工作流
通过连接节点定义任务执行顺序的自动化流程设计模式，在Coze平台中用于编排AI应用的业务逻辑，支持确定性流程与AI决策的混合架构
核心事实
时间轴 (近 90 天)
工作流同样的输入每次结果都一样，便于审计和追责；Agent每次走的路径可能不同，结果具有一定不确定性。
对多数企业，在已有流程中加AI节点比从零搭建全能Agent更容易见效，风险更可控。
客户投诉处理等完整业务通常需要工作流与AI组合：AI读邮件判断类别和紧急程度，派单、计时、升级交给工作流。
费用报销、采购审批、合同到期提醒等规则清楚、步骤固定的事适合用工作流；读客户邮件判断诉求、提取合同条款、回答制度问题等需理解判断的事适合用AI。
工作流执行一次几乎没有额外成本；Agent每一步都要调用模型，产生费用和等待时间，规模化时成本显著。
工作流出错通常是规则未覆盖，可定位修复；Agent出错可能是理解错误或执行超出预期操作，需限制权限并设人工确认。
工作流擅长处理结构化数据（字段、金额、状态），Agent擅长处理非结构化内容（邮件、合同、客户描述）。
工作流是将复杂任务拆成若干节点、按顺序或条件执行的编排方式，常见节点类型包括开始/结束节点、大模型节点、插件节点、条件分支节点、变量赋值与引用节点、循环节点等。
搭建工作流通常需要理解节点间的输入输出关系、变量传递和异常处理，这是零基础用户的主要门槛。
工作流的价值在于将重复性任务标准化，减少人工触发次数，实现批量和无人值守处理。
还有 40 条时间轴事件
全部知识事实 (20)
Skill是将专业能力、领域知识和操作规范打包成可复用单元，让Agent在恰当时机自动调用的模块化封装
90%已验证Dify中的工作流（Workflow）是无状态的任务编排模式，适合文档摘要、数据分析、批量内容生成等一次性输入-输出任务
70%已验证AI视频工作流是指将Runway、可灵、即梦等多个AI生成工具与传统后期制作环节按照特定逻辑串联起来的标准化生产流程
70%已验证检查点应包含稳定运行或线程标识符、当前工作流步骤和任务状态、已完成动作的中间结果、待执行动作及重试计数和时间戳、以及schema或工作流版本。
65%已验证判断是否需要设置人工检查点的标准是追问三个问题：动作是否不可逆、出错代价多大、AI误判概率多高
65%已验证工作流指将多个处理步骤以节点图形式串联，数据按预定逻辑在节点间流转，每个节点可以是LLM调用、条件判断、代码执行、知识库检索等独立操作
65%已验证评估是否自动化时需权衡任务标准化程度、错误容忍度与维护成本等因素
65%已验证在Agent的执行循环中，任务是否完成由Agent自己判断，而非程序员在代码中写死
65%已验证工作流是把多个步骤串联成有序流程，适合任务逻辑固定、可预期的场景
65%已验证工作流的作用是把复杂任务拆解成可控的步骤
65%已验证Agent在RAG场景中可以判断是否需要检索、检索哪个知识库、是否需要多轮检索或调用外部工具，工作流将多个步骤编排成有向图支持条件分支、并行处理和循环迭代
65%已验证精心设计的单一智能体在成本和延迟上常常远优于结构松散的多智能体系统，而任务表现相差无几，多智能体架构只有在任务确实需要分工协作时才值得引入
65%已验证工作流是将多步骤任务串联为可重复执行的自动化流程
65%已验证在Agent策略选择上，实测ReAct比Function Calling更稳定，尤其在多步骤多工具协同的复杂任务中容错性更强
65%已验证工作流（Workflow）是确定性的，开发者预先定义好节点顺序和数据流转路径，执行过程可预期、可追踪
65%部分验证N8N 中工作流通常包含触发节点、处理节点和输出节点三类节点。
65%待验证智能体本质是大模型加工具再加一个循环（Agent Loop），是一种特殊的工作流；工作流是更底层的概念，支持并行、串行、判断、Map-Reduce等机制
60%待验证Dify 的工作流编排采用有向无环图（DAG）结构，以节点连线方式定义数据流转逻辑
60%待验证工作流是一组按照预先定义好的顺序连接在一起、以完成特定目标的流程集合，代表编排而非智能
60%待验证节点图通常表示为有向无环图（DAG），运行时引擎按拓扑排序依次执行各节点的处理逻辑
60%