💎【行业认证·权威头衔】
✔ 华为云天团核心成员：特约编辑/云享专家/开发者专家/产品云测专家
✔ 开发者社区全满贯：CSDN博客&商业化双料专家/阿里云签约作者/腾讯云内容共创官/掘金&亚马逊&51CTO顶级博主
✔ 技术生态共建先锋：横跨鸿蒙、云计算、AI等前沿领域的技术布道者

🏆【荣誉殿堂】
🎖 连续三年蝉联"华为云十佳博主"（2022-2024）
🎖 双冠加冕CSDN"年度博客之星TOP2"（2022&2023）
🎖 十余个技术社区年度杰出贡献奖得主

📚【知识宝库】
覆盖全栈技术矩阵：
◾ 编程语言：.NET/Java/Python/Go/Node…
◾ 移动生态：HarmonyOS/iOS/Android/小程序
◾ 前沿领域：物联网/网络安全/大数据/AI/元宇宙
◾ 游戏开发：Unity3D引擎深度解析

🚀前言

工作流是指一系列相互关联的步骤或任务，用于完成特定的业务过程或项目。它定义了任务的顺序、执行者以及相关的条件和规则，以确保流程的顺利进行和最终目标的达成。本章将介绍扣子工作流的分类、解决的问题、逻辑结构、常见节点，并结合一个图文示例演示扣子工作流的用法。

🚀一、工作流分类和作用

工作流是定义和执行一系列自动化步骤以完成特定任务的概念。在日常工作中，财务报销、软件开发中的CI/CD流水线等都是工作流的体现。扣子的工作流 在理念上与之相似，但具备独特的设计，专门用于构建和编排基于大模型的智能应用。

🔎1.工作流及其分类

🦋1.1 什么是扣子工作流？

扣子工作流是一种通过可视化方式，将插件、大语言模型、代码块、逻辑判断等多种功能节点组合起来，以实现复杂业务逻辑的流程编排工具。用户通过简单的拖放和连线操作，即可构建一个自动执行、完成特定任务的清晰流程。

为什么要引入工作流？
一个核心的疑问是：既然有大模型可以直接回答问题，为何还需要工作流？原因在于，当前的大模型本质上是基于概率生成内容，并非每次都能在复杂或要求精确的场景下稳定输出符合预期的结果。工作流的核心价值在于：

• 系统化与稳定性：将大模型的能力嵌入到预设的业务逻辑中，通过流程化控制，确保输出的可靠性和一致性。
• 能力补偿与增强：在目前大模型智能化程度尚有不足时，工作流通过注入人类的流程设计与逻辑判断（“人的智能”），有效补偿了大模型的短板，从而显著提升智能体的可用性和用户体验。

🦋1.2 扣子工作流的分类

扣子平台提供了两种类型的工作流，以适应不同的业务场景：

• 工作流（Workflow）：

  • 定位：用于处理功能类的请求，通过顺序执行一系列节点来实现某个具体功能。
  • 适用场景：数据的自动化处理、批量任务执行。例如，自动生成行业调研报告、根据模板和素材合成宣传海报、批量处理并分析数据表格等。它是一个单次执行、完成任务即结束的流程。

• 对话流（Chatflow）：

  • 定位：一种基于对话场景的特殊工作流，专门设计用于处理多轮、交互式的对话类请求。
  • 核心特征：每个对话流都绑定了一个会话上下文。它可以读取历史对话消息，并将本次运行产生的消息记录其中，从而具备记忆能力，能够进行连贯的、有状态的对话。
  • 适用场景：构建需要复杂多轮交互的AI应用，如高级智能客服、深度咨询助手、游戏NPC等。它尤其适合发布到微信、飞书等社交通信平台，提供拟人化的对话体验。

如何选择？

• 若需构建一个工具型AI应用，侧重于单次任务自动化处理，应选择工作流（Workflow）。
• 若需构建一个对话型AI应用，侧重于多轮、有记忆的交互，应选择对话流（Chatflow）。

🔎2.工作流能解决什么问题？

在明确了工作流的价值与分类后，我们可以更具体地界定其适用场景。在以下五类情况下，使用工作流将是比单纯依赖大模型提示词更优的解决方案：

1. 当仅用提示词无法达到预期效果时
   即使按照最佳实践编写了清晰的结构化提示词，对于步骤繁多、逻辑复杂的长任务（如撰写一篇结构严谨的深度调研报告），大模型可能仍难以一次性高质量完成。此时，可以通过工作流将任务分解为“资料收集 → 生成大纲 → 分章节撰写 → 汇总润色”等多个可控步骤，确保最终输出的质量与结构。

2. 当需要有序调用多个插件或外部工具时
   大模型虽具备调用单个工具（Function Calling）的能力，但难以稳定处理多个工具间具有严格依赖关系的复杂链条。例如，“抓取网页内容 → 提取总结要点 → 根据要点生成思维导图”这个流程，涉及两个插件调用和一个模型处理环节。通过工作流可以精确编排执行顺序和数据流转，保证流程的可靠执行。

3. 当需要对数据进行精确加工或复杂计算时
   大模型擅长生成文本，但在数值计算、数据格式精确转换、逻辑判断等方面可能存在偏差。工作流中的代码节点允许开发者插入Python等代码，实现对数据的精准处理、调用特定算法或生成确定性的响应，弥补大模型在此类任务上的不足。

4. 当需要根据条件执行不同分支逻辑时
   许多业务场景需要根据用户输入或中间结果进行条件判断与分支选择。例如，一个答题Bot需要根据用户选择的选项给出不同的反馈；一个审批流程需要根据金额大小走向不同的审核路径。工作流提供的条件判断节点可以轻松实现这类分支逻辑，使应用更加智能和灵活。

5. 当需要在一次请求中进行多次分步输出时
   大模型默认是一次请求、一次回复。但在处理耗时较长的任务时，用户需要进度反馈或分阶段的结果以提升体验（如“正在生成大纲…”，“正在撰写第一部分…”）。或者，一个复杂回答本身就需要拆分为多条消息发送。工作流中的消息节点允许在流程执行过程中主动、多次地向用户发送消息，从而实现更流畅的交互。

总结：工作流是扣子平台将大模型从“聪明的对话者”升级为“可靠的执行者”的关键组件。它通过可视化编排，将大模型的不确定性纳入确定性的业务流程框架中，从而能够稳定、高效地解决上述各类复杂问题，是开发高级AI应用的必备工具。