智能体与工作流是同一个概念吗

👉插件插件就像是一个工具箱，里面可以放一个或者好几个工具，我们把这些工具叫做API。目前扣子这个平台上已经有很多不同类型的插件了，比如可以看新闻、规划旅行、提高办公效率、理解图片内容的API，还有一些很厉害的能处理多种任务的模型。用了这些插件，我们创建的智能体就能变得更厉害，比如给它加个新闻搜索的插件，它就能帮你找新闻了。要是扣子上现有的插件没有我们想要的，我们还可以自己动手做一个插件，把我们需要的API加进去。在我的智能体里我加了如下插件：👉工作流工作流就像是一个可视化的拼图游戏，我们可以把插件、大语言模型、代码块这些功能像拼图一样组合在一起，这样就能创造出复杂但又很稳定的业务流程。当我们面对的任务有很多步骤，而且对最后的结果要求很严格，比如结果要准确无误、格式也要对，那这时候用工作流来帮忙就最合适了。😎简单来说，工作流是由很多个小块块（节点）组成的，这些小块块就是工作流的基本单元。比如，大语言模型LLM、你自己写的代码、做判断的逻辑，都可以是小块块。工作流一开始和结束都有特别的小块块。开始的那个小块块就像是工作的起点，它可以包含你输入的信息。结束的那个小块块就像是工作的终点，它会告诉你工作流运行的结果是什么。不同的小块块可能需要不同的信息才能工作，这些信息有两种：一种是引用前面小块块给出的信息，另一种是你可以自己设定的信息。在竖起耳朵听的智能体里，我也用到了5个小块块，可以回答带有图片口语的结果，使回答更好。😎👉知识库

1.如何判断自己的任务/Prompt是否需要拆解为工作流？构建稳定可用的AI Agent是一个需要不断调试和迭代的过程。Agent工程的终极目标是打造出流程尽量简洁、Prompt尽量精炼、生成结果最稳定的智能体。我们通常从当前性能最强的LLM（如ChatGPT-4和Claude 3.5 sonnet）着手，先用单条Prompt或Prompt Chain（可以简单理解为与LLM连续对话，引导LLM逐步完成复杂的任务）来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的LLM，逐步拆解子任务，降低LLM执行单任务的难度，直到达成工程目标。一般而言，对于类似文中这种场景多样、结构复杂、对输出格式要求严格的内容，我们基本可以预见到需要将其拆解为工作流。此外，鉴于LLM只能处理文本输入输出的特性，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。2.只用了一段Prompt的Agent，还算AI Agent吗？算。详见[关于LLM、Prompt、Agent的概念理解](https://zkv549gmz8.feishu.cn/wiki/KhXkwqngAitUufkHNUUcPP57nDb?from=from_copylink)

1.如何判断自己的任务/Prompt是否需要拆解为工作流？构建稳定可用的AI Agent是一个需要不断调试和迭代的过程。Agent工程的终极目标是打造出流程尽量简洁、Prompt尽量精炼、生成结果最稳定的智能体。我们通常从当前性能最强的LLM（如ChatGPT-4和Claude 3.5 sonnet）着手，先用单条Prompt或Prompt Chain（可以简单理解为与LLM连续对话，引导LLM逐步完成复杂的任务）来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的LLM，逐步拆解子任务，降低LLM执行单任务的难度，直到达成工程目标。一般而言，对于类似文中这种场景多样、结构复杂、对输出格式要求严格的内容，我们基本可以预见到需要将其拆解为工作流。此外，鉴于LLM只能处理文本输入输出的特性，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。2.只用了一段Prompt的Agent，还算AI Agent吗？算。详见[关于LLM、Prompt、Agent的概念理解](https://zkv549gmz8.feishu.cn/wiki/KhXkwqngAitUufkHNUUcPP57nDb?from=from_copylink)