AI已经有工具了。能搜索、能读文件、能操作软件。

但每次完成一个任务，还是要手动喂好几轮。

想写一篇文章：先让AI查资料，查完了把结果复制下来；再开一轮对话，把资料喂进去让它列大纲；大纲出来了，复制；再开一轮，让它写初稿。三步——三场对话。人坐在中间，复制、粘贴、等待、再复制。

每一步AI都能做。只是不想当胶水。

不是AI做不到。是只给了它工具，没给它图纸。

工作流的三个关键词

工具调用，是给AI一把锤子。

工作流搭建，是给它一张图纸加整套工具，说"按这个顺序，从头做到尾"。

串联。 A步骤的输出，自动变成B步骤的输入。不用人在中间等着复制粘贴。

触发。 可以是手动——点一下"开始"。也可以是自动——每周日晚上九点，自己跑。

分支。 不是一条直线走到底。如果A结果是这样，走B；如果那样，走C。

人做什么？设计流程，判断结果。不再亲自执行每一步。

一个现实的例子：每周日晚九点，AI自动搜索本周AI新闻，整理成简报，存入笔记软件，发邮件到收件箱。五步，人只需要看最后那封邮件。

形成工作流的两股推力

工作流的出现，背后有两股推力。

第一股推力：单轮对话不够用。

真实任务从来不是一步。写文章、做调研、整理信息——每一步AI都能帮，但每一步都要人手动触发。人站在中间当胶水，这是最累也最没价值的环节。

第二股推力：全自动Agent太野。

2023年，AutoGPT横空出世。给一个目标，AI自己拆任务、自己执行。但很快问题暴露——让它调研AI行业动态，它可能先搜五十个网页，再看二十个视频，然后陷入无限循环反复改同一段文字。Token烧完了，产出约等于零。

很多时候不是不知道流程，是想让AI按既定的流程高效执行。不需要AI替人规划，需要AI替人跑。

工作流选了一条中间路线：人定流程，AI跑腿。 在可预测性和自动化之间，选择了可预测性优先。

工作流和Agent：谁说了算

讲到这里，一个疑问自然会冒出来：现在Agent这么火，工作流是不是过时了？

用过扣子的人都有这种感受：界面让人感觉在搭一个"智能体"——给它工具、给它规则，它自己判断怎么干。但扣子同时也支持拖节点、连线、搭工作流。同一个界面里，两种模式共存。

这不是扣子的问题。这是工作流和Agent的底层关系：不是替代，是两层不同的逻辑。

核心区别只有一个：谁来决定"下一步做什么"。

工作流：人提前画好路线图。第一步查天气，第二步写建议，第三步存笔记。AI跑的时候不看路，只按图纸走。

Agent：人只给目标——“帮我了解今天适不适合出门”。AI自己判断：需要查天气吗？查几个城市？需要看空气质量吗？每做完一步，它自己决定下一步。

一个Agent内部，本质上就是在实时生成工作流。它收到目标，自己画路线，自己执行，看结果，修正路线，继续。不理解工作流的逻辑——串联、分支、输入输出匹配——就没办法理解Agent在做什么，更谈不上调教它。

就像学车。手动挡让人理解离合、档位、转速的配合。自动挡把这些封装了。真出了状况，只会开自动挡的人不知道车在干嘛。

话说到这，一个更根本的问题该问了。

AI发展这么快。Agent越来越强。n8n这样的工具，还有必要学吗？

有句话是这么说的：学的速度如果足够慢，那就不用学了——等学会的时候，它已经过时了。

这句话放在"学某个具体按钮在哪"上，是对的。放在"学工作流的思维"上，不对。

因为工作流不是一个工具，是一种组织任务的方式。串联、分支、触发、输入输出匹配——这些逻辑不会因为工具换代而失效。n8n可能会被取代，但"把复杂任务拆成可串联的步骤"这件事，永远不会过时。

更深一层：学工作流，恰恰是为了驾驭Agent。

Agent之所以跑偏，往往是因为目标给得太模糊、步骤太跳跃、中间缺少检查点。而工作流思维训练的，正是——把一个大目标拆成小步骤，在每个关键节点设置验证，确保上一步的输出能准确喂给下一步。这些能力，在放权给Agent的时候，反而更重要。

不是先学n8n再学Agent。是在学n8n的过程中，长出驾驭Agent的能力。

上手工作流的三个层次

从已经在做的事开始。

第一层：手动串联。

把一个复杂任务拆成几步，每一步写一条提示词，上一步的结果复制给下一步。虽然手动，但思维已经是工作流思维了。写公众号的过程——想选题、和AI对话走完思考、写初稿、改文字、排版、发布——本身就是一条流水线。只是现在每一步之间是人手动衔接的。

第二层：平台内置。

扣子的工作流模式——拖节点、连线、配参数，不写代码就能把AI调用、搜索、条件判断串起来。通义千问的百炼平台也内置了类似能力。不离开正在用的平台，就能体验"按流程跑"。

第三层：专用工作流工具。

n8n——开源、可自部署、四百多个节点，工作流领域最具代表性的工具。Dify——为AI原生设计，每个节点都围绕LLM。扣子——零门槛起步，已经在用了。Make——可视化最强，非AI场景也极强。

提示工程回答"怎么说"。 上下文工程回答"怎么管记忆"。 工具调用回答"怎么让AI动手"。 工作流搭建回答"怎么把事串起来"。

一条递进线。再往后——当AI不只是按图纸施工，而是学会了自己画图纸，那就是智能体了。

那是下一篇的事。

如果这篇文章有用，欢迎点赞分享，推荐给需要的人。

对工作流有自己的理解或踩过的坑，欢迎留言交流。