你需要的不是智能体，而是一个适合 AI 的工作流

雷宇

在宝玉分享的文章《你需要的不是智能体，而是一个适合 AI 的工作流》中，从多个方面论述了在 AI 应用中，设计适合的工作流比依赖智能体更为重要。本文将从以下几个方面详细分析文章的核心观点，并通过实际例子进行说明。

一、重新定义 AI 解决方案的思路

1. 避免拟人化思维
AI 解决问题的方式不应局限于人类现有的方法。比如，翻译员可以一步到位输出高质量翻译，但 AI 则需要通过分步流程提高翻译质量。因此，基于思维链（COT）的方法，通过直译、反思和意译步骤，可以显著提升翻译效果。

2. 不同领域的 AI 模型结合
现有许多解决方案过于依赖大语言模型，忽视了其他领域的 AI 模型。通过结合不同领域的 AI 模型，如使用 PyMuPDF 提取 PDF 内容并结合 GPT-4 解析图片生成 Markdown，可以高效解决复杂任务。

二、设计辅助决策的 AI 工作流

1. AI 辅助人类决策
以 AutoGPT 为例，该项目尝试让 AI 进行全程决策，但由于 AI 的智能程度有限，实际应用效果不佳。相反，将 AI 作为辅助工具，如 GitHub Copilot，通过生成代码辅助开发，能实实在在提高效率。

2. 具体应用案例
在处理商家差评的工作流中，AI 被用于情感分析和回复生成，而非全权负责决策。这种设计既提高了工作效率，又保证了结果的可靠性。

三、基于任务设计 AI 工作流

1. PDF 转 Markdown
PDFGPT 项目通过结合 PyMuPDF 和 GPT-4o，设计了一个高效的工作流，从 PDF 中提取图表并生成 Markdown。如果纯粹依赖大语言模型，任务将难以完成。此例子说明了不同 AI 工具结合的重要性。

2. 漫画翻译
comic-translate 项目使用专业模型检测气泡位置并提取文字，再结合 GPT-4o 进行视觉翻译，最终生成翻译后的漫画。通过这种工作流设计，实现了高效且低成本的漫画翻译。

四、回归问题本质

1. 第一性原理思维
借助马斯克的第一性原理思维，设计 AI 工作流应回归问题的根本，解构问题，并从头创建解决方案。这样的思路可以帮助找到实现目标的最优路径。

2. 实际应用
通过实际案例，作者展示了适合 AI 工作流的设计如何有效解决问题。例如，在 PDF 转 Markdown 和漫画翻译的工作流设计中，AI 的作用被精确定位到最擅长的环节，从而实现最佳效果。


设计适合 AI 的工作流，需要跳出拟人化思维，结合不同领域的 AI 模型，回归问题本质。通过这些方法，可以最大化 AI 的效能，而不必拘泥于智能体或大语言模型的概念。这种基于任务和问题本质的设计思路，能让 AI 在实际应用中发挥出更大的价值。


原文链接：你需要的不是智能体，而是一个适合 AI 的工作流 | 宝玉的分享 (baoyu.io)