為什麼需要 Agent Workflow 設計?
單一任務可能簡單,但複雜任務往往需要 分階段完成。
例如:「幫我訂一趟從台北到東京的三天行程」這個需求,AI Agent 不能只靠單一步驟完成,必須進行:
查詢航班
比較價格
預訂飯店
安排每日行程
輸出總計方案
這時候,Agent Workflow 就是設計一個 任務分解與控制流程,讓 Agent 有條理地完成整個需求。
gent Workflow 的設計原則
設計一個好的 Agent Workflow,需要兼顧 靈活性 與 可控性。以下是常見的設計原則:
目標導向 (Goal-Oriented)
Workflow 必須圍繞任務目標設計,而非只做單一步驟。
例如:完成「資料分析報告」= 收集資料 → 整理 → 視覺化 → 撰寫結論。
任務分解 (Task Decomposition)
將大目標拆解成多個小步驟,方便 Agent 理解並逐一完成。
方法包含:LLM 自動規劃、人工預設流程、或混合模式。
條件控制 (Conditional Logic)
Workflow 需要設計分支:若失敗,如何重試?若資料不足,是否請求更多輸入?
避免 Agent 一路執行到錯誤結果而不自知。
工具調用 (Tool Usage)
Agent 常需外部資源(API、資料庫、搜尋引擎)。
Workflow 應明確定義何時該呼叫哪個工具。
記憶與上下文管理 (Memory & Context)
長任務中,Agent 必須記得前一步做了什麼。
Workflow 設計中會包含 短期記憶(任務上下文)與 長期記憶(知識庫)。
監控與回饋 (Monitoring & Feedback)
Workflow 需要監控 Agent 是否偏離任務。
可以設計「人類回饋 (Human-in-the-loop)」機制,當任務過於關鍵或風險高時,讓人類介入。
常見的 Agent Workflow 模型
順序式 (Sequential Workflow)
適用於固定步驟的任務,例如資料 ETL(抽取 → 轉換 → 輸入)。
優點:結構清晰。缺點:彈性不足。
分支式 (Branching Workflow)
根據條件決策不同路徑,例如客服 Agent 根據問題類型決定處理流程。
優點:能處理多種情境。缺點:需要設計複雜邏輯。
迭代式 (Iterative Workflow)
Agent 反覆嘗試 → 評估 → 修正,直到達到滿意結果。
常用於創意任務或研究分析。
多 Agent 協作式 (Multi-Agent Workflow)
多個專業 Agent 各自負責不同子任務(例如:資料蒐集 Agent、分析 Agent、報告撰寫 Agent)。
優點:分工專精、效率高。缺點:需要協調與溝通機制。