智能体工作流五大设计模式：从链式到规划式，一次讲透
蓝衣剑客（本名王伟）在 WaytoAGI 社区「晚八点共学」中，系统拆解了智能体工作流的五种设计模式——链式、并行式、路由式、评估优化式和规划式，并结合 Dify 平台的实际案例演示了每种模式的搭建方法。这场分享适合正在学习智能体开发、想从单点 Prompt 走向复杂工作流设计的开发者，也适合希望理解 AI 应用架构逻辑的产品经理和技术决策者。
蓝衣剑客是火山引擎 KOL、清华大学数据治理研究中心荣誉顾问、阿里云 AI 训练营讲师，与朋友合著过提示词高效办公相关书籍，长期参与 AI 落地项目和标准起草工作。以下内容根据他的分享整理。
五种设计模式：原理、优劣与适用场景
蓝衣剑客将智能体工作流的设计归纳为五种模式，每种模式都有清晰的适用边界，选择哪种模式取决于任务的复杂度、对质量的要求以及资源消耗的容忍度。
链式设计模式：入门基础款
链式工作流是最直观的模式：有明确的输入和输出，中间是几个依次执行的环节。蓝衣剑客用「把大象装冰箱分三步」来类比，强调它是「面向过程的编程」，最终走向结束节点。
这种模式的优势在于简单直观、环节分工明确、定位问题容易，适合流水线式作业。但弊端也很显著：容错性差，一个环节出错可能导致后续全部错误；并行能力不足，提效困难，通常只能在工作流外层做并行处理。
蓝衣剑客以文字翻译为例演示了链式模式：先翻译初稿，再做质量反思和优化。他特别提到，质量反思环节需要用深度思考模型，而翻译优化环节用非 thinking 类模型即可——豆包模型可以切换思考模式来实现这种分工。他还强调，面对复杂需求（比如根据图片写小红书文案），应该把任务拆解，避免把所有功能塞进一个提示词里。
路由式设计模式：专人专事
路由式工作流通过输入分析、决策，将任务分配给不同的专家节点处理，最后整合结果。核心在于路由决策环节。优势是专业化处理、可扩展性强、处理质量高、负载均衡；劣势是业务复杂度随使用深度增加，且存在路由错误的风险。
适用场景包括客服、智能问答和企业文档管理等。蓝衣剑客在 Dify 中演示了对话式工作流，处理售前、售后、投诉、订单等问题。他特别强调，自己做数据预处理和意图识别，贴合业务需求，效果优于使用现成的问题分类器。在记忆管理方面，他通过定义会话变量 context history 实现对话记忆的持久化存储，避免对话流中断。
评估优化式设计模式：循环打磨
评估优化式工作流的流程是：数据输入后，初始生成结果，评估是否达到标准，未达到则进入优化改进环节，达到则输出结果。优势是结果质量高、能降低风险；风险在于可能出现主题漂移（迭代文案偏离原意）和资源消耗过大（迭代次数过多会消耗大量时间和 Token）。
适用场景包括文案创作、设计迭代和严谨报告等需要反复打磨的场景。蓝衣剑客以商品文案创作为例，展示了循环过程：通过设置最大循环次数和评估标准来控制迭代，最终输出高质量文案。他指出，制定评估标准是这种模式的难点——「不同人、不同公司标准不同，需根据实际情况确定」。
并行式设计模式：同时处理
并行式工作流将任务分割成多个子任务同时处理，最后聚合结果。优势是时间效率高、资源充分利用、可扩展性和容错性较好——单个任务失败不影响其他任务。劣势是任务之间不互通，任务重叠时需要编写复杂提示词，且无法动态变化，需要提前规划。
适用场景包括数据分析、批量数据处理、多信息源查询等，比如生成 AI 日报。蓝衣剑客以学英语单词为例：对词汇进行词汇分析、记忆策略、语境应用、发音指导、复习规划等多方面处理，通过并发式工作流提高学习效率。他还提到一个实操细节：豆包在 Dify 上不支持 JSON Schema 返回，可以换用其他支持的模型解决。
规划式设计模式：先计划后执行
规划式工作流先做计划再执行，包括理解分析、步骤排序、工具选择、配置约束和条件识别等环节，执行过程中可根据目标达成情况重新规划。优势是能适应复杂任务、避免执行偏差；劣势是等待时间长、成本高。
适用场景是研究分析和动态规划，比如 AI 教育领域的应用研究。蓝衣剑客以「AI 在教育领域的应用现状」为课题，展示了完整执行过程：意图增强、深度研究规划、迭代执行、结果输出。他强调使用 Agent 节点和 ReAct 策略来提高研究的细致程度。
他还分享了一个模型选型发现：使用豆包 1.6 Flash 模型时，小模型在提示词到位的情况下也能输出好效果，同时指出字数限制在实际应用中的不确定性。
实践环境搭建：Dify 与豆包模型配置
蓝衣剑客提供了两套环境搭建路径。本地安装方式：在本地安装 Docker 部署 Dify 环境，PPT 中提供了相关链接。云端访问方式：有能力访问 Dify 云端程序的用户，注册账号即可使用。
豆包模型的配置步骤如下：
- 在火山引擎官网注册账号并进行个人认证。
- 搜索「火山方舟」，进入管理控制台，开通所有模型。
- 在「在线推理」部分创建自定义推理接入点，选择火山方舟平台。
- 添加豆包的 thinking、Flash 和 1.6 等模型——每个模型每天有 50 万 Token 的免费额度。
- 创建接入点后，获取 API Key 和推理节点 ID。
- 将认证方式改为 API Key，复制粘贴到相应配置项。
- 选择基础模型类型为「自定义」，完成模型配置。
行业现状与学习建议
蓝衣剑客认为，目前智能体落地处于「从基础 Agent 到垂类 Agent、定向 Agent 的过渡阶段」，Multi-Agent 未来可能开花。但他也指出一个现实问题：很多产品设计方向与背后技术脱节，用户仍习惯使用基础 Agent 和 Chat 界面进行迭代。
对于想进入 AI 行业的学习者，他给出几点建议：
- 非软件专业背景的同学，建议采用敏捷项目管理方式，先入门再迭代提升。
- 想进入 AI 行业的同学，先投资自己，考取相关认证，积累经验后再深入发展。
- 学习提示词可以查看 WaytoAGI 提示词专栏，以及蓝衣剑客的提示词培训课——专栏中有公开的 4 节培训课。
现场问答
问：学习提示词有什么提升方法和文档推荐？
答：查看 WaytoAGI 提示词专栏和蓝衣剑客的提示词培训课，专栏中有公开的 4 节课程。
问：没有计算机背景，大厂考证有用吗？
答：考证是入门过程，可提升自身能力，应根据自身情况决定是否考取。
问：AI + 某个行业（AI + X）的职业发展路径是什么？
答：后续会单独写内容解答。建议先入门，阅读相关书籍，考取认证。
要点回顾
- 五种智能体工作流设计模式各有适用场景：链式适合简单流水线，路由式适合多业务分流，评估优化式适合高质量内容打磨，并行式适合可分割的批量任务，规划式适合复杂研究任务。
- 链式模式是入门基础，但容错性差；路由式模式的关键在于路由决策和意图识别的准确性。
- 评估优化式模式的核心难点是制定评估标准，需要根据实际业务确定。
- 并行式模式适合数据分析、批量处理和多信息源查询，但需要提前规划任务分割。
- 规划式模式适合研究分析和动态规划场景，使用 Agent 节点和 ReAct 策略可提高研究细致程度。
- Dify 环境可通过本地 Docker 或云端注册两种方式部署；豆包模型需在火山方舟创建推理接入点，每个模型每天有 50 万 Token 免费额度。
- 智能体落地正处于从基础 Agent 向垂类 Agent 过渡的阶段，产品设计和技术实现之间仍存在脱节。