编者注：✍️ 本文作者：RL——量化交易从业者、个人开发者，LinkAI社区用户。RL通过LinkAI工作流搭建了个人的AI超级智能体。以下内容为RL撰写的关于LinkAI工作流的使用感受及建议。通过这篇文章，我们将从普通用户的视角来看看LinkAI工作流如何帮助用户低门槛地完成较复杂的智能体编排。
RL：
本人通过开源社区发现了 LinkAI 这款产品，起初更多还是使用单应用模式，当发现了“工作流”这项功能后，我开始折腾一些相对高阶的玩法。逐渐发现工作流确实是一款利器，能够实现很多单应用难以实现的场景，接下来我会从我的使用角度，来谈谈工作流这项能力。
一、LinkAI工作流是什么？
LinkAI工作流是一种灵活的智能体搭建方式。可以自由选择大模型、应用、知识库、插件、意图识别、定时任务、转人工、渠道消息发送等多种原子能力，通过可视化拖拉拽的方式编排，零代码搭建出业务流程，让智能体按照规划的方式进行工作。
工作流在很多应用场景下相比只有 Prompt 和插件的应用会更具优势。因为工作流更加强调线性的逻辑、分支的逻辑、以及逻辑的立体展现...相比更加传统的应用模式，是一种逻辑上的进化。
二、工作流背后的“逻辑进化”
1. 强化线性逻辑
给GPT一条信息，他就能根据你描述的内容给出他思考过的答案。如果得不到我们想要的，我们可以通过对话的方式不断修正结果，得到最后的答案。但这样的方案并不够强大，我们可以用更简单的方法干涉他的结果，即使用 LinkAI 的工作流，强化线性逻辑。
假设我们要写一篇文章，为了优化写作方案，可以参考以下逻辑去编辑，通过多次调用GPT，每次要求GPT完成阶段优化，就能对最终的结果输出做出改良。
由于工作流能自定义应用，大家可以创造一个更符合自己专业的自定义应用，让模型更贴合自己需求，添加到自己的工作流，让其支持上下文关联。
文章写作线性工作流
通过这样的线性编排，能够将文章润色这个需求在可控范围自动经过多次迭代，最终直接输出符合要求的结果。
2. 面向分支逻辑
GPT设置的应用，提示词越多，微调越严格，越偏向于专业，它会失去更多适应性。然而，如果不做微调，其强度又不够我们的使用。
如何创作多线性逻辑？我们可以利用 LinkAI 工作流自带的两个分支节点：意图分支和逻辑分支进行分散处理。例如，我们做了另外两部的分散处理，当需要绘图时，它会自动识别你要做的行为，进入绘图模式；同样，当想与其聊天放松心情，可以进入闲聊模式，指定一个模型（也可以指定应用），让其扮演一个你喜欢的角色，放松心情。
当分支散开越多，我们的功能就越完善，组装一个全能型机器人并不难，只要花足够的时间完善它。
多场景分支工作流
3. 立体式思维逻辑
相对于面性和线性的逻辑，立体式思维逻辑可能有点难理解。比如，当你问一个“XXX牌的冲锋衣怎么样？”时，这件衣服属性存在服装和户外运动两个属性；同时可能还存在其他属性。这种跨多属性领域的提问属于立体式思维逻辑。
比如下图，提问需要撰写一段关于法律方面的文案，触发了法律相关内容的分支，通过知识库获取了一些法律相关知识内容。这时候还需要对知识库检索内容进行文本的撰写优化，在工作流设计时可以利用文案优化的分支实现“嫁接”，即拿到相关法律知识后，返回到写文的线性分支中进行加工。
立体式组合工作流
三、工作流的优势与不足
1. 优势
工作流的强大之处在于它让不熟悉编程的个人也能够提升自身能力，实现自我优化。每个人都有自己的专长领域，通过简单的拖拽操作就可以完成所需的功能。此外，工作流还能够增强整个系统的计算能力，弥补单一模型计算的不足之处，使得人工智能能够根据自身路径不断前进，最终得到满意的结果。
工作流还能够优化资源的使用，根据工作需求进行排序组合，以满足不同的需求，避免资源的过度使用。举例来说，在进行闲聊时，可以仅使用 GPT-3.5 模型，而在扮演医生角色时则可以切换至 GPT-4，根据具体需求调用不同的资源，以达到最佳效果
2. 不足
工作流的不足之一在于响应速度可能较慢，每次提问可能需要等待一定的时间，尤其是复杂的流程分支。如果能增加一个运行提示，让用户知道系统正在思考，将很好地延缓等待的不适感。
其次，目前工作流还不支持记忆功能，期望后续能支持上下文记忆。（编者注：工作流记忆功能在2.5.8版本已上线）
另外，工作流还有进一步发展的空间，比如套用工作流和循环工作流等更复杂的方案设计。
四、总结
工作流通过简单的拖拽方式解决了专业性和广域性问题，为复杂逻辑的实现奠定了工具基础，使非 IT 专业人员也能轻松完成专业任务。这标志着人工智能应用领域迈出了重要一步，随着相关产品功能的增加和开发，人工智能应用领域有望取得更大的进步。
现在，每个人都可以拥有一个智能助理，这已经不再是梦想。每个人都可以定制自己的私人助理，如今的 GPT-4o 已经具备视听读写能力，预计将逐渐普及到所有人群中。而在模型能力之上的应用层，仍需要很多像 LinkAI 这样的工具产品，帮助大家把模型用得更好，打造出真正适合自己需求的 AI 应用。
🤖 使用工作流功能（PC端访问）
