Dynamic Workflows

在 AI 自動化領域，Dynamic Workflows（動態工作流） 是相對於「固定流程（Static/Linear Workflows）」的進階概念。如果說傳統工作流是一條鋪設好的鐵軌，那麼動態工作流就是一套能根據路況即時規劃路線的自動駕駛系統

為什麼需要動態化？

傳統自動化工具（Zapier, IFTTT）多半是線性且硬編碼（Hard-coded）的：

• 傳統流程： Step A → Step B → Step C。只要其中一個步驟發生異常，流程就會直接斷開或報錯

• 動態工作流： 系統具備「決策能力」。它會根據 AI 對當前執行結果的評估，決定下一步該執行什麼、是否需要重複嘗試、或是改用其他路徑

動態工作流關鍵運作機制

動態工作流之所以「動態」，關鍵在於它整合了 LLM (大型語言模型) 與 圖論（Graph Theory）：

• 條件式分支（Conditional Branching）： 當某個步驟執行完成，AI 會檢查輸出結果。如果結果符合要求，進入下一步；如果不符合（程式執行失敗），則自動進入「除錯/修正」路徑

• 自我修正與循環（Self-Correction & Loops）： 如果一個任務未達成預期目標，動態工作流可以命令 Agent 進行「反思」，修改參數後重新執行，直到成功為止

• 環境感知（State Awareness）： 每一輪執行後，系統會更新「全局狀態（State）」。後續的步驟是根據「最新的狀態」動態生成的，而非固定的腳本

• 動態工具調用（Dynamic Tool Routing）： AI 根據當下的需求，從工具箱（Toolbox）中選擇最合適的工具。例如：若查詢結果是 PDF，它會自動呼叫 PDF 閱讀器；若是網頁，則自動呼叫瀏覽器

與「固定工作流」的對比

🏗️ Dynamic Workflows 運作架構圖 (ASCII Architecture)

+---------------------------------------------------------------------------------+
|                                 Client / User                                   |
|               (觸發動態工作流程 / 傳入 Payload 參數與配置)                      |
+---------------------------------------------------------------------------------+
                                         |
                                         v
+---------------------------------------------------------------------------------+
|                             API Gateway / Orchestrator                          |
|                 - 接收請求並進行身分驗證                                        |
|                 - 呼叫工作流程引擎                                              |
+---------------------------------------------------------------------------------+
                                         |
                                         v
+---------------------------------------------------------------------------------+
|                         Dynamic Workflow Engine                                 |
|               (動態工作流程核心引擎：Temporal / Airflow / Zeebe)                  |
+---------------------------------------------------------------------------------+
          |                                                       |
          | (1. 讀取/解析定義)                                    | (2. 動態生成節點)
          v                                                       v
+----------------------------+                           +------------------------+
|    Dynamic Workflow DSL    |                           |    Task Dependency     |
|   (JSON / YAML 模板定義)   |                           |    DAG 拓樸排序引擎    |
+----------------------------+                           +------------------------+
                                                                  |
                                                                  v
                                                     +------------------------+
                                                     |  Task Execution Pool   |
                                                     |  (非同步動態任務分派)  |
                                                     +------------------------+
                                                                  |
                         +----------------------------------------+----------------------------------------+
                         |                                        |                                        |
                         v                                        v                                        v
               +-------------------+                    +-------------------+                    +-------------------+
               |  Dynamic Task A   |                    |  Dynamic Task B   |                    |  Dynamic Task N   |
               | (依參數動態載入)  |                    | (條件分支/迴圈)   |                    | (外掛/Plugin 執行)|
               +-------------------+                    +-------------------+                    +-------------------+
                         |                                        |                                        |
                         +----------------------------------------+----------------------------------------+
                                                                  |
                                                                  v
+---------------------------------------------------------------------------------+
|                            State Store & Metadata DB                            |
|             - 記錄執行狀態 (Running, Success, Failed, Waiting)                  |
|             - 儲存中間狀態變數與稽核日誌                                        |
+---------------------------------------------------------------------------------+
                                         |
                                         v
+---------------------------------------------------------------------------------+
|                                 Output / Sink                                   |
|                     (回傳執行結果 / 觸發 Webhook / 通知下游)                    |
+---------------------------------------------------------------------------------+

⚙️ 核心組件與運作流程解析

1. 觸發與接入層 (Client & API Gateway)

• Client：使用者、前端介面或外部系統，透過 API 傳送執行請求。請求中通常包含工作流程的範本 ID 以及動態參數（Payload / Variables）

• API Gateway：負責請求轉發、權限驗證，並將任務交由工作流程引擎處理

2. 動態工作流程核心 (Dynamic Workflow Engine)

Workflow Engine：負責整個生命週期的管理（Temporal、Apache Airflow、Camunda Zeebe 等等）

DSL (Domain Specific Language)：動態工作流程的靈魂。與寫死的程式碼不同，動態工作流程使用 JSON 或 YAML 來描述節點與邏輯。引擎會在執行時期（Runtime）即時解析這些定義

DAG 拓樸排序與動態生成：引擎會根據輸入的動態參數，在運行當下（On-the-fly）決定需要建立哪些任務、跳過哪些分支、或是重複執行幾次迴圈

3. 任務執行層 (Task Execution Pool)

• Task Dispatcher：將解析後的動態任務分派給對應的 Worker 或微服務

• Dynamic Tasks：

  • 條件分支 (Conditional Branching)：根據上一步的輸出決定下一步執行 A 或 B

  • 動態迴圈 (Dynamic Looping/Map-Reduce)：例如:資料陣列有 100 筆，引擎自動動態展開並平行執行 100 個子任務

  • 外掛載入 (Plugin-based)：支援動態載入第三方模組或函式庫

4. 狀態與資料持久化 (State Store & Metadata DB)

所有的執行狀態、變數、重試次數（Retries）、錯誤紀錄均即時寫入資料庫（PostgreSQL、Redis）

確保工作流程具備高可用性與斷點續傳（Fault Tolerance & Recovery）能力

應用場景範例

自主研究：

AI 搜尋市場趨勢

若找到資訊，歸納摘要

若找不到資訊，AI 會自動改換關鍵字或搜尋引擎，直到找到為止，並在過程中動態調整搜尋計畫

程式碼自動化（例如 Cursor/Claude Code）：

AI 嘗試執行程式碼

若編譯失敗，它會自動抓取錯誤訊息並傳回給自身

它會分析錯誤原因，決定是「修改邏輯」還是「安裝缺失套件」，這整個過程沒有人為介入，流程由失敗情況決定

實現動態工作流的熱門技術

如果想建構或使用具備動態工作流的系統，通常會接觸到以下技術：

• LangGraph（LangChain 生態）： 這是目前定義動態工作流的首選。它透過「圖形節點」來定義狀態與轉換，允許流程循環（Cycle）與條件判斷

• State Machine（狀態機）： 許多高階Agent框架利用狀態機來記錄目前進度，確保任務在複雜的路徑中不會迷路

• Event-Driven Architecture（事件驅動）： 系統偵測到特定事件（API 回傳錯誤）觸發特定回應

總結建議

動態工作流是 AI 從「聊天機器人」轉向「自主代理（Autonomous Agent）」的關鍵基礎

當任務非常明確、步驟永遠一致時： 使用「固定工作流」（維護簡單、成本低）

當任務涉及不確定性（如開發、網頁爬取、處理髒數據）時： 必須採用「動態工作流」