478 字
1 分钟
Agent 工作流为什么值得工程化
Agent 工作流为什么值得工程化
最近一段时间，我越来越关注一件事：如何把大模型的能力从“能演示”推进到“能交付”。
单次对话可以解决很多问题，但只要任务开始变长，开始依赖工具、上下文和外部数据，流程设计的重要性就会迅速上升。这个阶段里，模型回答质量只是其中一环，真正决定体验的是整个工作流能不能稳定运行。
我关心的三个核心点
1. 任务拆解要清楚
复杂需求往往包含多个目标。把它们拆成独立步骤之后，模型的推理路径会更稳定，回看日志和定位问题也更容易。
2. 工具调用要可控
MCP 这一类协议很有价值，因为它让模型和外部工具之间的连接方式更标准。工具越多，标准化接口带来的收益越明显。
3. 检索要服务任务
RAG 的价值不在“接上向量库”，而在于让检索内容真正参与到当前任务里。检索命中率、上下文压缩方式和引用策略，都会直接影响最终输出。
我希望做成什么样
我理想中的工作流系统至少要具备这些特征：
- 可以追踪每一步发生了什么
- 可以随时打断和继续执行
- 可以替换不同的数据源或工具
- 可以把实验阶段的流程平滑迁移到真实项目
这也是我最近会持续记录 MCP、LangGraph 和 RAG 实践的原因。它们并不只是工具名，更像是一套面向工程落地的组织方法。
分享
如果这篇文章对你有帮助，欢迎分享给更多人！
Agent 工作流为什么值得工程化
https://myblog-2rl.pages.dev/posts/agent-workflow-notes/ 部分信息可能已经过时