Agentic workflows
可以先理解为:围绕目标持续调用工具和处理上下文的Agent工作流
Agentic workflow 就是 agent 不只回答一句话,而是按目标一步步做事、查结果、验证结果,再决定下一步。它更像一个工程循环,不是一段长 prompt。
关键结构图
画一个闭环:Goal -> Context -> Tool call -> Observation -> Verification -> State update -> Next action;旁边连接 Workflow runtime、Agent Hook、Agent Orchestration 和 Loop Engineer。
What
Agentic workflow 就是 agent 不只回答一句话,而是按目标、上下文、工具调用、观察、验证和下一步行动组成循环,一步步把任务推进。
Agentic workflows 是围绕目标持续调用工具、处理上下文、执行步骤、观察结果、验证结果并迭代推进的 agent 工作流。它区别于一次性提示,更像一个可执行任务过程。一个清楚的 agent loop 至少要说明目标、状态、工具、观察、判断、验证和下一步。
When
当一个 AI 系统开始从回答问题转向执行任务、调用工具、保存状态和反复验证时,可以用 Agentic workflows 判断它是否真的进入工程化 agent 形态。
How
拆一个 agentic workflow 时,先画出 loop:目标进入,上下文装载,工具调用,观察结果,验证证据,更新状态,决定下一步。任何一环缺失,workflow 都可能退回一次性聊天。
Examples
一个代码 agent 不只是生成补丁,还要读仓库、改文件、跑测试、解释失败、再修正。这整个循环才是 agentic workflow。
一个研究 agent 如果只输出摘要,还不是完整 workflow;如果它能追踪问题、保存证据、标记未决项并继续下一轮,才更接近可运行循环。
来源
类型:系统结构 / 概念整理
事实线:这张卡把 Agentic workflows 整理为围绕目标、工具、上下文、观察和验证反复推进的 agent 工程循环。
依据:1000 Bricks 既有 AI 基础设施概念,并合并 2026-06-26..2026-07-05 catch-up 中关于 Agent Loop 架构的公开材料信号。
边界:适用于 AI 基础设施、agent runtime、工具系统和任务协作;不等于所有循环都可靠,也不等于画出 loop 就完成了产品化。
常见误读:不要把 agentic workflow 当成“让模型多想几步”。真正的 workflow 要有状态、工具、验证和失败处理。