- 综合排序
- 最热优先
- 最新优先
- 来自专栏Python大数据分析
我常用的6种AI工作流软件，强烈推荐～
随着AI大模型的深度应用，越来越多自动化工作流工具浮出水面，深度集成各种大模型接口，将网页、数据库、本地电脑、通讯工具串联起来，形成了一整套工具链体系，解决各种自动化任务。 种种案例，都离不开自动化工作流的影子。 我理解现在的工作流工具，分为两大类。 一种是以RPA为主的模拟人类操作的自动化工具，比如八爪鱼RPA。 现在八爪鱼RPA还可以通过AI来写流程，你只需要聊天提需求，AI会解析你的需求，自动编写RPA流程，准确率相当高。 Dify Dify是一款开源的Agent开发框架，可以快速的将AI大模型应用到工作流程中，简单来说就是帮你造好了各种轮子，你只需要设计流程就能独立开发AI应用，哪怕你没有任何代码能力，是不是很方便。 Coze Coze是字节开发的一个商业Agent工作流系统，它不同n8n、dify，只支持在Coze线上搭建Agent工作流，企业似乎可以私有化部署，而且由于模块化设计，所以Coze足够简单。
22800编辑于 2026-09-15 - 来自专栏狗哥的专栏
【ZStack】6.工作流引擎
通过一个工作流引擎，ZStack的每一个步骤，包裹在独立的工作流中，可以在出错的时候回滚。此外，通过在配置文件中组装工作流的方式，关键的执行路径可以被配置，这使得架构的耦合度进一步降低。 工作流引擎 工作流是一种方法，把一些繁琐的方法调用分解为一个个专注于一件事情的、细粒度的步骤，它由序列或状态机驱动，最终完成一个完整的任务。 配置好回滚处理程序后，当错误或未处理的异常在某一步骤发生时，一个工作流可以中止执行并回滚所有之前的执行步骤。 以创建虚拟机为例，主要工作流程看起来像： 顺序工作流，来源于链式设计模式（Chain Pattern），有着可以预见的执行顺序，这是ZStack工作流的基础。 通常当要创建的工作流是琐碎的、流程不可复用的时候，使用这种方法。
70410编辑于 2024-01-09 - 来自专栏CodeSpirit
告别 “问答式 AI 开发”：一文搞懂 AI 工作流的 6 大设计模式
告别 “问答式 AI 开发”：一文搞懂 AI 工作流的 6 大设计模式 还在靠“问一句、写一行”的问答式AI开发？ 本文拆解AI工作流的6大核心设计模式，看完就能对应场景选对模式，告别“越用越乱”的窘境。 一、先搞懂：为什么“问答式AI开发”注定低效？ 二、6大AI工作流设计模式：场景+特点+用法全拆解 1. 继续推进，直至完成任务第三步：AI动态调整执行路径 图例说明：规划式工作流核心是“先规划、再执行、可调整”，拆解复杂任务后，根据执行中的问题动态优化路径，避免盲目推进。 6. 这6大AI工作流设计模式，覆盖了从简单到复杂的所有场景，无论是开发、内容创作，还是数据处理，选对模式，就能让AI的输出更稳定、效率更高，真正帮你节省时间、减少返工。
1.6K10编辑于 2026-02-28 - 来自专栏快乐八哥
Docker Hub工作流程-Docker for Web Developers(6)
CMD ["cat", "/root/hello_world.txt"] 在Docker Hub上构建工作流 步骤1：注册Dockerhub并登录。 步骤2：基于Github仓库创建自动化构建 ?
98070发布于 2018-01-18 - 来自专栏各类技术文章~
工作流activiti 6 学习笔记十二 子流程
子流程分为SubProcess,callActivity 和 adHocSubProcess
1.8K00发布于 2021-09-29 - 来自专栏AI智能体开发
AI工作流程开发框架
AI工作流程开发框架是用于构建、部署和管理人工智能（AI）应用程序的软件工具和技术的集合。它们提供了一组预先构建的组件、API和工具，简化了AI工作流程的开发过程。 常见的AI工作流程开发框架1.Kubeflow特点： 基于Kubernetes的机器学习平台 提供各种组件，如训练、部署、管道等 支持多种机器学习框架（如TensorFlow、PyTorch） 适用于： AI工作流程开发框架？ 选择AI工作流程开发框架时，需要考虑以下因素：项目需求：确定AI工作流程的复杂程度、运行环境、依赖关系等。技术栈：选择与现有技术栈兼容的框架，降低开发成本。 总结AI工作流程开发框架是构建AI应用的重要工具，选择合适的框架可以提高开发效率、降低开发成本。希望以上信息能帮助您更好地了解AI工作流程开发框架。
50110编辑于 2025-02-19 Claude Code 动态工作流：6 种编排模式
副标题： 静态流水线不够用了——运行时自写 Harness，并行上百子 Agent 的 6 种模式与避坑指南 2026 年 5 月底，Anthropic 宣布 Claude Code 支持 Dynamic Workflows（动态工作流）；6 月初工程博客进一步拆解了原理与模式。 五、官方 6 种编排模式（值得背下来） Anthropic 工程博客总结了 Claude 构建 Workflow 时最常用的模式——可以当作 提示 Claude 的词汇表。 1. 设 Token 预算（如 use 10k tokens）防止失控 6. 满意则 保存 Workflow 供团队复用 7. 种模式 3 天→1 天工作流实录 长时并行编排的官方方法论 Generated Code / merge 责任 高产出场景下的验收与拆 PR 下一篇自然续篇：C03 Bun 迁移实录深度拆（或 D01
1.6K10编辑于 2026-06-29- 来自专栏菩提树下的杨过
LangGraph4j 学习系列(6)-并行工作流
接上节继续，本篇将学习如何实现并行工作流。 上面这张图，用代码很容易绘制，参考以下代码。
68510编辑于 2026-03-02 - 来自专栏GoCoding
AI 编程工作流与协同范式
本想就实际需求来说一下我是怎么用 AI 编程的，怎么与 AI 对话的，分享一下我的经验。但与它聊了几句工作流，发现它说得可真不错。那就看看我问了 AI 什么，它又回复了什么。来，一起学习吧。 我的 AI 编程工作流与协同范式，都在问题里了。而 AI 的回答则做了进一步的阐述，你也可以这样提问试试。一问：AI 怎么用好？AI 的 MCP 或 Skill 本质是不是优化描述做输入？ 二问：AI 编程工作流AI 编程，我有一套步骤，如下：需求-> 需求分析-> 技术选型 架构设计 实施目标-> AI 编程需求来了后，之后都可 AI 辅助。 二问：AI 编程工作流AI 编程，我有一套步骤，如下：需求-> 需求分析-> 技术选型 架构设计 实施目标-> AI 编程需求来了后，之后都可 AI 辅助。 ", "best_practices": "..." }}阶段三：自动化工作流用户需求 →AI需求分析师（分析需求类型） →AI架构师（选择设计模式） →AI程序员（基于模式生成代码
66120编辑于 2026-03-14 - 来自专栏Elastic Stack专栏
使用 Elasticsearch 构建 AI Agent 工作流
它定义：要达成的目标 可调用的工具集合 可访问的数据源 Agent 不仅能进行对话，还能驱动完整工作流、任务自动化或面向用户的应用。 , "conversation_id": "ec757c6c-c3ed-4a83-8e2c-756238f008bb"}# 获取完整对话GET kbn://api/agent_builder/conversations /ec757c6c-c3ed-4a83-8e2c-756238f008bb自定义 Agent开发者也可通过简单 API 创建自定义 Agent，封装特定指令、工具、数据访问，打造专属推理引擎。 Elastic Stack 内置远程 MCP 服务器，任何兼容 MCP 的客户端都能调用 Elastic Tool，作为更大工作流的构件。 由此构建完整的 AI 生命周期。Elastic 将持续提供接口，让你轻松构建基于自身数据的对话式 AI 与自动化工作流。更多技术细节和进展，敬请关注。
81421编辑于 2025-09-29 浅谈AI工作流 VS AI Agent VS MCP
人们可能会说“AI做到了这一点”，但其实，这种表述往往是笼统的，因为AI并非只有单一的形式。 事实上，AI有三个非常不同的层级：AI工作流、AI代理和MCP（模型上下文协议）。 让我们理清楚： AI工作流 像是一个食谱，始终按照相同的步骤进行。 •你设计流程。•AI在过程中填补空白。 •AI工作流 = 任务执行者•AI代理 = 目标解决者•MCP = 基础设施支柱 当你将正确的层次匹配到正确的问题时，AI不再是一个花招 — 而是一个竞争优势。 结尾 像一些智能体平台像扣子空间和百炼中做的那样，可以将工作流发布成mcp，然后添加到任务中由AI 大模型决定什么时候该调用哪一个mcp来提供支持，有点类似于套娃，可以催生出无限多种可能。 AI工作流适合那些重复性的任务，AI代理则能够在复杂环境中做出自主决策，而MCP则为AI代理提供了强大的基础设施支持。
42810编辑于 2026-03-13- 来自专栏明明如月的技术专栏
吴恩达：AI 智能体工作流
1.1 Agent 工作流 分享中指出不用 Agent 工作流时通过一次对话得到答案，效果往往不是很好。通过智能体工作流进行步骤拆分不断迭代，效果会更好。 但是加入智能体工作流的方式，GPT 3.5 甚至可以比单纯使用 GPT-4 的表现更好。 1.2 四种设计模式 在分享中他提出 AI 智能体的四种设计模式。 每种设计模式都体现了AI代理工作流在提高任务处理效率、增强问题解决能力方面的潜力，预示着AI技术在复杂任务处理和自动化方面的未来发展方向。 同时，他提到了对于即时反馈期望的调整，指出在使用AI智能体工作流时，我们需要学会耐心等待。 】AI智能体工作流 | Agentic Reasoning | 吴恩达Andrew Ng | 红杉AI Ascent 2024分享 | Agent 4大设计模式》
2.3K01编辑于 2024-05-24 - 来自专栏XINDOO的专栏
为什么AI智能体需要工作流
如果说上篇文章是探讨如何提升单个LLM模型的能力和表现的方法，那这篇文章则着重讨论如何通过工作流的设计和实现来提升整个AI系统的协同工作效率。 就像一个优秀的团队不仅需要每个成员都很强，更需要有效的协作机制一样，我们不仅需要优化单个AI组件的性能，还需要建立起完善的工作流程来实现更大的价值。 在深入探讨工作流的具体设计和实现方法之前，我们需要先理解工作流的必要性及其为AI应用带来的关键价值。只有明确了工作流的目的和价值，我们才能设计出真正满足实际需求的解决方案。 这是因为复杂任务通常涉及多个相互关联的子任务和决策点，超出了单个AI模型的处理范围。通过工作流，我们可以将复杂问题分解为一系列较小且可管理的子任务，每个子任务都由专门的AI组件或规则负责处理。 最后总结下本文的核心观点，在AI应用中，合理的工作流设计是提升系统效能的关键，通过任务的水平拆分和垂直拆分，我们可以构建出既能处理大规模数据又能保证质量的混合工作流体系。
67310编辑于 2025-10-27 别做 AI Agent，先用简单工作流
大家好，我是人月聊IT，今天接着AI和大模型方面的话题。 最近 Decoding ML 推出一篇文章《Stop Building AI Agents》，在海外平台引发了很多讨论。 文章痛批很多团队一上来就给大模型加记忆、角色和工具，让模型自己调度工作流，结果越做越像多米诺骨牌，一推就倒。 即在AI通用智能体或者说完善的大模型+MCP生态没有发展起来的时候，AI Agent智能体开发还会存在相当长的一段时间。 所以大家可以反过来想，不是AI Agent，而是应用程序增加了AI辅助的能力。AI Agent的本质就是一个应用程序，只是这个应用程序可以调用大模型的能力来对内容进行处理。 如果从这个角度来思考的话，AI Agent在通用智能体没有出来前仍然会存在相当长的一段时间。 所以现在的AI Agent已经没有你想的那么存粹，而更像是RPA+大模型能力的一个融合体。
56410编辑于 2025-07-14- 来自专栏Linyb极客之路
工作流引擎之activiti6实时流程图追踪
前言 有接触过activiti的朋友可能知道，在activiti5.x的追踪流程节点查找，可以用 ActivityImpl这个类来实现，可惜在activiti6版本，pvm包整个类包都被删除，再也没有ActivityImpl 这给流程图追踪造成一定的麻烦，不过没关系，本章节就是教大家如何用activiti6来生成实时流程图追踪。 下面就重点介绍在 activiti6如何获取这两个字段 activiti6获取highLightedActivities核心代码片段 // 获取历史流程实例 HistoricProcessInstance highLightedActivitiIds.add(historicActivityInstance.getActivityId()); } activiti6获取 highLightedFlowId); } } } return highLightedFlowIds; } activiti6生成流程图代码
13.8K31发布于 2018-07-26 - 来自专栏Dotnet9
.NET Core.NET5.NET6 开源项目：工作流组件
ELSA Elsa Core是一个工作流库，支持在任何.NET Core应用程序中执行工作流。工作流不仅可以使用代码定义，还可以定义为JSON、YAML或XML。 1、设计器。 工作流几乎可以使用任何存储机制持久化。将支持以下提供程序： In Memory File System SQL Server MongoDB CosmosDB Elsa对长期运行的工作流具有本机支持。 一旦工作流因为某些阻塞活动而停止，工作流就会被持久化。当发生适当的事件时，工作流将从存储加载并恢复。 Elsa的主要目标之一是以最小的工作量和最大的可扩展性在任何.NET应用程序中启用工作流。 这意味着将工作流功能集成到您的应用程序中应该很容易。 它提供了FluentAPI、多任务、持久化以及并行处理的功能，适合于小型工作流、责任链的需求开发。
2.6K10编辑于 2021-12-08 - 来自专栏Linyb极客之路
工作流引擎之activiti6流程节点自由跳转实现
3、直接指定节点进行跳转，这是本篇介绍的重点 activiti6实现节点自由跳转 1、通过直接操作数据库进行修改，这种方法不推荐，容易出错。
12.2K61发布于 2018-08-16 - 来自专栏架构精进之路
AI 编程：重构工作流的思维与实践
我直接上核心观点：就是从「计算机语言描述工作流程」到「自然语言描述工作流程」的转变。 1.2 核心提炼：工作流思维 传统编程 vs Vibe Coding：开发模式的核心变革 1、传统编程：以技术实现为核心 传统编程围绕程序、程序员、软件工程三大支柱展开，具有显著特点： 入门门槛高，学习周期长 能力的新型开发模式，核心逻辑高度聚焦： 用自然语言精准描述业务需求与工作流 由 AI 自动完成代码生成、任务执行与细节处理 核心要求是使用者清晰定义 “做什么”，无需纠结技术实现路径 3、Vibe Coding 核心特征总结 1）本质是 “用自然语言定义工作流” 摆脱编程语言语法、框架的束缚，无需专业编程基础 核心门槛在于对业务流程的深度理解 重心从 “技术实现” 转向 “需求定义” 2）开发模式升级：从 三、如何正确理解重构工作流 个人对 [ vibecoding 加成下 ] 重构工作流的理解 AI 不是来当主厨的，是为了让主厨不用天天切土豆 3.1 构思全自动化工作流 关键原则：摒弃“一步到位”的完美主义
80510编辑于 2026-03-25 - 来自专栏AI
Dify 工作流集成 Tavily 实现 AI 联网搜索
想象一下，你搭建了一个智能客服，用户问"你们公司最新的产品发布了吗"，AI 却答不上来，这体验有多糟糕。解决方案就是给 AI 接上"互联网的眼睛"——搜索工具。 Tavily 是本文的主角，它专门为 AI 场景设计，返回的结果格式对大模型非常友好，减少了很多无关信息的干扰。 工作流设计思路在动手配置之前，先理清整个联网搜索的工作流程：用户提问 → 判断是否需要联网 → 调用搜索工具 → LLM 整合结果 → 返回答案最简单的实现是跳过"判断是否需要联网"这一步，直接对所有问题都执行搜索 效果验证配置完成后，点击工作流编辑器右上角的「运行」按钮进行测试。在输入框中填入测试问题："南昌今天天气怎么样"。 如果你正在构建需要回答实时性问题的 AI 应用，Tavily 是目前性价比最高的选择。
4.7K20编辑于 2026-01-16 642026 AI速递 | Gemini、Ideogram多模态工作流
原创文章，来源于AI技术趋势自动整理。发布前请在腾讯云开发者社区编辑器中复核标题、封面、标签和外链。 6/4/2026AI速递|Gemini、Ideogram多模态工作流1.GeminiSpark与Antigravity2.0：Google把Gemini推向后台代理工作流GoogleI/O2026的核心变化不是再发布一个聊天入口 关键词：Gemini、代理、MCP、工作流2.MicrosoftFoundry在Build2026更新：托管运行时、记忆与实时语音把Agent开发推向可配置工作流Microsoft在Build2026上更新 想快速验证效果，可以直接用ideogram.ai或HuggingFaceSpacedemo；想接入开发工作流，可以在HuggingFace接受模型gate后，通过hfauthlogin登录，再用Diffusers 关键词：文生图、开源权重、设计图、多模态5.Microsoft开源markitdown：把PDF、Office文档转成可进入AI工作流的MarkdownMicrosoft开源的markitdown解决的是一个很具体但高频的问题
46520编辑于 2026-06-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号