为什么搭AI应用离不开工作流
口播逐字稿 ｜ 时长约 12–15 分钟 ｜ 本节目标：用大白话讲清"智能体工作流到底是什么、它解决了什么问题"，让你明白为什么搭复杂 AI 应用离不开它。
一、开场
大家好，我是张大鹏，欢迎大家回到大鹏 AI 教育。接下来咱们继续分享 Dify 智能应用实战课。
上一节咱把"AI 智能体"这个概念聊透了，还记得吧？我给你总结过一句话，能定目标、会拆活、能动手。我还说过它身上装着几个零件，大脑、规划、记忆、工具，再加一个执行的循环。
这一节，我就专门盯着这几个零件里的一个——规划——单拎出来，给你讲个你后面天天要打交道的东西，叫智能体工作流，英文是 Workflow。
我把话先撂这儿：整套课你八成的时间，都是在搭工作流。它就是你拿 Dify 干活的主战场。所以这节虽然还是不动手，但你一定得把它吃透，要不然后面拖节点的时候，你会一脸懵。来，开始。
二、为什么需要工作流
咱先想个问题。大模型现在都这么聪明了，我直接丢一句话给它，它不就把活干了吗？那还要工作流干啥？
来，举个例子你就明白了。
假设你想做一个能自动写公众号文章的 AI。你直接跟大模型说"帮我写篇文章"，它确实能给你吐一篇。可你真上手试过就知道，结果特别飘：有时候跑题，有时候结构乱七八糟，有时候你心里想要的那些资料它压根没去查。
那换个靠谱的人来写这篇文章，他会怎么干？他绝不会一屁股坐下就闷头写。他会分步骤来：先把主题和方向定下来，再去搜点相关资料，然后列个提纲，接着照着提纲一段一段往下写，最后从头到尾通读一遍、润色定稿。
你看出来了吧——一件复杂的事，从来都不是一步到位的，而是分成好几步、一步接一步完成的。
那问题就来了：我能不能也让 AI 像这样，照着我事先设计好的步骤，规规矩矩、一步一步把活干完？能。这套"把任务拆成一步一步、让 AI 照着流程走"的东西，就是工作流。
三、什么是智能体工作流
好，定义这就来了，你听着：所谓智能体工作流，就是把一个复杂任务，拆成一个个独立的小步骤，再拿线把这些步骤按顺序串起来，让 AI 顺着这条你设计好的流程，自动地一步步往下跑。
讲这个，我最爱用一个比方，就是工厂里的流水线。
你脑补一下那个画面：原料从这头进去，到第一个工位加工一下，传给第二个工位接着加工，第三个工位质检，最后从那头出来一个成品。每个工位只管自己那一摊事，干完往下一传就完了。
智能体工作流就是这么个东西，只不过换了套叫法。流水线上的工位，在这儿叫节点；工位之间那条传送带，在这儿就是一根根连线；在工位之间传来传去的半成品，在这儿叫变量，说白了就是上一步的结果，递给下一步接着用。
所以你以后在 Dify 界面里看到的那一堆方块加连线，本质上就是你给 AI 亲手设计的一条生产流水线。你设计得好，它就给你产得又稳又准。
四、工作流里都有哪些"工位"
那这条流水线上，都能摆哪些工位呢？我先带你混个脸熟，你别记，后面每一个咱都会单独拆开细讲，这会儿有个印象就够了。
最前头是开始节点，流水线的入口，用户填的、传的东西都从这儿进来。中间最核心的是大模型节点，让大模型来思考、来生成，写文案、做总结、下判断，全靠它。还有知识检索节点，专门去你的知识库里翻资料——比如做企业客服，先去公司文档里把准确答案查出来，再让大模型照着这个答，它就不会瞎编了。
再往下还有条件分支，其实就是"如果……就……"。比如判断用户问的是售前还是售后，是售前走这条道，是售后走那条道，流水线在这儿就分叉了。除了这些，还有问题分类器、代码执行、HTTP 请求一大堆，能帮你自动归类、能跑段代码算个数、能去调外部接口拿数据。
这会儿你记住一句话就行：每个节点只干一件专门的事，拿连线把它们串起来，就拼成了一个能办复杂事的 AI 应用。搭工作流的精髓就这一句——跟搭积木一样，把一个个小能力，拼成一个大本事。
五、工作流的关键，是"可控"
讲到这儿，我得把工作流最值钱的地方给你点出来，这也是它跟"直接找 AI 聊天"最大的不一样，就俩字，可控。
你直接跟大模型对话，它脑子里怎么想的、要走哪一步、要不要查资料，全是它自己当场拍板的，像个自由发挥的天才，时灵时不灵。工作流就不一样了，每一步往哪走、先干啥后干啥、啥情况下分叉，全是你提前给它定死的，AI 只能顺着你铺好的轨道跑。
这么干图啥？图的就是结果稳、能预测、能反复用。还拿刚才那比方说，一个天才厨师，今天炒的菜好吃得不得了，明天可能就翻车，全凭手感；可一条标准化的流水线，第一份和第一万份，味儿一模一样。
而企业真正要的，恰恰就是这种一万份都一个味儿的稳定。这就是为啥，真正能在公司里落地、能交付给客户用的 AI 应用，几乎全是拿工作流搭出来的，而不是靠一句提示词硬扛。可以这么说，工作流就是 AI 从一个"好玩的 demo"，迈到"能用的产品"的那道坎。
六、走一遍：智能客服是怎么跑起来的
光说还是有点虚，我领你顺着一条工作流走一遍，你立马就通了。就拿企业智能客服来说。
用户在对话框里打了句话进来，流水线启动。第一站是开始节点，先把用户这句话接住，比如"我买的东西咋还没发货"。到第二站，问题分类器一判断，哦，这属于物流售后类的。第三站条件分支根据这个分类做决定，是售后，那就走查订单这条线——你看，要是售前咨询，这儿就拐到另一条线上去了。第四站，先用知识检索去公司的订单系统和知识库里，把这个用户的物流信息、退换货政策都查出来，再一股脑交给大模型，让它用客客气气、专业的口吻，组织成一句人话。最后到结束节点，把这句答复吐回给用户。
你发现没有，整个过程用户就说了一句话，背后这条流水线自动跑了四五个工位，每一站各干各的，最后给出来一个又准又得体的回答。这就是工作流的劲儿所在。这种又稳又准的客服，你想靠"直接跟大模型聊一句"，是做不出来的。
七、顺便分清两个词：工作流 和 智能体
最后我再补一个点，这个点你以后准得纠结，我先给你打个预防针。
你慢慢会发现，咱有时候说"工作流"，有时候又说"智能体"，这俩到底啥关系？我给你说个最糙但最好懂的分法。
工作流，是你把每一步都给规定死的流水线，AI 照着你画好的路走，一步都不许乱，确定性强、可控。智能体呢，是你只给它一个目标加一堆工具，让它自己当场决定下一步干嘛，灵活是灵活，但没那么可控。
一个像地铁，线路固定，站站都按图走，稳当；一个像出租车，你说个目的地，怎么开它自己看着办，灵活。这两种在 Dify 里都能搭，各有各的用处，后面咱都会练到。你现在心里有这么个分别就够了：工作流求的是稳，智能体求的是活。
八、收个尾
行，这一节咱又啃下来一个核心概念。
你把这么几件事记牢就行。一个是工作流到底是啥——把复杂任务拆成一个个小步骤，拿连线串成一条流水线，让 AI 照着流程自动往下跑。再一个是它由啥组成——节点是工位、连线是传送带、变量是传来传去的半成品，每个节点只管一件专门的事，拼起来就能办大事。最关键的，是它图的那俩字，可控——稳定、能预测、能复用，这正是 AI 应用能在企业真正落地的命根子。
把"流水线"这个画面记死了，等咱后面打开 Dify 拖节点的时候，你会发现哪儿哪儿都对得上号。
好，今天就先分享到这儿。我是张大鹏，这里是大鹏 AI 教育，咱们下节课接着聊。