第 5 章 · AI Workflow 與編排：把 AI 串成穩定的流水線

單次呼叫模型能做的事有限。真實產品往往需要很多步：先分類、再檢索、再生成、再檢查……把多次 AI 呼叫（和一般程式邏輯）串成一條流程，就是 AI Workflow（AI 工作流）。這一章也會講清楚一個最常被搞混的區別：Workflow 和 Agent 到底差在哪。

💡 這一章你會懂：workflow 與 agent 的分野、五個能解決 80% 問題的設計模式、以及 n8n / LangGraph 這些工具各自的定位。

先分清楚：Workflow vs Agent

這是本章、甚至整門課最重要的一個區別：

	Workflow（工作流）	Agent（代理）
路徑	你事先定好，步驟固定	模型自己決定下一步做什麼
比喻	火車（照鐵軌走）	計程車（司機臨場選路）
可預測性	高、好除錯、成本可控	低、彈性大、可能失控
適合	流程清楚、可拆解的任務	開放式、無法預先規劃的任務

💡 最重要的實務建議：先用 workflow，不夠用再上 agent。 很多人一上來就想做「自主 agent」，結果又貴又難除錯又不穩。事實上，市面上大多數穩定的 AI 產品，骨子裡是工作流，不是 agent。

這一章講 workflow（可控的那半邊），第 7 章才講 agent（自主的那半邊）。

五大設計模式（能解決大部分問題）

這五個模式是業界公認的 AI 工作流基本功。學會它們，你就有一套「積木」可以組合。

1. Prompt Chaining（串接）

把大任務拆成幾步，前一步的輸出當後一步的輸入。例：先「產生大綱」→ 再「照大綱寫全文」→ 再「潤稿」。就是第 2 章「拆步驟」的程式版。

2. Routing（路由）

先用一次呼叫判斷類型，再分派給不同的後續處理。例：客服訊息先分「退款／技術問題／一般諮詢」，各自走不同流程（還能把簡單的丟給便宜模型——呼應第 4 章）。

3. Parallelization（平行）

把可獨立進行的子任務同時做，最後合併。例：要審一份文件的「法律、資安、財務」三個面向，三個一起跑，快 3 倍。

4. Orchestrator–Workers（主管–工人）

一個「主管」模型把任務動態拆解成子任務，分給多個「工人」模型做，再彙整。適合「事前不知道會拆成幾塊」的任務。

5. Evaluator–Optimizer（產出–評審）

一個模型負責產出，另一個模型負責評審打分並給修改意見，來回幾輪直到夠好。例：翻譯 → 評審挑毛病 → 再翻 → 再評。

flowchart LR
    subgraph 五種積木
    A[Chaining<br/>一步接一步] 
    B[Routing<br/>先分類再分流]
    C[Parallel<br/>同時多路]
    D[Orchestrator<br/>主管拆解分派]
    E[Evaluator<br/>產出↔評審]
    end

💡 這五種可以互相組合。真實產品常是「路由 → 平行檢索 → 串接生成 → 評審」這樣拼出來的。

工具生態：No-code 與 Code 兩條路

你不一定要寫程式才能做工作流。依你的角色選工具：

No-code / Low-code（拖拉即可）

用視覺化介面把節點連起來，適合非工程師、快速做自動化：

工具	定位
n8n	開源、可自架的自動化平台，能把 AI 接進上百種服務（Gmail、Slack、資料庫…）
Dify / Flowise / Langflow	專為 LLM 應用設計的視覺化編排
Zapier / Make	老牌自動化工具，也加了 AI 節點

Code（寫程式，彈性最大）

要精細控制、要進版控、要接進既有系統，就用框架：

框架	定位
LangChain	最知名的 LLM 應用框架，元件豐富
LangGraph	用「圖」描述流程／agent，適合有分支、迴圈、狀態的複雜編排
LlamaIndex	偏重資料接入與 RAG（第 6 章）

💡 選擇原則：非工程師或快速驗證 → n8n / Dify；要進產品、要控制細節 → 程式框架或自己刻（第 11 章你會發現，自己刻其實沒想像中難）。

什麼時候該從 Workflow 升級到 Agent？

當你發現——「這個任務的步驟我根本沒辦法事先畫成流程圖」，那就是該考慮 agent 的時候。

判斷四問（四個都「是」才值得上 agent）：

複雜：任務多步、且無法事先完整規劃？
值得：結果的價值撐得起 agent 更高的成本與延遲？
可行：模型的能力真的做得到這個任務？
可補救：萬一它做錯，錯誤抓得回來（有測試、有審核、能回退）？

只要有一個「否」，就退回用更簡單、更可控的 workflow。

重點回顧

Workflow = 路徑你定好（火車）；Agent = 模型自己決定（計程車）。先用 workflow，不夠再上 agent。
五大設計模式：Chaining、Routing、Parallelization、Orchestrator–Workers、Evaluator–Optimizer——可自由組合。
工具兩條路：n8n / Dify（no-code、快）與 LangGraph / LlamaIndex（code、細）。
升級到 agent 前，用複雜／值得／可行／可補救四問把關。

工作流讓 AI 能跑複雜流程，但它回答的內容仍受限於「模型腦中學過的東西」。下一章，我們讓它能引用你的、最新的知識——這就是紅遍半邊天的 RAG。