这个月，我和吕昭波老师合著的《智能体工作流设计：方法与实践》这本书终于正式上市了。
过去一年，很多AI从业者被企业客户问得最多的一句话是：
「这些 AI 做出来的 Demo 都很惊艳，怎么一到我们公司就用不起来了？」
这本书，就是为了回答这个问题来写的。
从这本书开始写，到最后拿到样书，中间隔了挺长一段时间，差不多一年多了。真正把书拿到手的时候，还是有点复杂的感觉。
毕竟从最初的想法，到最后真正变成一本可以拿在手里的实体书，中间经历了很多次修改、内容补充和推翻重来。
这三年，我们看着一波又一波技术起起落落 ，从提示词工程、loop工程，到各种 Agent 框架，再到今天 Skill、Harness、Computer Use 成为新热点。
技术迭代的很快，但很多企业真正面对的AI转型的问题其实一直没变，相反在2026下半年这个节点更加急迫。
到后来我们越来越确认一件事：对企业来说，最新最前沿的技术，不一定是最适合自己的。企业需要的是业务稳定、可控、可维护，最终能解决问题（不管使用什么技术），比技术炫酷重要得多。
这本书其实也不是突然冒出来的。
过去这仨年，我们一直在AI行业深耕，也一边在跟企业老板聊怎么用 AI。
从提示词，到各种 Agent，再到现在越来越多可以自主调用工具、完成任务的智能体以及AI办公产品，我们经历了一个很明显的变化：AI 虽然能做的事情越来越丰富，但真正把它放进企业的真实业务里，暴露的问题反而越来越多。
比如，一个企业真的想用 AI 自己做客服agent，到底应该怎么做？
一个团队想让 AI 帮忙处理一批敏感文件，流程应该怎么设计？
一个 Agent 已经可以自己调用工具了，什么时候应该让它自己下决定，什么时候需要人工接手审核？
这些问题看起来都和 AI 有关，但最后都会落到很简单朴素的东西上：智能体和工作流。
所以，我们把这几年切实接触到的智能体、工作流、方法论和实际案例，整理成了这本书：《智能体工作流设计：方法与实践》。
EVOLUTION
从提示词到 Agent，AI 开始真正动起来
前几年大家讨论得最多的是提示词，那个时候prompt满地飞。怎么写 Prompt，怎么让模型回答得更准确，满足普通用户的需求，几乎成了使用 AI 的必修课。
那个阶段，AI 更多的还是在回答问题。你给它一段文字、一个任务或者一个问题，它根据你的要求生成结果。之前花了大量时间研究怎么写好 Prompt，本质上也是在研究一件事：怎么更好地把自己的需求让 AI理解清晰。
后来 Agent 开始成为新的关键词。
AI 不再只是回答一个问题，而是具有执行能力，它开始调用各种工具、拆解复杂任务、执行计划之后的动作。再往后，像 Manus 这样的通用 Agent 出现之后，大家对 AI 的期待又往前走了一大步：能不能直接把一件事情交给 AI，让它自己做完？
从只会回答，到AI开始自己做事，AI 的能力确实发生了很大的变化。
但真正进入企业各种非既定的场景之后，我们慢慢发现，事情没有这么简单。
一个人使用 Agent，任务做错了可以重新来，这个容错率是可以接受的，企业完全不同。
企业里有 OA、ERP、CRM、财务系统、人事系统、知识库、数据库、审批系统，还有各种已经运行很多年的业务系统。这些系统背后都有自己的规则：谁能看什么数据，谁能操作什么，什么事情需要审批，哪些信息可以发送给客户，出了问题又该怎么处理。
一个单点的Agent 如果只是帮你写一封邮件，出错了可能重新生成一次就可以。
但如果它开始进入企业业务，情况就不一样了，会有各种边界问题。
比如智能客服，Demo 阶段可能只是用户提问，Agent 搜索知识库，然后生成答案。
真正进入业务以后，就会遇到很多细节：知识库里没有答案怎么办？不同客户权限不同怎么办？退款、合同、价格这些问题要不要让 AI 直接处理？模型判断不出来的时候怎么办？如果客服人员接手了，前面的处理记录能不能留下来？
一个看起来很简单的客服 Agent，做到最后往往会变成一整套流程： 问题识别 → 信息检索 → 内容判断 → 答案生成 → 风险判断 → 人工介入 → 工单流转 → 结果记录。
到这里你会发现，模型只是其中的一小部分，真正将问题解决的能力，离不开工作流编排，将业务流程拆解，再结合大模型的能力、第三方工具的能力解决问题。
或者换句话说，贯穿核心的是其中的业务流程。
WORKFLOW
AI 越来越自由，企业反而更需要工作流
其实工作流一点都不新。
请假有流程，报销有流程，采购有流程，招聘有流程，订单也有流程。以前这些流程主要靠语义规则、数字化系统和人工审核来执行。
现在，只是开始有越来越多 AI 能力在这些流程的节点开始介入。
这里面，有些步骤适合让大模型来理解，有些步骤可以让 Agent 来判断，有些步骤可以调用第三方工具（如MCP）自动完成，还有一些关键节点，依然需要人来确认。
所以我们现在理解的智能体工作流，更像是在原有业务流程里增加了一层智能能力。
比如处理一批客户反馈，以前可能需要员工自己阅读、分类、整理，现在可以让 AI 先完成信息提取和分类，再把需要人工处理的部分挑出来。
再比如制作营销方案，可以让 Agent 帮忙搜集资料、整理信息、生成初稿，最后由人来修改和确认。
这样的场景越来越多之后，我们也越来越关注一个问题：AI 到底应该以什么方式进入业务？
最近大家经常讨论 Skill、Harness、Computer Use，这些技术让 AI 能做的事情越来越多。它可以使用工具，可以操作电脑，可以访问外部信息，也可以连续完成很多步骤。
但当这些能力真正进入企业以后，大家还会继续问一些很具体的问题：
它能访问哪些数据？可以操作哪些系统？哪些事情需要授权？什么情况下必须停下来？
这些问题其实听起来和模型能力没有直接关系，但它们其实是企业在落地AI会遇到的一些常见问题。
所以我们在写书的时候，一直比较强调一个思路：
让模型去做理解、判断和生成，让工具去完成明确的执行动作，让工作流把整个过程串起来，到了关键节点，再让人接手。
这其实也是我们理解的智能体工作流，它并不意味着所有事情都交给 Agent 自己完成。
恰恰相反，当 AI 的自主能力越来越强之后，怎么给它划定边界、设计流程、设置人工介入点，反而变得更加重要。
METHOD
真正做 Agent，第一步往往不是选模型
这也是我们自己做了很多实践之后，一个越来越明显的感受。
很多人开始就会问，到底用哪个模型啊？用 Dify 还是扣子？要不要接 RAG？要不要用 skill？
这些当然重要。但在我们看来，可以稍微往后放一放。
重点的是，首先是以解决问题为导向，技术的选型其实是次要的。
真正开始设计一个 Agent 之前，可以先把业务流程画出来。
这件事情到底要完成什么？现在是谁在做？中间有哪些步骤？哪些步骤最重复？哪些地方需要人的判断？哪些地方需要调用系统？哪些地方最容易出错？哪些事情必须让人确认？
这些问题想清楚以后，模型和工具的选择反而会简单很多。
也是从这里开始，我们越来越觉得，真正值得沉淀的东西，并不是某一个 Agent 或者某一个平台的使用方法。
因为模型会一直更新迭代，平台也会与日俱增的，工具也会随着技术去发展。
但企业里面的业务还是那些原本的业务，最终还是趋向于业务稳定增长。
客服还是客服，销售还是销售，财务还是财务，制造还是制造。
所以，比起记住某一个工具怎么操作，我们更希望大家建立一套可以迁移的方法：怎么拆解业务，怎么设计流程，怎么找到 与AI 的介入点，怎么组织模型和工具，数据怎么流动的，什么时候需要人工介入，出了问题怎么处理。
这些东西，才是我们在这几年实践里越来越想整理下来的。
也是写这本书我们最开始的想法，我们深知能力有限，也非常恳请各位读者朋友的指导交流。
BOOK
我们把这些东西，整理成了这本书
《智能体工作流设计：方法与实践》一共四篇、13 章。
第一篇・基础知识：别急着上工具。先把业务流程、工作流到底是什么讲透，理清大模型、Agent、智能体工作流之间的关系 —— 这是地基。
第二篇・方法论：四大设计模式 + Anthropic、Google 的构建方法论。让你不只是 “会用”，而是懂 “为什么这么设计”。
第三篇・技术实践：Dify、扣子、FastGPT 三大平台深度对比；影刀 RPA、n8n、ComfyUI、RAGFlow 怎么搭；Manus、Lovart 这些新智能体到了哪一步。这一篇帮你选型不踩坑。
第四篇・行业实践：我们选择了教育、营销和制造业三个行业，把前面的内容放进具体场景里，包括英语作文批改、个性化教学内容生成、AI 课堂互动、批量营销素材生成、智能客服、商品推荐、数据分析、企业知识问答、企业文档批量生成、运营看板、AI 管理者助理等。
从内容上看，这四部分其实也是我们希望读者走过的一条路径：
先理解 Agent 和工作流，再学习怎么设计，接着动手搭建，最后回到真实业务。
所以我们在立意之处，也不想把它写成一本单纯的工具说明书。
工具更新得太快了，今天流行的平台，过一段时间可能就会发生变化；模型也在不断迭代。真正希望留下来的，还是一套方法+执行的流程。
到今天出版，我们发现很多技术已经革新了，一年前的技术到今天或许已经有部分已经过时了，但是当下企业对AI的需求越来越旺盛，行业+AI的落地需求市场空间非常巨大，不管是用哪一种技术，只要能够为企业解决问题，就能体现出自己的价值，这个也是我们的初衷，希望这本书能够为万千AI从业者带去一点参考。
如果你是开发者，想从 “会调 API” 升级到 “会设计 Agent 系统”；如果你是产品经理，正头疼 AI 和业务怎么对上；如果你是企业负责人，公司已经启动了 AI 项目却不知道怎么放进业务流程 —— 这本书里有你能直接拿走的东西。
反过来，如果你想要的是 「让 AI 一键全自动”」的魔法，不愿意先把自己的业务流程想明白，那这本可能不适合你。
ENDING
新书终于上市了
写完这本书之后，我们反而越来越觉得，Agent 会越来越成熟，工作流也会成为企业落地的一个路线。
大模型会继续变强，工具会继续增加，Agent 能做的事情也会越来越多。
但对于真正使用 AI 的企业来说，有些问题不会因为模型变强就自动消失。怎么设计任务，怎么组织工具，怎么控制权限，怎么处理异常，什么时候让人介入，这些依然需要有人认真设计。
这也是我们写这本书最初的想法：把这几年看到、做过、踩过的东西整理下来，给正在做 Agent、准备把 AI 放进业务里的团队，提供一套可以真正拿去实践的参考。
这本书想说的，从来不只是 Agent 本身 —— 而是把 Agent 放回它真正工作的环境里，让它和模型、工具、数据、系统、人一起工作。
📚《智能体工作流设计：方法与实践》
📌 机械工业出版社・智能系统与技术丛书
✍️ 绛烨 / 吕昭波 著 💰 99 元，现在在 京东 / 天猫机械工业出版社旗舰店/ 微信小店 均已上架
企业采购欢迎单独联系我们。
最后再次感谢各位老师大家的支持。
另外评论区我们也会进行抽奖，欢迎大家转发关注～
精选推荐金句
如何将大模型真正转化为驱动商业增长的引擎？由Datawhale成员撰写的这本书提供了独到的行业视角。它跨越理论与代码的鸿沟，针对教育、营销、制造三大行业，剖析个性化学习、批量营销素材生成、智能客服与运营管理等全链路落地路径。丰富的案例与可复用的设计方案，助你透视底层逻辑，实现AI自动化落地，开启生产力跃迁新篇章。
—— Datawhale 国内头部AI开源学习社区
这两年，大家都在谈智能体，但真正难的从来不是把一个Agent运行起来，而是如何把它放进真实业务流程中，让它稳定、可控、可复用，并且真正产生价值。本书可贵的地方在于，它没有停留在概念层面，而是从业务流程、智能体工作流、提示工程、平台选型、节点式编排到行业实践，把“智能体怎么落地”这件事讲得很系统，也很实在。
—— 王磊 润米咨询（刘润）官方认证AI专家顾问、360集团纳米AI及企业赋能双顾问
聊到AI，根据我的了解，现在很多人还停留在概念层面，谈得越多，焦虑越重。我一直坚信，AI的价值不在空谈，而在落地——只有真正嵌入工作流、业务流，它才能发挥最大效用。这也正是这本书的核心价值。所有想把AI转化为生产力的从业者，都可以尝试把这本书当作一份实战指南，让AI真正为你的工作提效，为你的能力加码。
—— 霍太稳 极客邦科技创始人兼CEO
做AI教育这几年，被问得最多的问题是“Agent怎么真的用起来”。概念懂了，工具会了，到真实业务还是会卡住：任务怎么拆、状态怎么追、数据流在哪里断掉，大多数内容没回答。这本书最打动我的是顺序对了：先把业务流程、工作流讲透，打完这个地基，再讲设计方法论、平台选型和技术实现，最后落到真实案例。想认真把Agent用到业务而非停在Demo的人，可以好好读。
—— Lisa 工业和信息化部教育与考试中心《生成式人工智能应用工程师》认证课程开发者&讲师、百度前AI教育高级解决方案工程师
想真正吃透AI、把智能体落地到企业业务中，一定要建立工作流思维，这是很少有人讲透的落地核心思路。这本书完整复盘了近三年智能体行业的发展全貌，从工作流视角厘清Agent底层逻辑，拆解Google、Anthropic成熟的Agent搭建方案，搭配Dify、FastGPT这些我们日常在用的工具实操教程，不再让智能体落地停留在纸上。书中配套多行业完整实战案例，内容循序渐进，不管是刚入行接触Agent的新人，还是总卡在项目落地环节的同行，顺着这套完整框架梳理一遍，都能补齐自己缺失的知识短板。
—— 陈涛（CT） 杭州涂鸦科技有限公司前区域总经理、AI企业落地和出海实践者
特别鸣谢：极客邦科技CEO 霍太稳、Datawhale 创始人 范晶晶、润米咨询（刘润）官方认证AI专家顾问 王磊老师、Lisa老师、陈涛（CT）老师撰写推荐语。
END
我是绛烨，热衷于分享 AI 观察与干货。
如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。