💡
原文中文，约4800字，阅读约需12分钟。
📝
内容提要
传统工作流编排稳定且可预测，但AI Agent + Skills架构更灵活且可进化。用户通过自然语言描述工作流，可以更高效地组合技能以适应变化。尽管存在稳定性和成本的质疑，AI的自我迭代能力使技能不断优化，适合复杂多变的任务。
🎯
关键要点
- 传统工作流编排稳定且可预测，适合审计和合规场景。
- AI Agent + Skills架构更灵活，能够自我迭代和优化，适合复杂多变的任务。
- 可视化工作流工具易于使用，但在复杂逻辑和灵活性上存在局限。
- Agent + Skills可以将技能视为可组合模块，通过自然语言描述工作流。
- 工作流拆分为单一职责的技能，便于管理和执行。
- 使用自然语言编排工作流，支持条件分支和并行执行。
- 中间结果保存为本地文件，便于追溯和人工干预。
- Subagent之间只传递文件路径，避免上下文窗口溢出。
- Agent + Skills的最大优势是持续进化和自我迭代能力。
- 对稳定性、成本和门槛的质疑可以通过混合架构和AI辅助解决。
- Agent + Skills适合输入多变、需要判断的任务和复杂流程。
- Workflow仍适用于严格审计要求和非技术用户的可视化需求。
- Skill架构可以不断进化，积累可复用的自动化资产。
❓
延伸问答
什么是传统工作流的优势？
传统工作流编排稳定且可预测，适合审计和合规场景，普通人也能理解流程图。
AI Agent + Skills架构有什么优势？
AI Agent + Skills架构灵活且可进化，能够自我迭代，适合复杂多变的任务。
如何使用自然语言编排工作流？
可以在主skill中用自然语言描述整个流程，像交代任务一样清晰表达各个模块的协作关系。
Agent + Skills如何处理复杂逻辑？
Agent + Skills通过将技能视为可组合模块，能够灵活应对复杂逻辑和条件分支。
使用Agent + Skills的成本如何？
虽然Agent执行成本较高，但整体效率提升使得token成本相对较低，且维护和迭代成本更低。
在什么情况下仍然适合使用传统工作流？
传统工作流适合严格审计要求的合规流程、超高频执行的简单任务和非技术用户的可视化需求。
➡️
