- 综合排序
- 最热优先
- 最新优先
- 来自专栏SDD
5 分钟上手：一行命令搭好 AI 工作流
系列:SDD系列·《搭建你自己的AI研发工作流》期号:第02期本期主角:initlist-toolsdoctor预计阅读:7分钟先有体感，再讲原理。 这一期我们把工作流装进真实项目，并学会零风险地预览它。 本期导读安装前要准备什么（Node、OpenSpec）交互式vs非交互式两条安装路径怎么选用--dry-run安全预览，不动你项目一根毫毛四种AI工具的落地目录差异，以及装完项目里多了什么30秒能用上： 一、先别急着原理，先跑起来上一期我们立了个主张：工作流应该是"可安装的资产"。这一期我们就把它装进项目，亲手验证这句话。整个过程不超过5分钟，目标只有一个——让你有体感。原理留到第3、4期慢慢拆。 SelectyourAItool——选你用的AI工具，默认ClaudeCode。Enableopsx-prototype?——是否开启可选的"原型/截图→需求"技能，默认关。
18910编辑于 2026-06-17 Claude创造者运行5个AI并行编码的工作流
以下是对正在重塑软件开发方式的工作流的分析，直接出自其架构师本人。同时运行五个AI代理如何将编码变成实时策略游戏Cherny披露中最引人注目的 revelation 是，他并非以线性方式编码。 “我在终端中并行运行5个Claude，”Cherny写道。“我将标签页编号为1-5，并使用系统通知来了解Claude何时需要输入。”通过利用iTerm2系统通知，Cherny有效管理五个并行的工流。 他还在浏览器中运行“5-10个Claude on claude.ai”，使用“teleport”命令在网络和本地机器之间交接会话。这验证了某机构总裁本周早些时候阐述的“事半功倍”策略。 现代AI开发的瓶颈不是令牌的生成速度，而是人工纠正AI错误所花费的时间。Cherny的工作流表明，预先支付更智能模型的“计算税”可以消除后续的“纠正税”。 Cherny的工作流对软件工程未来的预示对Cherny帖子反应表明，开发者对自己技艺的看法发生了关键转变。多年来，“AI编码”意味着文本编辑器中的自动补全功能——一种更快的打字方式。
12310编辑于 2026-06-10- 来自专栏量子位
AI产品开发指南：5大核心环节搞定机器学习工作流
于是，国外的问答网站Quora上就有了这个问题： 怎样开发出一个AI系统或者产品？ 量子位觉得，有一个来自Sean McClure的回答很不错。 要构建一个AI系统或产品，你要处理好5个核心环节，我们通常称之为“机器学习工作流”。这些步骤分别是： 1. 数据收集与分析 2. 数据准备 3. 模型构建 4. 模型验证与测试 5. 构建一个有用的产品，就意味着你不仅要写代码做出工作流的各个部分，还需要定义整个问题，并将专业知识融入到这个机器学习工作流的每个步骤中。 5. 模型部署 这是让整个工作流运行起来并提供前端服务的最后一步。 在按下“运行”后，就能有新数据输入、准备、建模和验证，并重新部署到前端界面，这样子说明模型部署成功。 以上这些看上去工作量很大，但从这个流程中，你可学习到如何快速构建AI系统。 构建产品时，你要学会精益（Lean）和敏捷（Agile）。你不能只专注于提高某个环节，而忽视产品的其他方面。
1.4K50发布于 2018-03-23 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记四
ctiviti5工作流笔记四 排他网关（ExclusiveGateWay） 流程图 image.png 部署流程定义+启动流程实例 image.png 查询我的个人任务 image.png
36020发布于 2020-09-03 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记一
介绍工作流 网上工作流的定义一大堆，这里就不去复制了，通俗的理解，工作流就是类似OA系统中请假审批、报销审批等一系列流程，下级提交的申请只有直系领导才能审批，其他人是没有权限的，而只有直系领导审批通过后 而Activiti工作流就可以实现类似的功能，本笔记将以最简单的方式让你明白怎么使用Activiti工作流，直接上代码 准备环境 1) JDK1.6或者更高版本 2) 支持的数据库有：h2, mysql 5) 点击复选框 在Detail部分记得选中 "Contact all updates sites.." , 因为它会检查所有当前安装所需要的插件并可以被Eclipse下载. 6) 安装完以后，点击新建工程 准备Activiti5开发环境 在activiti-5.13->wars目录下是一些示例项目，解压activiti-rest项目，导入activiti-rest目录中WEB-INF\lib下所有包。 System.out.println(historicActivityInstance.getActivityName()); } } } Activiti5工作流笔记二
1.1K20发布于 2020-09-03 - 来自专栏全栈程序员必看
.net mvc5_mvc工作流程
WebgridSample.cshtml: @{ var grid = new WebGrid(Model, canPage: true, rowsPerPage: 5, selectionFieldName C1D4E6; font-weight: bold; color: #FFF; } .webGrid th, .webGrid td { border: 1px solid #C0C0C0; padding: 5px ; } .alt { background-color: #E4E9F5; color: #000; } .gridHead a:hover {text-decoration:underline;} . description { width:auto} .select{background-color: #389DF5} 添加列到表格中并指定列名、排序方式、字段绑定。
1.4K30编辑于 2022-11-10 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记三
之前的流程图都是错的，只是为了演示如何快速使用，下面通过连线学习如何画一个正确的流程图
58720发布于 2020-09-03 - 来自专栏Crossin的编程教室
【Git 第5课】 Git工作流
在继续深入介绍Git的使用方法之前，有必要先来讲一讲Git的工作流。 在你自建的Git本地仓库中，有三个区域：本地目录、暂存区、HEAD。要搞清Git的工作流就要理解这三个区域的作用。 ? #==== Crossin的编程教室 ====# 面向零基础初学者的编程课 每天5分钟，轻松学编程 回复 p 查看Python课程 回复 g 查看Pygame课程 回复 i 查看Git课程 回复 t 查看习题
81480发布于 2018-04-16 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记二
* 流程变量必须和流程实例绑定在一起 * 3、通过什么样的方法把一个流程变量存放在流程实例中 * 4、通过什么样的方法把一个流程变量从流程实例中提取出来 * 5、
57820发布于 2020-09-03 - 来自专栏AI技术应用
AI工作流程开发框架
AI工作流程开发框架是用于构建、部署和管理人工智能（AI）应用程序的软件工具和技术的集合。它们提供了一组预先构建的组件、API和工具，简化了AI工作流程的开发过程。 支持DAG（有向无环图）和条件逻辑 适用于：在Kubernetes上运行和管理容器化工作流程5.Prefect特点： 用于构建和管理数据工作流程 提供丰富的API和UI 支持各种任务类型 适用于：构建复杂的数据工作流程如何选择 AI工作流程开发框架？ 选择AI工作流程开发框架时，需要考虑以下因素：项目需求：确定AI工作流程的复杂程度、运行环境、依赖关系等。技术栈：选择与现有技术栈兼容的框架，降低开发成本。 总结AI工作流程开发框架是构建AI应用的重要工具，选择合适的框架可以提高开发效率、降低开发成本。希望以上信息能帮助您更好地了解AI工作流程开发框架。
42610编辑于 2025-02-19 - 来自专栏GoCoding
AI 编程工作流与协同范式
本想就实际需求来说一下我是怎么用 AI 编程的，怎么与 AI 对话的，分享一下我的经验。但与它聊了几句工作流，发现它说得可真不错。那就看看我问了 AI 什么，它又回复了什么。来，一起学习吧。 我的 AI 编程工作流与协同范式，都在问题里了。而 AI 的回答则做了进一步的阐述，你也可以这样提问试试。一问：AI 怎么用好？AI 的 MCP 或 Skill 本质是不是优化描述做输入？ 二问：AI 编程工作流AI 编程，我有一套步骤，如下：需求-> 需求分析-> 技术选型 架构设计 实施目标-> AI 编程需求来了后，之后都可 AI 辅助。 二问：AI 编程工作流AI 编程，我有一套步骤，如下：需求-> 需求分析-> 技术选型 架构设计 实施目标-> AI 编程需求来了后，之后都可 AI 辅助。 ", "best_practices": "..." }}阶段三：自动化工作流用户需求 →AI需求分析师（分析需求类型） →AI架构师（选择设计模式） →AI程序员（基于模式生成代码
48010编辑于 2026-03-14 - 来自专栏Elastic Stack专栏
使用 Elasticsearch 构建 AI Agent 工作流
它定义：要达成的目标 可调用的工具集合 可访问的数据源 Agent 不仅能进行对话，还能驱动完整工作流、任务自动化或面向用户的应用。 symbol) | limit 5", "params": { "symbol": { "type": "keyword", "description": " Elastic Stack 内置远程 MCP 服务器，任何兼容 MCP 的客户端都能调用 Elastic Tool，作为更大工作流的构件。 { "conversation_id": "db5c0c8b-12bf-4928-a57e-d99129ad2fea", "steps": [ { "type": "tool_call 由此构建完整的 AI 生命周期。Elastic 将持续提供接口，让你轻松构建基于自身数据的对话式 AI 与自动化工作流。更多技术细节和进展，敬请关注。
64921编辑于 2025-09-29 浅谈AI工作流 VS AI Agent VS MCP
人们可能会说“AI做到了这一点”，但其实，这种表述往往是笼统的，因为AI并非只有单一的形式。 事实上，AI有三个非常不同的层级：AI工作流、AI代理和MCP（模型上下文协议）。 让我们理清楚： AI工作流 像是一个食谱，始终按照相同的步骤进行。 •你设计流程。•AI在过程中填补空白。 •AI工作流 = 任务执行者•AI代理 = 目标解决者•MCP = 基础设施支柱 当你将正确的层次匹配到正确的问题时，AI不再是一个花招 — 而是一个竞争优势。 结尾 像一些智能体平台像扣子空间和百炼中做的那样，可以将工作流发布成mcp，然后添加到任务中由AI 大模型决定什么时候该调用哪一个mcp来提供支持，有点类似于套娃，可以催生出无限多种可能。 AI工作流适合那些重复性的任务，AI代理则能够在复杂环境中做出自主决策，而MCP则为AI代理提供了强大的基础设施支持。
35510编辑于 2026-03-13从Token吞吐到多租户隔离：F5 AI安全解决方案加速智能体AI工作流落地
F5 AI安全解决方案在此架构中显著提升GPU利用率及Token吞吐量、降低时延，并支持大规模多租户AI平台的安全构建。 F5 AI安全解决方案正是围绕这些核心指标进行优化设计。 F5 AI安全解决方案通过将网络处理、TLS加密、AI感知负载均衡及流量管理卸载至DPU，释放主机CPU资源，让GPU专注于AI推理计算。 面向智能体驱动的AI工作流，F5 AI安全解决方案已深度集成NVIDIA NIM统计数据、Dynamo运行时信号及GPU遥测信息，实现推理前的状态感知流量调度。 F5首席产品官Kunal Anand指出：“F5 AI安全解决方案助力AI工厂将Token产出转化为可量化的业务指标，提升GPU产出效率并更自信地扩展共享型AI平台。
12000编辑于 2026-04-22Dify x AiOnly平台：手把手教你调用GPT-5从零构建AI工作流！
本文将结合热门的 Dify 与 AiOnly 平台，逐步介绍如何从零开始调用模型，构建专属 AI 工作流，并以互动故事机的聊天机器人为例。 一、集成顶尖大模型的MaaS平台1.1 常见的接入挑战若想搭建专属 AI 工作流，第一步便是挑选合适的大模型API进行调用，然而，在考虑 GPT-5、Gemini 2.5、Claude 4.1等热门大模型时 3.3 构建 AI 应用在 Dify 主界面，选择 创建空白应用 。由于我们此次要构建的是聊天机器人，因此直接选择支持记忆功能的复杂多轮对话工作流即可。 3.4 编排工作流节点点击创建，我们就进入到Agent里的工作流编排，在这里，可以对模型进行调整、预览效果等等。点击此处功能模块，就可继续对 Agent 应用的搭建与配置。 3.5 启动工作流查看运行效果在Agent 工作流编排期间，我们还可以对应用进行调试，选择合适的大模型接入。在AiOnly平台，我们无需额外配置，仅一个接口就可以使用各种全球大模型。
1.2K21编辑于 2025-09-25- 来自专栏明明如月的技术专栏
吴恩达：AI 智能体工作流
1.1 Agent 工作流 分享中指出不用 Agent 工作流时通过一次对话得到答案，效果往往不是很好。通过智能体工作流进行步骤拆分不断迭代，效果会更好。 但是加入智能体工作流的方式，GPT 3.5 甚至可以比单纯使用 GPT-4 的表现更好。 1.2 四种设计模式 在分享中他提出 AI 智能体的四种设计模式。 每种设计模式都体现了AI代理工作流在提高任务处理效率、增强问题解决能力方面的潜力，预示着AI技术在复杂任务处理和自动化方面的未来发展方向。 同时，他提到了对于即时反馈期望的调整，指出在使用AI智能体工作流时，我们需要学会耐心等待。 】AI智能体工作流 | Agentic Reasoning | 吴恩达Andrew Ng | 红杉AI Ascent 2024分享 | Agent 4大设计模式》
2.1K01编辑于 2024-05-24 别做 AI Agent，先用简单工作流
大家好，我是人月聊IT，今天接着AI和大模型方面的话题。 最近 Decoding ML 推出一篇文章《Stop Building AI Agents》，在海外平台引发了很多讨论。 文章痛批很多团队一上来就给大模型加记忆、角色和工具，让模型自己调度工作流，结果越做越像多米诺骨牌，一推就倒。 即在AI通用智能体或者说完善的大模型+MCP生态没有发展起来的时候，AI Agent智能体开发还会存在相当长的一段时间。 接着我们再看下对于复杂问题上下文工程完整的处理流程如下图： 从上面的逻辑图，我们也可以看到上下文工程的核心组件包括了： 七个上下文维度 - 按照文章中提到的分类，用不同颜色区分 上下文聚合器 - 负责动态组装和优先级排序 智能处理流程 - 5个核心处理步骤 所以大家可以反过来想，不是AI Agent，而是应用程序增加了AI辅助的能力。AI Agent的本质就是一个应用程序，只是这个应用程序可以调用大模型的能力来对内容进行处理。
44810编辑于 2025-07-14扣子AI智能体工作流（完结）
智能体新范式：扣子 AI 工作流核心技术与实战在人工智能演进的宏大叙事中，我们正站在一个关键的转折点上：从“对话式交互”迈向“代理式执行”。 扣子（Coze）的出现，标志着AI 智能体（AI Agent）开发进入了“工作流编排”的新范式。这不仅是工具的创新，更是人机协作逻辑的重构——从让 AI“回答问题”，转变为让 AI“完成任务”。 异构能力融合：工作流打破了 AI 模型与传统软件系统的边界。通过标准化的插件接口，智能体可以无缝调用搜索引擎、数据库、CRM 系统甚至物联网设备。 四、生态价值：低代码赋能与知识资产化扣子工作流的另一大技术贡献，在于极大地降低了 AI 应用的开发门槛，实现了智能体开发的民主化。 AI 将不再仅仅是执行预设脚本的工具，而是能够不断反思、学习和成长的有机体。结语扣子 AI 工作流的核心技术，不仅仅是提供了一种新的开发工具，更是定义了一种全新的智能体构建哲学。
1.3K11编辑于 2026-03-19- 来自专栏设计模式
Anthropic官方：AI智能体的 3 种工作流 和 5 种多智能体协同模式
AI 智能体的核心价值在于自主决策与复杂任务求解，而工作流与协同模式则是为这种自主性赋予结构化、可落地的执行框架。 本文结合 Anthropic 官方的两篇博客系统梳理出来了 3 类主流工作流模式与 5 种多智能体协同范式。 以下 5 种模式从简单到复杂，覆盖绝大多数企业级场景。 1. 生成-验证者（Generator-Verifier） 最简单的多智能体模式，生成初稿→验证评审→反馈迭代，循环至通过。 5. 共享状态（Shared State） 无中心协调，智能体直接读写共享存储（知识库/文档/数据库），基于共同信息自主协同。 总结 AI 智能体的落地成败，不在于架构多复杂，而在于精准匹配业务需求。 工作流：用顺序、并行、评估-优化为自主性定框架，平衡可控性与灵活性。
1K10编辑于 2026-04-22 - 来自专栏XINDOO的专栏
为什么AI智能体需要工作流
如果说上篇文章是探讨如何提升单个LLM模型的能力和表现的方法，那这篇文章则着重讨论如何通过工作流的设计和实现来提升整个AI系统的协同工作效率。 就像一个优秀的团队不仅需要每个成员都很强，更需要有效的协作机制一样，我们不仅需要优化单个AI组件的性能，还需要建立起完善的工作流程来实现更大的价值。 在深入探讨工作流的具体设计和实现方法之前，我们需要先理解工作流的必要性及其为AI应用带来的关键价值。只有明确了工作流的目的和价值，我们才能设计出真正满足实际需求的解决方案。 这是因为复杂任务通常涉及多个相互关联的子任务和决策点，超出了单个AI模型的处理范围。通过工作流，我们可以将复杂问题分解为一系列较小且可管理的子任务，每个子任务都由专门的AI组件或规则负责处理。 最后总结下本文的核心观点，在AI应用中，合理的工作流设计是提升系统效能的关键，通过任务的水平拆分和垂直拆分，我们可以构建出既能处理大规模数据又能保证质量的混合工作流体系。
52810编辑于 2025-10-27
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号