#Workflow

1周前

🤔 在不同的社区里，我们经常看到人们向他人求助 Dify 的使用方法。有人在 Discord 发问题，有人在 WeChat 群里讨论，也有人在 WhatsApp 或 LINE 上分享经验。🤷 信息在不同地方流动，却很难被追踪或系统地沉淀下来。 🎉 现在，Dify Forum 上线了。我们希望这是一个能让构建者聚集的地方，无论你是在学习 Dify、在构建 Agent、还是在探索 Workflow，都能在这里发帖、提问、或记录自己的经验。 ☝️ 你不需要下载软件，只需打开网页就能进入讨论。论坛既保留了早期互联网那种有温度的讨论氛围，也结合了 AI 的能力，帮助你自动总结内容、快速检索主题、积累知识。我们并不希望替代现有的社区，而是让每一次提问都能留下痕迹。无论你平时活跃在哪个平台，都可以先想到把问题发到，再把链接分享给群里的朋友，让交流更容易被看到、被持续讨论。 📝 如果你曾经看完官方文档仍然不知道该如何下手，或是想找到更多正在用 Dify 构建 AI 应用的人，那么现在就可以去逛逛，也许会找到新的思路和伙伴。

#Dify #Dify Forum #AI Agent #Workflow #社区讨论

2周前

2015 年有兩位天才工程師做了 Workflow 這個 app，在蘋果生態圈引起很大迴響。2017 年蘋果收購 Workflow，就是我們現在看到的 Shortcuts 這兩位後來離開蘋果，前陣子又發表了「Sky」app，基本上就是不需要學語法的 AI 化 Shortcuts。OpenAI 前幾天又把 Sky 買走了厲害的人真的就是厲害啊

#Workflow #Shortcuts #苹果收购 #AI #OpenAI

3周前

Claude Skill：Vibe working的时代来临，每个人都可以用自然语言构建专业的workflow，以结果为导向替代人和岗位的新时代来临 Claude skill等同于简历里的skill，使用大模型的解决问题的方式越来越接近人类的工作协同方式，渐进式信息加载到context是claude skill的核心设计思想。

Claude Skills系统发布引发AI行业新变革· 50 条信息

#claude skill #自然语言 #Workflow #大模型 #工作协同

4周前

我们常听到“Workflow是确定的，Agent是灵活的”这样的说法，但实际应用中，这两种工具的表现或许与想象有所不同。先看Workflow。那些真正在使用Workflow的人，他们搭建的流程往往处于动态调整中。比如，某个节点频繁报错，就需要添加异常处理；发现特定时间段发布的内容阅读量低，便会调整定时器。可见，Workflow的“确定性”并非一成不变，而是在实践中不断优化的过程。再看被称为“智能”的Agent。仔细观察会发现，它们的行为模式其实相当固定。以OpenAI的GPT为例，当你十次询问“帮我写个小红书标题”时，它给出的答案往往套路相似：疑问句开头、添加emoji、包含数字。这种“智能”更多体现在标准化输出上，灵活性反而有限。谈及代码，很多人认为只有会写代码的人才能用好这些工具，但事实并非如此。不少零代码基础的博主，借助社区丰富的模板，能熟练搭建n8n workflow。他们的优势在于对业务的深刻理解：知道早上七点该发什么内容，晚上十点的发布策略，以及如何通过数据（如低于某个阅读量即被限流）判断平台规则。这种业务认知，远比技术能力更重要。相反，一些程序员搭建的营销自动化系统，技术层面无可挑剔，节点设计优雅，异常处理完善，却难以实现涨粉目标。因为他们不懂用户心理——不知道小红书用户在睡前刷手机时真正关注什么。这并非技术不足，而是缺乏对行业的洞察。 Workflow的真正门槛，其实不在于代码，而在于两点：一是工具的信息差，比如如何找到自动获取对标账号内容、视频转字幕、分析数据的工具，如何让自动化发布适应平台规则；二是行业know-how，如寻找对标账号、设计爆款逻辑、设置定时任务、优化内容生成prompt等。这好比八九十年代的商业竞争，真正的壁垒不在于产品本身，而在于对资源、渠道、规则的熟悉度。技术越强大，越依赖人的经验。因此，Workflow、Agent、代码并非简单以“需求复杂度”划分应用场景。Workflow适合解决“知道怎么做，只是嫌麻烦”的提效问题；Agent则适合处理“不知道怎么做”的赋能需求。以内容营销为例，发布流程是Workflow问题，判断“什么内容会火”是Agent问题，但最难的“平台潜规则”却需要人的Domain Knowledge（领域知识）。许多人期待一个“发布+爆款预测+规则解读+商业分析”一体化的Agent，却忽略

#Workflow #agent #内容营销 #领域知识 #平台规则

1个月前

问：想问个问题，如果ToB的卡点是懂业务的和懂技术的不是一波人，在构建Agent的方式上，老板们就会倾向于通过低代码落地，但langchain新文章的逻辑又很扎实：低代码产品的空间在被模型能力和纯代码挤压，看起来这类产品似乎是过渡态。那整体未来的方向可能是什么呢？在企业里做低代码一定是沉没成本吗答：我的回答仅为抛砖引玉，供参考和一起讨论。无论是低代码还是纯代码，最大的价值是快速验证可行性，前期把落地的路径跑通才是最重要的，某种程度上来说低代码可以弥补业务人员不懂技术的不足，但是局限性也很大，稍微偏离一点 happy path 就无法编排。最理想的状态还是业务人员懂技术或者技术人员懂业务，但这很难，现在有 AI 了后，前期的落地业务人员是可以通过 AI 的辅助快速实现，搭建一个可行性的原型还是可以的，等到跑通了，再让专业技术人员去优化也很快。个人观点和LangChain的类似，企业内不推荐在低代码上花功夫，还是业务人员借助 AI 或者和技术人员合作，搭建原型灵活性更大，更有可能做出真正适合企业的应用，而不是局限于低代码平台有限的能力。另外现在 AI Agent，可行性更高的还是 WorkFlow，在原有验证过的 WorkFlow上用AI提效，或者借助AI衍生出新的更高效的WorkFlow，Agentic 方案还需要模型能力的进化，以及慢慢摸索出一些有效的交互方式会更靠谱，需要一点时间。

#ToB低代码 #AI辅助 #业务人员 #技术人员 #Workflow

1个月前

Agent 有两个变量，一个是控制任务走向的 workflow 工作流，一个是控制内容生成的 context 上下文。 1）如果 workflow 和 context 的确定性都很高，这类任务就容易被自动化，类似传统 RPA，比如在处理发票处理、表单填报任务时，AI 更多是粘合剂，发挥空间比较有限。 2）如果 workflow 确定但 context 不确定，也就是流程固定但输入多变，就需要 Agent 在语义和理解上补全，比如客服问答、合同解析，需要通过外部检索、知识图谱等工具来弥补信息的缺口，让推理结果更符合预期。 3）如果 workflow 不确定但 context 确定，也就是输入清晰但走法多样，Agent 就要去自主规划路径，例如市场分析报告生成、个性化推荐等，大多数 End-to-End RL Agent 都擅长做这类任务，因为它们在训练阶段就习得了大量的路径规划和解题思路。 4）而当 workflow 和 context 都不确定时，就是最复杂的场景了，既要推理也要探索，像创新方案设计、跨部门信息收集等，这类更偏向于通用型 Agent，它的执行效果，取决于给它配备的工具丰富度，尤其是编程能力要最大化开放，例如让它学会去 Github 找仓库克隆并修改代码来解决问题，让它像人一样干活儿。所以，要把 Agent 做好，首先要明确场景。本质上，自动化解决的是“确定性”问题，而智能化解决的是“不确定性”问题。

#agent #Workflow #Context #自动化 #不确定性

2个月前

Claude Code 的 Best practices 官方博文中介绍了几种常见的 workflow，比如： - 探索，计划，编码，提交 - 编写测试，提交，编码，迭代，提交 - 编写代码，截图，迭代相比于直接用 prompt 命令 CC 开始干活，先指导它对代码库的现状进行理解，往往会得到更好的结果。

AI编程工具激战：Claude Code、Gemini Cli崛起· 1166 条信息

#Claude Code #Workflow #代码库 #prompt命令 #best practices

3个月前

已经分不清用 workflow 写 js 还是用 js 写 workflow 了，写完就是 mcp，加入 agent 直接调用。接下来开始让 agent 来写 workflow。

#Workflow #js #MCP #agent

3个月前

最近我也在思考 Workflow 和 Agent 到底什么关系，我的一个初步想法： Workflow 本质上是工具，只是工具中用到了 AI 能力，所有能被定义成 Work Flow 的就应该能被做成工具。 Agent 更像是 AI，它能主动规划、去调用工具，Workflow 应该是 Agent 的一个可以被调用的工具。你怎么看？

#Workflow #agent #AI工具 #AI能力 #工具调用

4个月前

稍微更新了一下自己的知识库，把chatbox换成了cherry studio（因为可以自己调参）打算横评一下qwen和openai的embedding model 然后把jina整合进workflow里美妙

#知识库 #Chatbox #Cherry Studio #Qwen #OpenAI #embedding model #jina #Workflow #更新

4个月前

最终用户需要的不是「Vibe Coding」，而是真正能够交付最终结果的「Vibe Workflow」⚡️ 人机协作生成，一次生成，永久可用，反复调优，平衡 AI 的发散创意能力和人在实际需求中的严谨微调能力，最终分享结果+Workflow 让人人即可复现🌈 这是我们为新时代的 Workflow 交出的答卷 👉

#Vibe Coding #Vibe Workflow #人机协作 #生成 #AI #创意 #需求 #微调 #分享 #Workflow

5个月前

有朋友问到有哪些好用的n8n template，我找到一个排行版，里面有热门workflow和作者的排名供参考，主要有这几类：各种适配接口（trigger、input、notification）、社媒内容创作和管理、爬虫和信息收集

#n8n #template #Workflow #接口适配 #社媒管理 #爬虫 #信息收集

5个月前

10 分钟把任意的 n8n workflow 变成一个可交互的网站 🚀 具体做法： - 导出 n8n workflow JSON - 复制粘贴到 Devv Code 中 - Prompt 中指定 Devv 基于这个 n8n workflow 创建一个前端的页面 Example ↓

#n8n #Devv Code #Workflow #网站 #自动化 #前端 #交互

5个月前

需求面前，Agent 并不比 workflow 高级（这边的讨论氛围太好了，拜几位大 V 转发，这个号算是冷启了。也发发我在其他平台的一些旧文）一位刚融资的 AI 创业朋友夜里两点给我发微信："我们团队争论一整天了，投资人希望看到更'高级'的 agent，但我们现在的 workflow 方案其实更实用...你说我们该怎么选？" 你看，搞 AI 的人人都在 FOMO（Fear Of Missing Out，害怕错过）——仿佛不做 agent 就落伍了，做了 workflow 就没有故事可讲。概念与需求的错位如今，"agent"已经成为智力上限突破的代名词。越是自发自动、高自由度的 AI，就越被认为是技术前沿。创业路演中，"自主决策"、"自动执行"、"智能规划"这些词汇成了标配。但现实很残酷 —— 高级的锤子也需要适配合适的钉子。在用户的实际问题（钉子）没变得足够复杂之前，过于高级的解决方案（锤子）很可能是一种资源浪费。上周我参观的一家 AI 创业公司，花了 4 个月开发了一个"全自主思考"的 agent，结果用户最常用的功能竟然是"帮我整理这份会议记录"。预期管理是最大挑战当下 AI 应用落地的最大难题之一，就是如何控制用户预期。 agent 的全自动预期真的能在短期内实现吗？更关键的是，全自动真的能处理所有那些棘手的 Corner case（边缘情况）吗？仔细想想，当这些 Corner case 需要反复微调，且调整起来未必能精准命中时，是不是预先设计好的 workflow 反而更可靠？认识到一个团队上个月做了个难受的测试：同一组任务，分别用"智能 agent"和"固定 workflow"解决： agent 方案：完成率 76%，平均耗时 13.5 分钟，用户满意度 6.8/10 workflow 方案：完成率 94%，平均耗时 7.2 分钟，用户满意度 8.5/10 这结果说明了什么？那些看似"低级"的脏活累活，恰恰可能是最有价值的壁垒。难道只有高概念、高智能才算是竞争优势？这或许只是面向投资人的故事，而非面向用户的价值。榜单背后的市场选择第三个现象更耐人寻味：去看看 Product Hunt 等产品榜单，稳定的头部产品几乎都是 workflow 类，真正的 agent 产品寥寥无几。为什么会这样？因为需求本质没有变。大模型公司确实有话语权，它们需要讲述足够宏大的故事，构建更具想象力的生态。媒体也需要新概念和新噱头来吸引眼球。这些我都理解。但当浮躁的概念退去，留下的仍是用户最基础的需求。"帮我解决问题，省时省力"—— 这才是产品存在的根本理由。从概念回归价值当开发者们争论"agent vs workflow"时，我建议从三个维度重新审视：需求主导技术不该问"我是做 agent 还是 workflow"，而应该问"用户的痛点是什么，哪种方案能更可靠地解决"。在面对"我要赚钱"的投资人和"我要解决问题"的用户时，明智的创业者知道该听谁的。可靠性胜过智能性一个可靠解决 80% 场景的半自动化产品，往往比一个时灵时不灵的"全能 agent"更有商业价值。用户容忍的不是功能上限，而是下限。解决问题比讲故事重要投资人喜欢故事，但用户只在乎结果。在炒作"全能 agent"概念的同时，有多少团队真正关注过用户反馈？上个月我与一位做 AI 文档处理的创始人交流，他的产品表面上像 workflow，背后却有 agent 的思想。他说："与其自称 agent 但做不到，不如默默做好 workflow 但超出预期。前者失望，后者惊喜。" 这话说到了点子上。说到底，真正的技术壁垒不是概念有多前沿，而是解决问题有多彻底。需求面前，没有高级不高级，只有有用和没用。那些能扎扎实实降低用户成本、提高工作效率的产品，无论叫什么名字，最终都会赢得市场认可。

#AI创业 #agent #Workflow #投资 #FOMO

5个月前

自动化简直是技术直男的第二春药 !! 之前选 DBA 做职业，看中的是脚本自动化。哪里有 Blocking ,写脚本；哪里性能差，IO高，写脚本。每天第一件事, 打开 dashboard 找弱鸡自以为掌控了全公司的数据盘，傲娇的不得了。我呸，现在想想愚不可及进入 AI 时代，又迷上了所谓的 AI Agent, 其实是 workflow + llm . 没有爆款选题，RPA 抓 100个爆款；没有热点，每天开着手机 RPA，全网抓 100个热点。封装成智能体，一句话生成一篇爆文又一个自以为是，认为全网爆款在手，流量随手捏来。错，大错特错。流量是平台的，稍微偷个懒，不给平台打工，就啥也不是 Build a business not a damn tool.

#自动化 #技术直男 #DBA #脚本自动化 #Blocking #性能 #io #dashboard #数据 #傲娇 #AI时代 #AI Agent #Workflow #LLM #爆款选题 #RPA

10个月前

如果一个系统的工作流程是依靠人来编排的，那么它就是Workflow（工作流）。如果一个系统的工作流程没有办法事先编排，需要依靠LLM在工作中动态编排，那么它就是Agent。

#系统 #工作流 #Workflow #agent #人工智能 #动态编排 #LLM