“80 多个节点的 workflow,稳定性和可调整性,不是 subAgent 能比拟的”
上面这话这是我在 X 上和朋友 pippingg 的一次围绕 dify 这样可视化拖拽 workflow 和 Claude Code Skills 的一次讨论。
这话对,也不对。
对在哪里?传统 workflow 编排的确有它的核心价值——每次执行结果可预测,出了问题能一步步排查,普通人也能看懂流程图。这些优势实实在在。
不对在哪里?很多人低估了 AI Agent + Skills 架构的潜力。我的观点是:大部分 workflow 编排场景,都可以被 Agent + Skills 取代。
Workflow 编排的“舒适区”
可视化工作流工具能火起来,是有道理的。
拖拽节点、连连线,一个自动化流程就搭好了。不用写代码,改起来也直观。更重要的是,它给你确定性——节点 A 执行完一定是节点 B,不会突然跳到节点 C。对于需要审计、需要合规的业务场景,这种确定性很重要。
但 workflow 编排也有硬伤。
它不够强大。可视化节点能做的事情有限,复杂逻辑很难表达。
它不够灵活。一旦流程定死,遇到输入变化就容易出错。你设计的流程是处理 A 类文档的,来了 B 类文档,整个流程可能就卡住了。
它难以移植。你搭了个很厉害的工作流,想给别人用?导出导入一通操作,还得在对方环境里调半天。平台锁定效应明显。
Agent + Skills 的"降维打击"
我的看法可能比较激进:几乎所有能用 workflow 完成的 AI 任务,都可以用 Agent + Skills 实现。
关键在于怎么理解 skill。很多人把 skill 当成单一技能——比如一个 skill 负责翻译,另一个负责总结。这样用太浪费了。
Skill 应该被看作可组合的模块。你可以把多个 skill 串起来,用自然语言描述它们之间的协作关系。换句话说,用自然语言去编排工作流,而不是用拖拽。
我总结了一个五步框架,用我自己的写作工作流来演示。
第一步,拆分
把工作流拆成单一职责的 skill 或 subagent。每个模块只做一件事,做好一件事。
以我的写作工作流为例,拆成了这些模块:
- •
article-analyzer:分析素材,输出 analysis.md - •
outliner:生成 2-3 个提纲方案 - •
writer-agent:根据提纲写草稿(可并行启动多个) - •
polish:润色定稿
再看配图工作流,也是同样的思路:
- •
generate-image:原子技能,调用图像生成 API - •
article-illustrator:组合技能,分析文章内容,在需要视觉辅助的位置生成插图 - •
cover-image:组合技能,基于文章内容生成 2.35:1 的封面图
然后写作和配图又可以组合成一个更完整的写作工作流。
你原来在 workflow 工具里画的每个功能节点,基本都可以对应一个 skill。
第二步,编排
在主 skill 里用自然语言描述整个流程。不需要写代码,就像给同事交代任务一样说清楚就行。
比如我的 outliner 技能里会写:“先调用 article-analyzer 分析素材,分析完成后保存 analysis.md,然后根据分析结果生成 2-3 个不同风格的提纲方案,为每个方案并行启动 writer-agent 写草稿。”
条件分支、并行执行、错误处理,都可以用自然语言描述。Agent 能理解。
再看 article-illustrator 的编排逻辑:“读取文章内容,识别需要配图的位置(概念抽象处、信息密集处、情感转折处),为每个位置生成图像描述,调用 generate-image 生成图片,最后将图片插入文章对应位置。”
一个 skill 可以调用另一个 skill,组合出复杂的工作流。
第三步,存储
这一步特别重要:所有中间结果都保存成本地文件。
三个好处:
- • 可追溯:出问题了能看到每一步的输出
- • 可断点续传:中途停了,下次从上次的位置继续
- • 可人工干预:不满意某一步的结果,手动改完让 Agent 继续
我的文件结构是这样的:
source.md → analysis.md → outline-a.md → draft-outline-a.md → final.md
每一步的产出都有迹可循。配图流程同理,生成的图片按目录组织,和文章关联。
第四步,分摊
Subagent 之间只传文件路径,不传内容。
这条规则很重要。如果你把一大段内…