workflow

技术小甜甜

Dify 工作流场景目录（2026）：客服、回访、采购、知识库、系统集成怎么找入口安装/排错还没稳住？先回 Hub-01，再回来选场景。很多人搜「Dify 工作流示例」「Dify 场景模板」「售后工单 Workflow」，并不是想再看一篇节点说明书，而是：今晚先决定做哪条业务流，以及该点进哪篇深文。

梦想很大很大

Workrun 进度更新：从理念到解决具体问题前不久我发了一篇文章《如果有一个本地优先的 Workflow 工具，你们团队会愿意用吗？》，和大家聊了聊我对本地优先工作流工具的一些构想。

星野云联AIoT技术洞察

Dify 适合什么 AI 应用项目：Workflow、RAG、Agent 与自研系统的边界如果项目的核心工作是把用户输入、知识检索、模型调用、条件分支、工具调用和结果输出串成一条可观察的 AI 流程，Dify 往往比从零开发更快。它把 Workflow、知识库、模型配置、插件和应用 API 放在同一工作台里，产品、业务和工程团队可以围绕同一条流程协作。

为什么选 MiniClaude：一个精简开源替代方案的选型过程电脑上原本装的是官方 @anthropic-ai/claude-code（v2.1.215）。这是一个由 Anthropic 官方发布的命令行 AI 编程助手，在 GitHub 上有 139k star。

ZGI Workflow：让知识检索进入业务流程知识库回答准确，只解决了“找到什么资料”。当企业希望系统继续核对字段、判断条件、发起审批、写入数据或发送通知时，需要把检索结果接入 Workflow。知识提供任务依据，流程负责安排执行顺序、条件分支、人工节点和失败处理。

JavaDog程序狗

【规范】这套 Git 规范，救了整个团队那天凌晨 2 点，小李一条 git push --force，把 master 上三天的提交历史抹得干干净净。没人知道线上代码对应哪个 commit，没人敢发布，领导在群里甩了一个字：查。事后复盘，领导写下一份团队 Git 规范。今天全文公开，只要团队超过 3 个人，照抄就能用。

ZGI：工作流分支失控，先把规则拆出 Prompt工作流分支越来越多，通常说明不同类型的规则被塞进了同一段 Prompt。模型既要理解用户意图，又要记住业务条件、选择工具、判断权限和决定异常处理，任何一条规则变化都可能牵动整段提示词。更稳的做法，是先给规则分类，再放进知识、Skill、Workflow 或人工审批对应的位置。

ZGI 企业智能体：从 Demo 到稳定上线ZGI 企业智能体从 Demo 进入生产环境，需要完成一次运行方式的调整。演示阶段通常关注模型能否回答问题，上线后还要管理数据范围、工具权限、任务状态、人工审批和失败记录。ZGI 作为可自托管的智能体运行时（Agent Runtime），可以把 Agent、工作流（Workflow）、知识、技能（Skills）、模型和受控执行放进同一工作区，帮助团队建立可检查的运行链路。

梦想很大很大

如果有一个本地优先的 Workflow 工具，你们团队会愿意用吗？大家好，最近在思考关于开发者/团队“工作流自动化”的一些场景，想和大家交流一下大家目前的真实做法。在日常开发、运维或数据处理中，很多团队都会有一些“胶水自动化”的需求，比如响应 Git / CI 事件、串联内部 API、批量处理数据、自动生成测试或发布报告，以及结合 LLM 做代码、文档或日志分析等。

用 Rust 打造 AI 时代的 SQL：把重复任务变成可执行文件每天让 AI 做重复的事，prompt 模板和输出格式几乎一模一样，但你从来没想过把它们"写下来"，因为你下意识觉得——这是跟 AI 聊出来的，不是程序能跑的。

用 TRAE Work 拆解一次“老订单系统加退款状态机”的紧急方案我有一个前同事老陈，在一家电商公司负责订单系统。去年夏天，他接到一个任务：周五前给出“老订单系统增加退款状态机”的技术方案。

workFlow 和 Agent 究竟是什么？他们的区别是什么？从本质区别到落地选型，彻底搞懂工作流与智能体的边界与融合之道近几年大模型产业落地的浪潮中，有两个概念始终是开发者讨论的核心：Workflow（工作流）与 Agent（智能体）。

AI 应用工程：Tool、MCP、Skill 与 Workflow 如何接入 Agent？——搭建一个可运行的需求影响面分析 Agent近期落地接入时发现一个共性认知偏差：很多人把 Tool/MCP/Skill/Workflow 一概当成 Agent 插件，统一放在一个列表里，依靠模型自行走完完整流程。可业务一旦需要交付物校验、上下文拼接、强制审批等逻辑，这种简单堆砌的实现方式就会出现各类问题。

Workflow 与 Agent：一条流水线和一个思考者，AI 工程的两种范式摘要：拆解Workflow与Agent的本质差异。Workflow是确定性流水线，Agent是自主探索的思考者。从LangChain管道到ReAct框架，厘清两种范式各自的边界与交汇点。

同样接入大模型，如何抉择 Workflow 与 Agent？面试官上周四问了我这个问题，当时我一下子卡壳了。老实说，我之前没有认真理清二者的边界，只是Agent这个概念热度很高、听起来新潮，自己也更熟悉，于是想都没想，直接把它放进了产品方案里。

别再傻傻分不清：Workflow 和 Agent 到底不是一回事前阵子帮朋友搭一个简历初筛的小工具，我对着 LangChain 的文档坐了一下午，反复纠结一件事：这功能到底是用 Chain 拼个 Workflow 出来，还是直接上 Agent？

AI应用工程：Agent 的能力是如何扩展的？——Tool、Skill、Workflow 与 MCP 的职责边界团队把一项真实研发任务直接交给模型：模型可以理解“影响面分析”是什么意思，却不知道公司有哪些项目、代码存在哪里、当前依赖关系是什么。继续补充 Prompt 可以约束输出格式，却不能凭空取得这些实时事实，更不能直接查询企业系统。

Workflow vs Agent：别再被“调包侠”忽悠了，一张图看懂AI工程的“骨架”与“大脑”面试官最恶心的追问：“既然Agent这么强，为什么大厂核心链路还在用Workflow？”——答不上来，直接挂

Workflow 还是 Agent？帮你一次性搞清楚这俩到底有啥不一样别再说"Workflow 和 Agent 差不多"了，今天我们用代码和场景把它们掰开揉碎讲清楚。前两天有个读者问我："我用 LangChain 写了个链式调用，这算是 Workflow 还是 Agent？"