工作流（Workflow）编排：顺序、分支、重试与人工兜底

学习目标

• 理解工作流的基本组成。
• 能设计顺序、分支、重试和人工确认。
• 知道如何避免一次模型调用承担完整业务流程。

核心概念

工作流（Workflow）是由多个步骤组成的可控任务流。步骤可以是模型调用、工具调用、程序校验、人工审核或通知发送。和单次调用相比，工作流的优势是状态明确、失败可定位、过程可观测。

常见控制结构包括顺序、分支、重试和兜底。顺序保证依赖关系，分支根据条件选择路径，重试处理可恢复失败，人工兜底处理高风险或低置信度情况。

工作流设计的核心问题是：每一步的输入是什么，输出是什么，失败时怎么办，是否允许自动继续。

示例与拆解

“自动处理课程项目提交”的工作流可以是：

复制
1[
2  {"step": "load_submission", "type": "program"},
3  {"step": "check_required_files", "type": "program"},
4  {"step": "review_with_rubric", "type": "model"},
5  {"step": "validate_review_json", "type": "program"},
6  {"step": "if_score_low", "type": "branch", "next": "human_review"},
7  {"step": "publish_feedback", "type": "program"}
8]

如果模型输出的 JSON 不合法，可以重试一次并附带错误原因：

复制
1上一次输出无法解析，原因：missing field "score"。
2请只返回符合 schema 的 JSON。

如果第二次仍失败，流程应进入人工处理，而不是继续发布不可靠反馈。

常见误区

• 误区一：把工作流画成流程图就算完成。每个节点还需要输入、输出、失败规则。
• 误区二：无限重试。重试会增加成本，且可能重复触发副作用。
• 误区三：只处理成功路径。真实产品中失败路径通常更决定可用性。

小练习

设计一个“自动生成并发送学习提醒”的工作流，包含至少一个分支、一个重试条件和一个人工确认点。

实操检查点

把工作流写成状态表，而不是只画箭头。每个状态至少包含 entry_condition、success_next 和 failure_next。

复制
1{
2  "state": "draft_message",
3  "entry_condition": "用户 7 天未学习且允许提醒",
4  "success_next": "review_message",
5  "failure_next": "skip_and_log",
6  "retry": "最多 1 次"
7}

如果某个失败路径没有明确下一步，这个工作流还不能进入产品。

随堂测验

完成本章测验，重点检查你能否把模型调用放入可控流程。

本章总结

工作流让人工智能任务从一次生成变成可管理流程。顺序、分支、重试和人工兜底是把不确定模型接入业务系统的基础。

下一步学习指引

下一章学习安全护栏、安全和失败恢复，进一步控制错误输出与越权行为。