把大模型接进项目，第一步通常很简单：一个 API 调用，发消息，拿回答。但真正在企业里上生产的场景，需要的远不止一次对话。这篇文章讲一个更实际的问题：当 AI 需要完成「多步骤、有分支、依赖外部系统」的复杂任务时，工作流该怎么设计。
一、单 LLM 调用的边界在哪里
先明确一件事：不是所有场景都需要 Agent 编排。单次 LLM 调用能很好解决的场景：
· 文本润色、翻译、摘要------输入输出都是文本，一次搞定
· 知识问答------有了 RAG 之后，一次检索 + 一次生成足够
· 内容生成------写文章、写代码，单次调用已经够用
但当任务变成「读取用户提交的报修单 → 判断类型 → 查询当前空闲人员 → 创建工单 → 发送通知」，单次调用就不够了。这个任务的特点是：
· 有多个步骤，每步依赖上一步的输出
· 需要调用外部系统（工单系统、人员系统）
· 有条件分支（不同类型走不同处理路径）
· 可能需要等待（人工审批）
二、 Agent 编排的核心概念
2.1 节点（Node）
工作流的基本单元。每个节点完成一件事：一次 LLM 调用、一次 API 请求、一段代码逻辑、一个条件判断或一个人工介入点。节点之间通过输入输出约定连接。
2.2 有向无环图 （ DAG ）
大多数工作流用 DAG 来描述执行顺序。DAG 的核心约束是「无环」------不能有循环依赖。如果业务逻辑需要循环（比如「生成 → 评估 → 不合格则重新生成」），通常用有限次数的展开或单独的循环节点来处理。
2.3 上下文传递
节点间传递的不只是「上一步的输出文本」，而是一个结构化的 context 对象。设计好 context schema 是整个编排稳定运行的关键。
|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| // context 示例 { 'session_id': 'xxx', 'user_input': '电梯故障，3栋1单元', 'extracted': { 'type': '电梯故障', 'location': '3栋1单元', 'urgency': 'high' }, 'available_staff': '张工', '李工', 'ticket_id': null, // 后续节点填充 'notification_sent': false } |
三、条件分支与 并行 执行
3.1 条件分支
根据上一步的输出，走不同路径。实现有两种思路：
· **规则路由：**用 if/else 或 switch 判断，适合逻辑明确、枚举完整的场景。好处是可预测，坏处是维护成本随规则增加而上升
· LLM **路由：**把决策交给 LLM，让模型判断「这个输入应该走哪个分支」。灵活，但不可预测，不推荐用于关键业务路径
3.2 并行 执行
多个独立的节点可以并行运行，减少等待时间。典型场景：同时查询多个数据源，再把结果合并。要注意合并节点的设计------需要处理某个子节点失败的情况。
|--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| # 伪代码：并行查询三个系统 async def parallel_query(ticket_info): results = await asyncio.gather( query_staff_system(ticket_info), query_history_db(ticket_info), query_sla_rules(ticket_info), return_exceptions=True # 某个失败不影响其他 ) return merge_results(results) |
四、人工介入（ Human in the Loop**）**
不是所有决策都该交给 AI。设计良好的工作流，应该在合适的节点插入人工审批：
· 金额超过阈值的报销，AI 预填信息，财务审批
· 法律文件的最终确认
· AI 置信度低于某个值时，自动转人工
人工介入节点的技术实现通常是：工作流暂停，把当前 context 写入数据库，向相关人员发通知，等待人工操作后恢复执行。这里的难点是超时处理和并发控制。
五、错误处理与重试策略
生产环境里 LLM 调用会超时，外部 API 会挂，这些都要有预案：
· **幂等设计：**工作流中的每个节点应该是幂等的------重复执行同一步骤不应产生副作用
· 断点 **续跑：**把 context 持久化，某个节点失败后可以从断点重新执行，不用从头开始
· **降级策略：**某个模型不可用时，自动切换到备用模型；某个数据源查询失败时，用缓存数据继续
|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| @retry(max_attempts=3, backoff=exponential) def call_llm_node(node_input, model='deepseek-chat'): try: return llm_client.complete(node_input) except RateLimitError: return llm_client.complete(node_input, model='qwen-plus') # 降级 except TimeoutError: return cached_response(node_input) # 用缓存 |
六、可观测性：你得知道每步发生了什么
Agent 编排最难调试的问题：某个任务结果不对，但不知道是哪一步出的问题。解决方案是给每个节点打埋点：
· 记录节点的输入、输出、执行时间、模型调用的 token 消耗
· 给每次执行生成唯一的 trace_id，方便追踪完整链路
· 关键决策节点记录「为什么走了这条路」
|----------------------------------------------------------------------------------------------------------------------------------------------|
| 工程实践补充 如果你不想从零搭一套编排引擎，可以考虑现有的开源或商业方案。开源方案里 LangGraph 的图结构设计比较完善；如果需要企业级权限控制、资产管理和可视化编排界面，ZGI（zgi.cn）提供了一套完整的工作流引擎，底层是 Golang 自研，支持私有化部署。 |