章节主旨
开场交代本课定位与全程路线图:这是一门面向业务的 Agentic 工作流 实战课,从「什么是能动工作流、它靠循环如何运转」讲起,一路铺到搭建、测试、上云与多 agent 扩展。
核心论点
- Agentic 工作流的运转核心是「循环(loop)」而非一次性调用,这是理解后续所有内容的基础。(→ 详解1)
- 本课是一张从基础到进阶的完整路线图,各框架(DOE、Claude Skills、MCP 等)各司其职,课程会讲清「何时用哪个、如何拼在一起」。(→ 详解2)
知识点详解
1. 能动工作流靠「循环」运转 0:00:19
作者把 Agentic 工作流 的运行机制概括为「通过 loop 来运作」:agent 不是收到指令后一次性输出就结束,而是在一个循环里反复观察、决策、调用工具、再判断,直到任务达成。
这一句是全课的技术锚点——后面讲的规划、工具调用、反思、自愈(self-annealing)等,本质都是在这个循环里发生的动作。导论只抛出结论,具体机制留待后续章节展开。
同时作者预告了一个绕不开的现实:能动工作流「常见的几类问题以及如何修复」会专门讲。也就是说,循环带来的不确定性(概率系统)本身就是要处理的对象,而非可回避的边角。
2. 全课路线图:各框架各司其职 0:00:30
作者按「从基础到进阶」列出本课骨架:先搭工作区、做出第一个 flow,再进入 DOE 框架(Directive / Orchestration / Execution,指令-编排-执行)这一核心方法论。
接着并列讲解 Claude Skills、MCP 等框架,重点不在逐个堆砌,而在回答「每个是干什么的、什么场景用哪个、它们如何拼合」。这种「对比 + 选型」的讲法,比单纯罗列功能更实用。
后半程转向工程化落地:如何测试与验证工作流、如何让工作流「自愈(self-annealing)」(出错时自我修复)、如何从 IDE 搬到云上(webhook、定时触发),以及并行跑多个 agent、sub-agents 与出问题时的排障。
需要剥离的是作者反复强调的「现在就能赚钱、这是历史级财富转移」等话术;站得住的部分是上面这条清晰的技术推进顺序。
关联
- 印证:Skill 按需加载 vs agents.md 每轮注入 以 token 实测独立印证 Claude Skills 元数据常驻+按需加载机制。
- 印证:AI Agent是新一代SaaS 把 DOE 的 directive 思路对应到商业侧「先当人力卖、再产品化」的路径。
术语
- agentic workflow(能动工作流,让 LLM 在循环中自主规划并调用工具完成任务的工作流)
- loop(循环,agent 反复观察-决策-行动-判断直至达成目标的运行机制)
- DOE / DO framework(指令-编排-执行框架,本课核心方法论,后续章节展开)
- self-annealing(自退火/自愈,工作流出错时自我修复的能力)