Workflow
工作流（Workflow）是指将一系列任务、操作或流程按照预定规则和顺序组织起来，以实现特定目标的结构化执行框架。其核心特征包括：任务节点的逻辑编排、条件分支与流程控制、以及各环节之间的数据传递与协同。工作流广泛应用于业务流程自动化、软件开发、数据处理及智能系统集成等领域，旨在提升执行效率、减少人工干预并保障流程一致性。
核心事实
时间轴 (近 90 天)
该插件为Antigravity代理提供关于Vercel API的实时指导，覆盖AI SDK、Vercel Functions和Workflow等产品。
Workflow 是面向长时间、多步骤、可暂停恢复的任务编排能力，适合并行执行与持久化状态的场景。
在 Dify 中，Chatflow 的节点可以引用会话变量来记住之前轮次的信息，而 Workflow 只能使用单次运行内的变量。
纯 Workflow 擅长固定逻辑（如「如果 A 则 B」），但面对多变的输入形态适应性差；纯 Agent 灵活但不可控。
大模型应用开发方向典型包括RAG、Agent智能体和Workflow工作流开发，对后端或Python开发出身的人入门门槛相对低。
Workflow本质是有限状态机或DAG（有向无环图）的工程化表达，路径在运行前已被开发者穷举。
一个 Workflow 通常只有一个主 Trigger，但可以通过条件分支节点处理不同的触发情况。
判断一个 Workflow 是否真正端到端，可以看它是否覆盖了「事件发生→数据处理→结果交付」的完整闭环，以及中间是否还需要人工介入。
Workflow 是一个端到端的完整自动化流程，覆盖从最初触发到最终结果输出的全过程，而非某个孤立环节。
催收逾期发票的步骤从始至终不变：识别逾期账户→发送提醒→记录响应→升级处理，属于典型Workflow场景。
还有 27 条时间轴事件
全部知识事实 (20)
Claude Code的Workflow功能通过ultrawork关键词触发
80%已验证Temporal通过持久化执行状态解决长时间运行任务的容错问题，即使进程崩溃也能从中断点恢复
75%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Dify-Chat支持Chatflow（对话流应用）和Workflow（工作流应用）两种Dify应用类型
70%已验证在n8n中，工作流（workflow）内放置的每一个功能单元叫做节点（node），通过连接节点让流程运行
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Agent项目架构应将确定性流程与需要判断的部分分开，即workflow管流程、agent管判断
65%已验证AI自动分类和提取行动项一旦出错，代价可能比手动整理更高
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Chatflow 和 Workflow 都由一个个节点组成，节点是构成工作流程的功能模块
65%已验证当任务逻辑相对固定时（如文档审核、报告生成、数据处理流水线），Workflow 比 Agent 更适合
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%已验证更健康的AI系统设计应采用混合架构：以确定性工作流为骨架，在必要节点嵌入AI能力，仅在真正推理场景引入Agent，并优先考虑可调试性和成本
65%已验证工作流（Workflow）是确定性的，预先定义节点顺序；Agent模式是自主性的，由大模型自主决定调用工具和步骤
65%已验证在Workflow运行过程中，可以通过/workflows斜杠命令查看进度，包括各阶段状态、Agent运行时长、Token消耗和工具调用情况
65%待验证Workflow功能将多Agent编排从自然语言描述固化为JavaScript脚本
90%待验证触发Workflow后，Claude Code会先通过编程方式构建完整的工作流脚本，再按照脚本执行
85%待验证启用Workflow功能需要在终端中输入环境变量导出命令
80%待验证Workflow生成的JavaScript脚本可以分享给其他用户直接复用
80%待验证在真实企业项目中，最推荐的做法是Workflow + Agent的混合架构
70%