Agents and workflows

🤖 工作流 (Workflows) 与 智能体 (Agents) 学习笔记

一、核心概念定义

• 工作流与智能体 (Workflows & Agents): 应对单次请求无法完成用户任务的策略。
• 智能体 (Agent) 示例: 依赖 Claude 使用提供的工具来解决任务（例如，将任务输入 Claude，让其自行决定如何使用工具）。
• 工作流 (Workflow) 定义: 一系列调用 Claude 的步骤，用于解决一个非常具体的问题，且所有步骤在开始前都已明确。

二、工作流与智能体的选择原则 (Rule of Thumb)

• 选择工作流 (Workflow) 的情况:
• 对任务有非常精确的了解。
• 知道完成任务的确切步骤。
• 选择智能体 (Agent) 的情况:
• 不确定 Claude 需要解决任务的细节或具体路径。

三、工作流的运作模式 (Workflow Mechanics)

• 工作流本质: 一种可以预先设计和规划的完整步骤序列。
• 工作流示例 (3D建模):
• 用户上传图像 → Claude 详细描述对象。
• 描述 → Claude 使用 Python 库 (Cadquery) 进行 3D 建模。
• 输出 → 生成 STEP 文件（行业标准的 3D 模型共享格式）。
• 迭代与优化 (Iteration & Optimization):
• 初始模型可能不准确。
• 引入错误检查步骤：渲染模型 → Claude 评估渲染图与原始图像的匹配度。
• 如果存在重大问题，反馈给建模步骤重新尝试。
• 重复此过程，直到模型准确。

四、评估器优化器模式 (Evaluator Optimizer Pattern)

• 生产者 (Producer): 负责生成输出（例如，Claude 使用 Cadquery 建模并生成渲染图）。
• 评估器/判别器 (Grader): 负责检查输出是否满足既定标准。
• 循环机制:
• 如果评估器接受输出，工作流结束。
• 如果评估器不接受，反馈给生产者，使其改进输出。
• 循环持续进行，直到评估器接受结果。

五、实施要点

• 概念与代码: 识别工作流是一个概念设计过程；实际应用仍需要编写代码来实现这些步骤。
• 目的: 学习这些模式是为了将成功的工程实践应用到自己的项目中。

Takeaways

• 智能体（Agent）是自主决定如何解决任务，而工作流（Workflow）是所有步骤在开始前都已明确的预设序列。
• 选择工作流的前提是任务路径和确切步骤已知；选择智能体则适用于任务细节或解决路径不确定时。
• 工作流的优化依赖于引入错误检查步骤，通过重复执行（迭代）来提高最终输出的准确性。
• 评估器优化器模式中，生产者负责生成输出，评估器负责判断是否满足标准，不合格则反馈给生产者改进。