流程编排（Workflow Orchestration）

流程编排是把多个固定步骤用确定性方式串起来自动执行——每一步干什么、谁调谁、数据怎么流，都是提前设计好的。它和”让 Agent 自主决定下一步”是两条互补的思路：编排要的是可控、可复现，Agent 要的是自主、灵活。

一句话类比：流程编排像流水线 / 菜谱——第 1 步洗菜、第 2 步切、第 3 步炒，顺序固定、谁都不能乱。Agent 则像临场发挥的厨师，看冰箱有啥、客人想吃啥再决定步骤。简单重复、容不得出错的事用流水线，开放探索的事交给厨师。

关联：Workflow vs Agent 的取舍是核心决策，见 agent.md；具体平台（Coze/Dify/n8n）落地在 agent_dev.md；单步内部的”想→做→看”循环见 loop_engineering.md。

1. 为什么需要它：不是所有事都该交给 Agent

很多业务是固定 SOP：拉数据 → 清洗 → 调模型 → 落库 → 通知。这类任务：

步骤已知、不需要模型临时决策；
要求稳定、可审计、低成本（每步都跑 LLM 太贵太慢）；
出错代价高，要能重试、回滚、人工介入。

这时用确定性编排比”让 LLM 自己决定走哪步”更稳更省。Agent 适用于步骤开放、需要推理判断的场景。

2. 核心概念

概念	含义
DAG（有向无环图）	用节点(步骤)+有向边(依赖)描述流程，不能成环
Node / Step	单个执行单元：调 API、跑脚本、调 LLM、人工审批
State（状态）	流程在节点间传递的上下文数据（输入输出、变量）
Branch / 条件	按上一步结果走不同分支（if/else）
Human-in-the-loop	关键节点暂停，等人确认再继续
Retry / 容错	某步失败自动重试、超时熔断、补偿回滚

        ┌─ 条件A ─▶ 步骤3 ─┐
起点 ─▶ 步骤1 ─▶ 步骤2 ─┤              └─▶ 汇总 ─▶ 通知/落库
        └─ 条件B ─▶ 步骤4 ─┘
              (DAG：步骤间靠依赖关系连成图，无环)

3. 编排 vs Agent：怎么选

维度	流程编排 (Workflow)	Agent（自主）
步骤是否已知	固定、可预期	开放、运行时决定
可控性	高（每步确定、可审计）	低（路径不确定）
成本/延迟	低（不必每步跑 LLM）	高（多轮推理+工具）
适合	SOP、批处理、可复现任务	探索、开放问答、需临场判断
典型工具	n8n、Dify、Coze、Airflow、LangGraph(编译态)	各类 Agent 框架

经验法则：能写清楚步骤的，就用编排；只有”看情况”的部分才交给 LLM/Agent。 常见做法是”编排包 Agent”——大流程固定，其中某一步调用一个 Agent 做灵活子任务。

4. 基本用法（两种形态）

# 形态 A：代码/DAG 框架直接编排（确定性，强可控）
# 以 LangGraph 编译成固定图为例（伪代码）
from langgraph.graph import StateGraph
g = StateGraph(State)
g.add_node("fetch", fetch_data)      # 拉数据
g.add_node("clean", clean_data)      # 清洗
g.add_node("llm", summarize)         # 调模型
g.add_edge("fetch", "clean")
g.add_edge("clean", "llm")
g.add_conditional_edges("llm", route)  # 按结果走不同后续
app = g.compile()                    # 编译成可执行的固定流程
app.invoke({"query": "..."})

# 形态 B：低代码平台（Dify/Coze/n8n）拖拽节点连线
# 节点：开始 → HTTP请求(拉数据) → 代码(清洗) → LLM(总结) → 邮件(通知)
# 平台负责调度、重试、变量传递、日志——你只画流程图

平台型（Coze/Dify/n8n）适合快速搭业务流、非工程师也能改；代码型（LangGraph/Airflow）适合需要复杂分支、自定义算子和强工程可控性的场景。

5. 典型工作流

把业务拆成明确步骤，画成 DAG，标出每一步的输入/输出与依赖。
能不用 LLM 的步骤（拉数、清洗、格式转换）用普通代码节点，省成本。
仅在需要理解/生成的步骤挂 LLM 或 Agent 节点。
加重试、超时、条件分支；关键节点加人工确认（human-in-the-loop）。
接日志与监控，确保可复现、可排查。

6. 常见误区

❌ “啥都上 Agent” → 固定 SOP 用 Agent 既贵又不稳定；先问”步骤能不能写死”，能就编排。
❌ “编排和 Agent 二选一” → 多数好系统是编排包 Agent：大流程固定，灵活子任务交给 Agent。
❌ “图里可以有环” → 编排用 DAG，不能有环（会死循环）；需要循环用”条件回到某步 + 终止条件”显式控制。
❌ “每步都调一次大模型” → 浪费且慢；纯确定逻辑用代码节点，LLM 只在必要时出现。
❌ “不需要人工把关” → 涉及写库/发消息/花钱的步骤，务必留 human-in-the-loop 或强校验，避免自动出错难挽回。

7. 延伸阅读 / 关联概念

搭建 Agent 工作流（实操） — 从需求到上线的六步施工法 + 完整案例；见 agent_workflow_build.md
Agent（workflow vs agent） — 两者取舍的总纲；见 agent.md
AI Agent 开发 — Coze/Dify/n8n 等平台落地；见 agent_dev.md
Loop Engineering — 单步内部的”想→做→看”循环；见 loop_engineering.md
Agent Harness — 承载/驱动 Agent 运行时的外壳；见 agent_harness.md
上下文工程 — 编排结果如何组装进上下文交给 LLM；见 context_engineering.md

第二大脑 / Knowledge Bank

探索

orchestration