智能体与工作流

什么是 AIGC ？

AIGC，全称为 AI Generated Content，意为“人工智能生成内容”。它指的是利用人工智能技术（尤其是大模型，如GPT、Stable Diffusion等）自动生成文本、图片、音频、视频等多种内容的过程。

什么是智能体 Agent ？

智能体 = 自治实体（感知→决策→执行） + 目标导向 + 环境交互
一个能独立完成任务的“AI员工”。 能够感知环境、推理规划任务、调用工具（MCP Server & Function Call）、从过往经历汲取经验并完成目标。

eg：输入一个“撰写AI趋势报告”的任务后，Agent 像一位熟练的工人，不仅能挑选最合适的工具自动抓取数据、分析内容，还能根据任务需求灵活组和工具完成复杂操作。

Agent 的技术架构分层：

graph TB
  A[感知层] --> B(环境输入: 文本/传感器/API)
  B --> C[认知层]
  C --> D[规划器: 任务分解]
  C --> E[记忆模块: 向量数据库]
  C --> F[工具调用: Function/MCP]
  D & E & F --> G[执行层]
  G --> H[行动输出: 代码/API调用/自然语言]

什么是工作流 Workflow？

工作流 = 任务编排引擎 + 状态管理 + 异常处理 将多个Agent或工具按有向无环图（DAG）连接，形成自动化流水线（节点编排引擎）。能够跨 Agent 传递数据，流程引擎会按预设规则调度而非 LLMs 自主判断。

Workflow 的技术架构分层：

graph TD
  subgraph 用户交互层
    A[UI/API Gateway] --> B[可视化编排器]
    B --> C[监控仪表盘]
  end

  subgraph 核心引擎层
    D[工作流引擎] --> E[调度器]
    D --> F[状态管理器]
    D --> G[容错控制器]
  end

  subgraph 执行层
    H[节点执行器] --> I[Agent 调用接口]
    H --> J[MCP 适配器]
    H --> K[Function Calling 网关]
  end

  subgraph 持久层
    L[元数据存储] --> M[(工作流模板 DB)]
    N[状态存储] --> O[(Redis/DynamoDB)]
    P[日志存储] --> Q[(Elasticsearch)]
  end

  subgraph 扩展层
    R[策略沙箱] --> S[自动扩缩容]
    R --> T[动态DAG注入]
    U[安全审计] --> V[权限控制]
  end

  A --> D
  D --> H
  H --> L & N & P
  D --> R & U

一个「医疗报告生成」工作流的示例：

sequenceDiagram
  participant User as 医生
  participant W as Workflow引擎
  participant A as Agent
  participant M as MCP Server
  User ->> W: 触发“生成患者报告”
  W ->> A: 调用数据采集Agent
  A ->> M: MCP调用影像库API(patient_id)
  M -->> A: 返回CT影像数据
  A ->> W: 提交影像特征
  W ->> A: 调用诊断Agent
  A ->> M: MCP调用病理数据库(patient_id)
  M -->> A: 返回活检结果
  A ->> W: 生成诊断建议
  W ->> User: 输出完整报告

关键数据流： 所有节点状态由 状态管理器 持久化（避免Agent崩溃导致数据丢失） MCP调用自动携带 全局ContextID（关联同一患者的多次请求）