workflow

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？"

Darling噜啦啦

Workflow 还是 Agent？一文搞懂 AI 工程的两大核心范式，以及它们的未来很多开发者在接触 AI 工程一段时间后，都会产生一个困惑：Workflow 和 Agent 到底有什么区别？反正都是让 AI 干活，用 LangChain 的 .pipe() 编排一个链式工作流，和用 ReAct 循环构建一个智能体，感觉差不多？但如果你仔细思考，它们的本质截然不同。本文将从底层逻辑、技术架构、适用场景三个维度，彻底搞清楚这两大范式的区别、联系与未来融合方向。

腾讯云开发者

从WorkBuddy到组织变革：我眼中的企业AI落地真相导语 | 近期，大模型、AI Agent 等概念层出不穷，企业纷纷探索 AI 落地路径，选型焦虑也随之而来。但一个更本质的问题却被忽视：AI 的真正战场，不在模型本身，而在组织的重构。如果不先理清业务解耦与知识管理的底层逻辑，再先进的模型也难以发挥实效。因此，我们特邀腾讯云 TVP 智慧零售行业大使、前半天妖、喜茶、百果园数字化负责人沈欣，结合 WorkBuddy 的深度使用体验，为我们分享企业 AI 落地的核心方法论 —— ITPAO 框架，以及业务解耦、知识本体构建、OPC（One Preson

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。