Понятие Workflow в агентной разработке

В прошлых видео мы познакомились с AI-агентами и посмотрели, в каких ситуациях их уместно применять. Здесь поговорим о другой архитектуре, которая может быть альтернативой агентам для определённых задач, - Workflow, или рабочем процессе.

Недостатки архитектуры на AI-агентах

У агентской архитектуры есть заметные недостатки:

• непредсказуемость ответов: заранее неизвестно, какие шаги сделает агент, и каждый запуск проходит по-своему;
• лишняя информация: длинные ответы, лишние детали и шаги;
• ошибка на раннем этапе может тянуться до самого конца;
• зацикливание: агент может ходить по кругу много раз, остановиться раньше времени или совершить действия, которые в этом запуске не нужны.

Один из способов решить эти проблемы - использовать Workflow.

Что такое Workflow

Workflow - это архитектура AI-системы, где вызовы LLM-модели и инструментов идут по шагам, заранее прописанным в коде. По сути, это обычный скрипт на языке программирования, в который встроены запросы к LLM. Порядок шагов задаёт программист (или LLM, но тогда программист хотя бы контролирует и проверяет результат), а модель работает внутри этих шагов так, как определено алгоритмом.

Получается, что агентные системы можно строить в двух архитектурах:

• AI-агенты: каждый следующий шаг выбирает сам агент;
• Workflow: шаги заданы в коде, а LLM выполняется в тот момент, когда мы её об этом просим.

В Workflow все пути известны заранее: при каждом запросе часть шагов выполняет скрипт, а часть - LLM-модель. Каждый запрос идёт по алгоритму от начала до результата, и каждый шаг можно протестировать отдельно. Разные варианты построения Workflow мы разберём позже.

В агентской системе всё иначе: задача поступает LLM-модели, она сама выбирает инструменты, смотрит результат каждого, перепроверяет его и, если результата недостаточно, вызывает другие инструменты - до тех пор, пока не посчитает результат подходящим и не отдаст ответ пользователю. Программных скриптов здесь по умолчанию нет (они могут быть, например, внутри навыка, который использует модель), а каждый запуск может проходить по-разному.

Workflow и агентские системы: сравнение

• Следующий шаг. В Workflow его задаёт код, в агентской системе выбирает LLM-модель.
• Число шагов. В Workflow известно заранее, у агента цикл открытый и количество шагов отличается от запуска к запуску.
• Тестирование. В Workflow можно проверить каждый путь отдельно, например этап сбора данных. В агентской системе - только итоговый результат.
• Предсказуемость. У Workflow высокая, у агентов низкая.
• Время и цена. В Workflow стабильны, у агентов растут с числом шагов.
• Для чего подходит. Workflow - для повторяющихся процессов, агентские системы - для открытых задач, где алгоритм действий заранее неизвестен.

Где встречается Workflow

В оболочках, которые предоставляют компании и модели, как правило, уже заложены архитектуры для построения Workflow:

• в Claude Code есть слэш-команда workflow - это скрипт на JavaScript, который запускает субагентов по шагам;
• у Codex есть codex exec и Codex SDK: на своём скрипте можно запускать автоматические действия по расписанию;
• в n8n, LangGraph и других системах тоже есть свои утилиты, которые упрощают построение Workflow.

Почему для бизнеса лучше Workflow

Бизнесу важны повторяемость, тесты, предсказуемость и понимание, сколько денег и времени займёт процесс. Поэтому автоматизации, которые мы делаем для заказчиков, лучше выкладывать на продакшн именно в формате Workflow. Чаще всего бизнес-задачу сначала исследуют с помощью агентских систем, а в конечном этапе строят Workflow и отдают бизнесу как готовый продукт. Агентские системы остаются для непредсказуемых ситуаций.

Такую архитектуру можно использовать для собственных автоматизаций, которые взаимодействуют с LLM-моделями.