流程 | 记录更新或标准成果 |
| Agentic Workflow | 人设目标和边界,AI 决定部分步骤 | 输入变化较大的多步骤知识工作 | 中间成果与最终交付物 |
| 开放式 AI Agent | AI 在权限内主导大部分过程 | 很难预先确定路径的任务 | 操作、文件与任务日志 |
应选择能够处理任务变化的最简单方案。固定自动化通常更可预测;只有在判断、非结构化输入、工具选择或动态调整确实重要时,Agentic 方法才值得增加复杂度。产品层面的选择可参考最佳 AI Agent 工作空间。
Agentic Workflow 的五个组成部分
| 部分 | 作用 | 可检查证据 |
|---|---|---|
| 目标与计划 | 把 Brief 变成阶段、决策和停止条件 | 任务计划与验收标准 |
| 工具 | 检索、处理文件、计算、创建或执行 | 工具调用、来源与输出 |
| 记忆与上下文 | 保存相关事实、指令、决策和既有成果 | 资料包、项目状态与决策日志 |
| 观察与调整 | 对照目标检查结果并决定下一步 | 校验、修改、异常与新版计划 |
| 人工审核 | 处理偏好、风险、权限和责任 | 批准、纠正、拒绝或升级 |
1. 目标与计划
目标需要明确交付物、受众、决策和验收标准。“研究市场”只是活动;“为发布评审制作一份有来源的市场备忘录和 10 页定位 Deck”才是可以完成的任务。
计划应公开可信资料、阶段、中间成果、工具、检查方法、只能由人回答的问题,以及成功、失败和升级条件。计划也必须允许修改。发现关键资料缺失时,系统应该调整方案或询问,而不是悄悄编造替代信息。
2. 工具
工具让工作流不只生成文字,还能搜索网页、读取文件、处理表格、执行计算、创建文档或调用其他专业 Agent。OpenAI 把工具分为数据工具、行动工具和编排工具。
“能够使用”不等于“有权执行”。系统可以读取文件但不能删除,可以起草邮件但不能发送,可以准备页面但不能发布。工具越多并不一定越好;范围小而相关的工具集合更容易理解、测试和审核。
3. 记忆与上下文
| 记忆类型 | 保存什么 | 示例 |
|---|---|---|
| 工作上下文 | 当前执行所需的信息 | 当前 Brief、资料笔记和待确认问题 |
| 项目记忆 | 后续工作可复用的决策和成果 | 已批准的定位、受众和最新版 Deck |
| 程序性记忆 | 可复用的工作方法 | 品牌规范、审核清单和输出模板 |
记忆必须可选择、可纠正。旧价格、已作废决策或偶然偏好都会让后续输出“自信地出错”。重要事实要保留日期和来源,并让当前证据覆盖过时记忆。
4. 观察与调整
Agentic Workflow 运行“计划、行动、观察、调整”循环。观察结果可能是搜索结果、校验错误、审核意见、缺失文件,或未通过验收的输出。调整可以是修正输入后重试、换用来源、缩小范围、修改大纲,也可以是停止。
真正需要留下的不是隐藏推理,而是可见状态:尝试了什么、得到什么结果、哪些内容改变了,以及为什么允许下一步。重试次数和最大步骤也应有限制。
5. 人工审核
人工审核不是流程失败,而是让责任和判断继续掌握在负责人手中。以下四类边界必须设置审核:
- 意图: Brief 含糊,存在两个合理但冲突的方向。
- 证据: 观点重要、有争议或缺乏支持。
- 质量: 成果将对外代表个人或公司。
- 行动: 下一步涉及发送、发布、购买、删除、付款或修改系统记录。
Anthropic 将 Agent 描述为持续规划、行动、观察并重复,直到任务完成或需要人输入。好的审核应聚焦实质决策,而不是每次无害读取都弹出确认。
完整案例:从市场研究到 Campaign 交付物
假设营销团队正在准备产品发布。输入包括竞品链接、客户访谈、产品文档、品牌规范和发布日期;输出包括市场研究、定位建议、Campaign Brief、Landing Page 草稿和内部汇报 Deck。
这类任务适合 Agentic Workflow:输入并不结构化,路径取决于研究发现,多种成果又必须共享同一套事实和决策。但它不适合无人审核直接发布。
工作流契约
| 字段 | 本任务定义 |
|---|---|
| 目标 | 为营销负责人准备可审核的发布材料包 |
| 可信输入 | 已提供的产品文档、当前官网、访谈记录与批准版品牌指南 |
| 允许工具 | 读取文件、浏览指定来源、整理证据、计算和制作可编辑草稿 |
| 禁止行为 | 编造客户引语、修改产品宣称、联系人、购买媒体或发布 |
| 必须审核 | 来源图、定位决策、Campaign Brief 与最终材料包 |
| 完成标准 | 重要观点均有来源;物料符合批准的 Brief;未解决风险已列出 |
可检查执行轨迹
| 步骤 | Agent 决策或行动 | 可见成果 | 人的角色 |
|---|---|---|---|
| 1 | 盘点输入,标记过期或冲突资料 | 带日期和缺口的来源图 | 确认事实来源 |
| 2 | 按客户、竞品和品类拆分研究 | 带引用的证据表 | 必要时修正范围 |
| 3 | 从证据形成两个定位方向 | 含取舍和无依据假设的方案 | 选择或修改方向 |
| 4 | 把批准方向转成 Campaign Brief | 受众、信息、渠道、限制和 KPI | 批准 Brief |
| 5 | 从同一 Brief 制作页面草稿和 Deck | 相互连接的可编辑成果 | 审核观点、语气和层级 |
| 6 | 按验收标准检查材料包 | 观点核验、缺失项和风险日志 | 批准交接,而非直接发布 |
价值不在于 AI 一次做了五样东西,而在于所有交付物继承同一套已批准证据和决策,人也能看到判断发生在何处。
常见模式与失败方式
常见结构包括顺序工作流、按输入分类的路由、并行子任务、生成与评估循环,以及由 Agent 动态选择步骤的循环。不要默认使用多 Agent;从能够完成任务的最简单结构开始。
失败通常来自六处:目标没有停止条件、把记忆当成事实、工具权限过宽、中间成果不可见、只在最后审核,以及没有改变策略的重复重试。对应做法是定义成果与验收条件、保存来源日期、最小权限、要求来源表和大纲、提前审核关键方向,并设置重试和升级上限。
设计清单
- 明确一个交付物和实际使用者。
- 指定可信输入和冲突处理规则。
- 分开事实、指令、偏好与权限。
- 选择完成任务所需的最小工具集。
- 定义可以查看的中间成果。
- 在不可逆或对外行动前设置人工审核。
- 写清成功、失败、重试和升级条件。
- 保留已批准决策与最终成果,供后续任务使用。
- 先用低风险但有代表性的任务测试。
- 衡量被接受和使用的交付物,而不是生成数量。
关于目标、上下文、限制与验收标准的写法,可阅读 Ottermind AI Prompt 指南;研究型任务可参考 AI 研究助手指南。
从一套有边界的工作流开始
最好的第一套 Agentic Workflow 不是自主程度最高的,而是一个真实、有边界的任务:动态规划和工具能改善执行路径,中间成果让质量可见,重要决定仍由人负责。
在 Ottermind 中,可以从你已经需要完成的一份研究备忘录、Campaign Brief、报告或演示文稿开始。先上传真实资料,要求输出来源图和计划,批准方向后再继续制作相互关联的成果。这才是可以检查的 Agentic Work,而不是只能期待它正确的自动化。
