workflow

Claude Code 的 8 大机制我全踩了一遍：哪些真香，哪些是坑你有没有遇到过这种情况：明明给 Claude 配了 Skill，让它每次提交前跑一遍代码检查，结果它心情好就跑，心情不好直接跳过？

粤海科技君

WorkBuddy CLI 命令行实战：替代 Claude Code 的工作流习惯了 Claude Code 的命令行体验？WorkBuddy CLI 几乎是一比一的替代——同样的 Claude 能力，不怕封号。

自定义 Workflow：Eino 之上的 Agent 编排系列「企业级 AI Agent 实现拆解」E30 篇，也是 Part 8（DeepFlux 适配实践）的收尾。上一篇讲了五个适配器：DeepFlux 如何把 Eino 接进 DDD 架构。这篇把视角提高一层：看完整的 ReAct 循环是怎么把这些适配器组装起来的，以及 Eino 没有覆盖哪些部分——DeepFlux 自己填补了什么。

自定义 Workflow：Eino 之上的 Agent 编排系列「企业级 AI Agent 实现拆解」E30 篇，也是 Part 8（DeepFlux 适配实践）的收尾。上一篇讲了五个适配器：DeepFlux 如何把 Eino 接进 DDD 架构。这篇把视角提高一层：看完整的 ReAct 循环是怎么把这些适配器组装起来的，以及 Eino 没有覆盖哪些部分——DeepFlux 自己填补了什么。

Skill / Agent / Workflow 使用场景指南及对比一句话总结组件本质最佳使用场景Skill工具/能力包单一、重复、专业化的任务Agent自主执行者需要推理、决策、多步骤的复杂任务

如何写好一个 Skill：划分、结构与实践系列第二篇。知道 Skill 是什么，和真的把它写对，中间差得其实很远。很多人第一次写 Skill，文件看起来像模像样：有 frontmatter、有步骤、有格式说明，甚至还加了几个卫星文件。结果放进工具里一跑，不触发，或者触发了也不按你想的来。

Graph 编排：不只是 ReAct 的通用 DAG系列「企业级 AI Agent 实现拆解」补充篇 E3。E1 讲了 ReAct 怎么用有向图跑起来，E2 讲了图里的数据长什么样。这篇往前走一步——Eino 的 Graph 不只能画 ReAct 循环，它能画任何流程。意图识别走不同分支、RAG 的检索→重排→生成管道、多 Agent 协作的拓扑——全都能用同一张图表达。

Workflow 编排：字段映射、数据流分离系列「企业级 AI Agent 实现拆解」补充篇。前两篇讲了 Graph 和 Chain：Graph 能画任意流程，Chain 是线性管道的语法糖。但它们有一个共同的隐含假设——上一个节点的输出类型，正好是下一个节点的输入类型。现实世界不总是这样。这一篇讲 Workflow，专门解决"类型不匹配"问题的第三个编排工具。

Workflow 编排：字段映射、数据流分离系列「企业级 AI Agent 实现拆解」补充篇。前两篇讲了 Graph 和 Chain：Graph 能画任意流程，Chain 是线性管道的语法糖。但它们有一个共同的隐含假设——上一个节点的输出类型，正好是下一个节点的输入类型。现实世界不总是这样。这一篇讲 Workflow，专门解决"类型不匹配"问题的第三个编排工具。

Chain 编排：线性流、并行、Passthrough系列「企业级 AI Agent 实现拆解」补充篇 E4。[Graph 编排：不只是 ReAct 的通用 DAG]https://mp.weixin.qq.com/s/9rewe8ZV06b4tj0snnVuYw) 讲了 Graph 能画任意流程——节点、边、分支随便连。Graph 很强大，但大部分时候你的流程没那么复杂。翻译 → 摘要 → 评分，这种"一节一节往下走"的管道，用 Graph 写要手动连每条边，太啰嗦。Chain 就是为此而生的——线性流程的语法糖。

Dynamic Workflow在最新版可以/config 方式启用了2.1.150版的时候，还是用 ultrawork，现在Dynamic workflow官宣了，就改设置、用法了。

Java 流程编排新范式 Solon Flow：一个引擎，七种节点，覆盖规则/任务/工作流/AI 编排全场景做过复杂业务的 Java 开发者，大概都经历过这样的噩梦：一个订单处理方法，从最初的 50 行，经过三轮需求迭代，膨胀到 500 行。里面嵌套着六层 if-else，夹杂着硬编码的分支逻辑，改一处怕崩一片。新人来了看不懂，老人走了不敢改。更糟糕的是，产品经理隔三差五就跑过来说：“这个审批流程要加一个总监审批环节”、“满减规则从三档改成五档”、“大客户走特殊通道”……每一次变更都是一次代码外科手术。

Java 流程编排新范式 Solon Flow：一个引擎，七种节点，覆盖规则/任务/工作流/AI 编排全场景做过复杂业务的 Java 开发者，大概都经历过这样的噩梦：一个订单处理方法，从最初的 50 行，经过三轮需求迭代，膨胀到 500 行。里面嵌套着六层 if-else，夹杂着硬编码的分支逻辑，改一处怕崩一片。新人来了看不懂，老人走了不敢改。更糟糕的是，产品经理隔三差五就跑过来说："这个审批流程要加一个总监审批环节"、"满减规则从三档改成五档"、"大客户走特殊通道"……每一次变更都是一次代码外科手术。

MT-Workflow2：面向 Odoo 的可视化审批工作流引擎针对odoo17、18、19在 Odoo 项目里，审批常常不是一个孤立功能。销售订单要确认，采购订单要下单，报价单要发送，费用、合同、付款、库存调整都可能需要先经过内部审核。业务人员真正关心的也不是“系统里有没有一个审批菜单”，而是：当他在原来的业务单据上点击那个熟悉的按钮时，系统能不能自动判断这件事是否需要审批；需要审批时，能不能把流程跑起来；审批结束后，能不能继续执行原来的 Odoo 业务动作。

零基础入门 LangChain 与 LangGraph（七）：真正理解 LangGraph——从工作流、状态图到三个核心案例💬 开篇：前面六篇已经把 LangChain 这条线基本跑通了：模型怎么接，Prompt 怎么写，输出怎么约束，RAG 怎么把外部知识接进来，到这里为止，我们已经具备了“做一个基础 LLM 应用”的能力。但接下来真正遇到的问题，已经不是“会不会调模型”，而是：怎样把一个需要多步决策、状态传递、工具调用、分支跳转、失败恢复、人工介入的系统真正组织起来？

第三章：Agent智能体开发实战之【LlamaIndex 工作流从入门到实战】目录一、前言二、LlamaIndex 工作流2.1 核心组件2.1.1 定义工作流事件2.1.2 设置工作流类

当智能体学会“思考”：衡石Agentic BI背后的多智能体协同机制与任务规划技术解密“传统BI是被动等待指令的工具，而Agentic BI正在进化为能够自主思考的决策伙伴。 ” 衡石科技首席数据科学家陈家耀在解读HENGSHI SENSE 6.0时这样定义这场范式革命的本质。

手把手拆解旅行搭子Pro：基于Astron的Agent工作流实战刚接触 Agent 时，我们大多都是从 Prompt 提示词驱动的Agent开始的，就像下面这样写一个很长的 Prompt，约定好 LLM 大模型要遵循的角色，指定其拥有那些本领，限制大模型的问答范围，给定输出格式和问答案例。然后不断往里面加规则、加约束、加示例。

灵动如画 —— 初识 Solon Graph Fluent API 编排Solon Flow 在提供 json/ xml 编排之后。还提供了一套极为丝滑的流程图 Fluent API。它让流程定义回归到程序员最熟悉的工具——代码。

程序员柒叔

Dify 工作流类型说明文档版本：1.9.2 最后更新：2025年12月Dify 平台支持三种工作流类型，每种类型针对不同的使用场景进行了优化：