章节主旨
对比传统自动化平台(拖拽节点)与 Agentic 工作流:后者把工作流写成自然语言要点、交给 agent 解释并执行。随后解释这一转变为何此刻才可能(智能、工具、成本三因素),并梳理知识工具从文档到聊天再到 agent 的三阶演化,以及 chatbot 与 agent 的本质区别。
核心论点
- 工作流的载体正从”拖拽节点”变成”自然语言要点”——同一套逻辑,过去要花数月掌握平台才能搭,如今用一串 bullet points 就能表达且随时可改。(→ 详解1)
- agentic 工作流此刻才可行,靠三条曲线同时越阈:模型智能、工具标准化、成本坍塌。(→ 详解2)
- 知识工具沿”文档→聊天→agent”三级台阶演化:从静态知识,到双向对话,到能实际动手的行动。(→ 详解3)
- agent 不是 chatbot:聊天窗口只是外壳(界面),agent 是住在壳里的内核,当前只是暂借旧界面。(→ 详解4)
- agent 能被”强制行动”:不只回答怎么做,而是自主拉脚本、调过滤器、跑完整流程交付结果。(→ 详解5)
知识点详解
1. 从拖拽节点到自然语言:工作流的载体之变 0:12:56
作者用 N8N 演示:左侧是传统自动化——一堆节点(HTTP 请求、数据处理、调 Google Sheet、AI 功能)用连线串成逻辑流,能用,但要读懂和改动需要大量平台知识。
右侧是同一套逻辑的 agentic 版本:不再碰节点和特定软件,而用”通用翻译”——自然语言——写成一串要点。比如”有人回复冷邮件就发 webhook、查 Google Sheet 找话术、研究对方、生成简短友好回复、遇到退订就跳过、没知识库就跳过、否则自动发送”。
关键差异在门槛与可改性:左侧要花数月甚至数年练到能用平台;右侧一个大致知道自己想干嘛的人用自然语言就能写出来,团队人人可读,想加一步点一下敲回车再写出来即可。作者的结论是,工作流不再是拖拽式搭建,而更像纯粹的基本逻辑。
2. 为何此刻才可行:智能、工具、成本三因素 0:14:24
智能越阈。 前沿模型(Claude、ChatGPT、Gemini 等)在 SWE-bench Verified 上约得 80 分——这是衡量真实软件工程能力的基准,题目新颖、非训练数据里的樱桃摘取。作者用”烧水”作比:温度一路上升看不出变化,到沸点突然改变状态。模型智能也是长期积累后看似一夜垂直。此外模型运行极快,provider 有算力把推理循环跑到比个人快数十上百倍(还提到 Diffusion LLM 可近乎瞬时并行生成数百词)。
工具标准化。 0:19:25 出现了 MCP(Model Context Protocol)这类协议,标准化 AI 连接外部工具、数据库、资源的方式;也有 DOE 框架(Directive Orchestration Execution,本课主用)和平台特定框架如 Claude Skills。作者用”山顶洞人的矛”作比:LLM 本身极灵活(适合写诗、创意、回信),但业务要的是相反的东西——可靠性;工具就是把解决方案标准化的”矛”,遇到反复出现的问题时预先造好、每次直接拿来用。
成本坍塌。 0:21:33 以 Claude Opus 4.5 为例,每百万 token 价格从约 15/75 美元(输入/输出)降到 5/25 美元,约 3 倍降幅,新模型更便宜。按每单位效果算,过去一年智能成本降了约 40 倍。成本足够低,才能向模型发送大量 token 去替代旧式确定性自动化,而不把生意拖垮。
3. 知识工具三阶梯:文档 → 聊天 → agent 0:23:52
作者用一个三级台阶概括过去三五十年的演化:底层是文档,中间是聊天,顶层是 agent。对应”文档形态的知识→对话形态的知识→知识加行动形态的 agent”。
文档 = 静态知识。 单向信息流,你只能读,文档不会回应你。合同、SOP、培训材料都靠它,写完就固定——这是特性不是缺陷,因为需要永久性、不该自我改写的东西正需要不可变。
聊天 = 动态知识。 chatbot 早在 1970 年代就有,但真正用于知识用途约在 2020 年代初。它双向交互:你读输出也能追问、要研究、深挖、上传 PDF 补充上下文。作者比作”读遍你给的一切、但被绑在椅子上的聪明同事”——只能对话,动不了手,这也是多数人今天对待模型的方式。
4. Chatbot ≠ Agent:界面是壳,agent 是内核 0:27:24
agent 是”动态行动”:和 chatbot 一样双向交互,但这次它会动手。作者展示自己搭的缩略图生成工作流——绿色节点是正在执行的动作、灰色是临时推理再丢弃的思考节点,能看到它调 Python 脚本、跑 bash 输出。你因此获得对推理过程和”规划-工具-记忆-推理-观察”循环的可见性,还有自主性和长执行时间(agent 常跑 5–10 分钟,他有一次跑了 5 小时不间断)。
关键区分:agent 不是 chatbot,尽管长得很像。作者说 chat 只是界面——消息来回、底部输入框,是”那个 app”;agent 是住在 app 里面的东西。他用寄居蟹作比:蟹会借用更老动物的壳、不合用就丢弃;agent 现在只是暂借 chatbot 这个旧知识工具的界面,未来几年会丢掉它、换上更好的界面。
5. Agent 实战:把模型从”回答”逼成”行动” 0:28:58
对比演示:在 ChatGPT 桌面版问”怎么从 LinkedIn Sales Navigator 抓线索”,输入输出是有界的——它只能告诉你方法,是”知识”。
换成 agentic 工作流,他直接下指令”给我抓 200 个美国 HVAC 老板,要决策者”。agent 先检查有没有抓线索的 directive 和执行脚本(这是 DOE 框架 用来约束模型输出的部分),拉脚本、先试抓 25 条、验证行业匹配、再跑全量、上传 Google Sheet 并富集数据。
最能说明”行动”的一幕:搜索后模型自己判断匹配率太低,于是当场自主调整过滤条件、零人工输入地重找线索,通过阈值后再跑全量。作者说他全程只是在手机上给朋友发消息,最终拿到近 200 个邮箱及一批电话等信息——整个过滤逻辑本要他自己花不少时间摸索,agent 独立完成了。
术语
- Agentic workflow(能动/agentic 工作流,用自然语言要点描述、由 agent 解释并执行的工作流)
- SWE-bench Verified(衡量真实软件工程能力的基准,前沿模型约得 80 分)
- MCP(Model Context Protocol,标准化 AI 连接外部工具/数据库/资源的协议)
- DOE(Directive Orchestration Execution,本课主用的指令-编排-执行框架,约束 agent 输出)
- Diffusion LLM(扩散式语言模型,可近乎瞬时并行生成文本)
自检问题
- 作者给出 agentic 工作流”此刻才可行”的三条理由是什么? 答案:模型智能越阈(SWE-bench Verified 约 80 分)、工具标准化(MCP/DOE 等)、成本坍塌(一年降约 40 倍)。见详解2 0:14:24。
- 知识工具三阶梯的三级分别对应什么? 答案:文档=静态知识(单向、只读、不可变是特性)、聊天=动态知识(双向对话但动不了手)、agent=动态行动(双向且会动手)。见详解3 0:23:52。
- 作者用什么比喻说明”agent 不是 chatbot”? 答案:寄居蟹借壳——chat 只是界面外壳(app),agent 是住在里面的内核,当前只是暂借 chatbot 的旧界面,日后会换更好的。见详解4 0:27:24。
- HVAC 抓线索演示中,哪一步体现了 agent 的”自主行动”而非”回答”? 答案:搜索后模型自判匹配率过低,当场零人工输入地自主调整过滤条件重找,通过阈值再跑全量并交付近 200 个邮箱。见详解5 0:28:58。