任务编排：工作流 Workflow、智能体 Agent 与技能 Skills

连线规定步骤间的数据流向

工作流把任务拆成事先定义的步骤，再用连线规定执行顺序。每个步骤称为节点 Node，是接收输入、完成一类处理并交出结果的执行单元。节点可以收集材料、提取字段、查资料、调用工具或生成文字。按节点承担的动作，可以分成四类：收集节点取得材料，加工节点用规则或模型处理材料，字段整理节点把结果转成下一步需要的字段，流程控制节点决定继续、分支或结束。

每个节点只承担明确的职责，前一步交出的结果成为后一步的输入。节点既可以按确定规则处理数据，也可以调用模型理解文字、提取字段或生成回复。模型的生成原理见 A01 模型原理：大模型 LLM 的生成方式。

连线规定执行方向，字段映射把前序结果中的一项填入后序输入的对应位置。字段约定、变量的作用域和生命周期见 A02 任务交代：提示词 Prompt 与上下文 Context，本节接着看这些字段怎样在节点间传递。前序输出的名称、类型或单位与后序要求冲突时，程序会读错材料；缺失的必填项进入补充路径。

条件分支决定后续执行路线

工作流按预设条件选择分支。条件可以检查字段是否完整、状态是否符合要求，也可以读取模型给出的分类标签。模型负责理解文字，程序按标签安排路线；分类错误会把请求送入错误分支。

意图识别 Intent Classification 是根据请求的含义判断任务类别。开发人员把各类别的适用范围、排除情形和冲突时的优先次序写进给模型的分类说明。信息不足、无法分类和执行异常各有出口，流程可以暂停补充或转人工。

教学示例：“查询换货条件”和“提交换货申请”使用相近词语，前者读取规则，后者涉及办理。把两种问法放在一起测试，才能检查分类是否区分了动作。

工作流也能包含循环、并行处理和模型节点。它的固定之处是步骤及选择规则预先定义，运行时仍会依据输入走不同路线。

互斥分支每次只有一条运行，汇合节点取走实际运行的那条分支的输出，交给后续步骤。各分支使用后续节点能读取的字段约定，汇合后核对对外内容及敏感动作，再交人工确认。多条分支同时运行时，开发人员在汇合节点写明等待哪些结果、各结果填入哪个字段、同一字段出现冲突时暂停还是采用指定来源，避免后返回的内容覆盖已有依据。

智能体读取返回后重新选择动作

智能体是围绕目标反复选择动作、执行动作并读取结果的系统。目标说明完成条件，行动 Action 是本轮选择的操作，观察 Observation 是执行后返回的信息。新信息进入下一轮输入，模型据此继续选择或结束。

这个循环依靠模型和执行程序配合。应用把目标、规则、已有材料及工具说明交给模型，模型提出动作请求；执行程序检查权限和参数，调用实际工具，再把成功、失败或缺项结果送回。循环中的多次调用可以使用同一个已有模型，应用负责保存和传递任务状态。

工具请求怎样执行、结果怎样返回，见 A04 系统操作：工具调用 Tool Use 与 MCP。智能体沿用这条调用路径，在每轮结果返回后继续选择动作。模型直接给出回答时，系统也检查任务是否完成；完成后输出回答，资料不足或权限受限时说明原因并暂停，等待人工补充。

固定流程可以嵌入动态环节

工作流可以把某个节点交给智能体处理。外层规定入口、所需材料、返回格式和下一环节；节点内部根据工具结果调整查询或处理顺序。返回后，工作流校验结果，再按固定条件继续。

步骤和分支能事先列明的部分用工作流，查询路径随返回结果变化的部分用智能体，文末对照表列出了选择依据。同一个应用可以组合两种控制方式。

动态选择也受停止条件约束。任务完成、必要资料无法取得、权限不足或达到预算上限时，系统结束循环或暂停等待。系统同时限制轮次、运行时长和可用工具；连续重复相同请求且没有新结果，可以触发无进展检查。

下图以排班工单展示固定流程里嵌入动态查询节点，查询返回后校验结果，再交人工确认；前一张循环图展开动态节点内部怎样选择动作。

应用调度模型多轮检索的机制见 A03 资料问答：知识库 RAG 的检索与引用；本节只保留编排选择：简单问题可以采用较短路径，比较策略时同时看答案依据、检索轨迹和用量。

技能包保存可复用的任务方法

技能是围绕一类任务整理的指引及配套资源。技能说明交代适用情形、所需材料、处理步骤、输出要求和停止条件，资源可以包含模板、脚本或工作流。应用根据当前任务选用已启用的技能。

各产品载入方式不同，共同点是把技能指引加入本轮输入，供模型读取。模型据此整理材料、选择处理步骤，调用脚本时向执行程序提出请求，执行程序把结果送回模型。技能的适用说明帮助选用方法，详细指引说明选中后怎样处理；把两者写清，可以减少选错方法或遗漏步骤。

技能保存处理方法，本次事实来自输入材料和实际查询。方法可以反复使用，规则有变动时更新技能版本；实时状态依靠重新查询。资料缺失时，技能中的方法只能指导补充和核实。

工具提供具体动作，技能组织动作的用法。一个技能可以指导模型调用多个工具，一个工具也可以供不同技能使用。复用方法减少重复编写指引。

技能运行受实际授权范围限制

技能说明约束处理方法，系统授权限定可执行的动作和可访问的资料。账号只有查询权限时，修改请求会被系统拦截。只开放起草能力时，对外发送停在确认环节。

技能包中的脚本可以读取文件、修改内容或调用外部服务。同名技能的实际内容会有差异，安装和更新时审查实际文件，可以确认它读取哪些资料、向哪里发送信息。来源审查、执行校验及资料外发的检查方法见 A06 数据安全：资料外发与出错处理。

同一智能体可以调用多个技能

一个智能体可以按任务阶段接连调用多个技能。任务目标和已有查询结果保持连贯，处理方法随阶段切换。

技能数量和智能体数量是两个维度。单智能体统一安排动作，减少成员间传递；多智能体 Multi-Agent 把不同职责分配给多个智能体，各自配置指令和工具，再按约定协调。分工带来专门的处理路径，也增加调用、传递和汇总成本。

成员传递结果时保留证据条件

多智能体协作依赖明确的输入输出。每次转交包含任务、已有证据、来源时间、适用条件和未解决事项，后续成员据此继续处理。只传结论会丢失限制条件，共用同一份错误资料的成员也会沿用同样的错误。

主管调度是一种组织方式：主智能体澄清目标和缺项、分配子任务并汇总结果，成员承担检索、分析或复核等职责。复核成员检查事实和限制，主智能体检查必要环节是否完成。一项任务可以只调用所需成员。

成员说明限定协同执行方式

成员名称标识职责，对外转交描述说明何时调用，内部指令规定调用后怎样处理。检索成员的对外描述可以写“需要可追溯资料时调用”，内部指令写清查找范围、来源时间、输出证据和资料不足时的处理。前者帮助选对成员，后者限定执行方法。

转交关系规定当前成员可以调用哪些成员。成员漏调时，运行记录可以核对分类结果、允许转交关系和实际调用对象；成员已经执行但结果偏离职责时，检查内部指令及输入材料。迁移到另一类任务时，职责、资料、转交条件和测试集一并更新。

自由转交 Handoff 由当前智能体根据任务和成员描述选择下一个成员，执行范围受允许的转交关系约束。它适合路径随信息变化的任务，也会出现反复转交和漏调。

确定路由 Deterministic Routing 按预先配置的条件把任务送到指定成员。若条件来自模型的意图分类，分类本身仍会出错；相近问法、冲突诉求和未识别请求各需测试。必须经过的复核环节可以直接写入流程，并核对实际执行记录。

规划执行分离 Plan and Execute 由规划者拆解任务，执行者完成各步并返回结果。规划者依据返回检查完成情况，必要时调整计划。计划和中间结果需要传递，过时计划会影响后续步骤；规划轮次、上下文长度和思考时间共同影响耗时与用量，达到轮次或用量上限时停止。

固定样本检验整项任务表现

评测 Evaluation 用固定输入和明确标准检查系统表现。样本保存任务材料、预期行为和评分条件，运行结果保留最终输出及关键中间记录。正常、口语、缺项、冲突、越界和复杂组合输入分别检验不同边界。

单次调试 Debugging 沿一条运行记录定位具体故障，主链路稳定后，批量评测检查一组任务的整体表现。调试从最早偏离预期的位置追查输入、字段、工具返回和分支选择；评测则检查错误分布及版本差异。每增加一个关键能力，可以先验证该环节，再检查完整链路。

多智能体任务另外核对预期成员是否执行、职责是否越界、前序证据是否完整传到后序、必要复核是否遗漏。最终文字之外，评测同时核对这些环节的实际记录。

原题复测比较改动前后的结果

回归测试 Regression Testing 是修改后重新运行原有样本，检查旧错误是否消失以及原有正确行为是否受损。模型、资料、工具或流程发生重要变更后，回归沿用原有核心样本。比较时固定资料、起始状态、模型及评分条件，只改变本次选定的一项配置，才能解释结果差异。

1. 保存原题、预期行为、配置版本和原运行记录。
2. 定位错因，选择对应的提示词、技能、知识、工具或流程作单点修改。
3. 用原题复测，对照中间记录和最终结果，同时记录耗时与用量。
4. 保存修改原因和验证结论，将新发现的失败情况及相邻问法补进测试集。

任务特征帮助选择能力组合

可以直接复制使用：按任务特征选择能力，再核对数据传递和结束条件。

这张表比较运行方式，费用、采购和人员安排在管理层课中讨论。

一句话记住理解任务编排，可以沿着输入、动作、返回结果和结束条件还原一次完整运行。

以下为中文官方技术文档与培训课程，访问日期为 2026-10-24 至 2026-10-27。

1. 《工作流应用》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/workflow-application
2. 《知识问答》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/rag-knowledge-qa
3. 《技能》，腾讯 CodeBuddy / WorkBuddy，更新日期：未标日期。网址：https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Function-Description/Skills-Market
4. 《智能体群组节点》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/workflow/agent-group-node
5. 《模型评测》，阿里云百炼，更新日期：2026-10-10。网址：https://help.aliyun.com/zh/model-studio/model-evaluation-overview
6. 《2.2 下 任务执行与编排能力：Workflow、Multi-Agent 与 Claw》，腾讯云，更新日期：未标日期。网址：https://cloud.tencent.com/edu/learning/course-4742-84537
7. 《3.4 Multi-Agent 模式实战：内容创作助手》，腾讯云，更新日期：未标日期。网址：https://cloud.tencent.com/edu/learning/course-4742-84542
8. 《4.5 Multi-Agent 调优》，腾讯云，更新日期：未标日期。网址：https://cloud.tencent.com/edu/learning/course-4742-84549
9. 《ADP 前沿部署工程师（FDE）认证课程》，腾讯云，更新日期：未标日期。本单参考 1.3、2.1、2.2 上/中/下、2.3、3.1、3.3、3.4、4.1、4.2、4.4、4.5，节页依次为：https://cloud.tencent.com/edu/learning/course-4742-84527-84533 ；https://cloud.tencent.com/edu/learning/course-4742-84528-84534 ；https://cloud.tencent.com/edu/learning/course-4742-84528-84535 ；https://cloud.tencent.com/edu/learning/course-4742-84528-84536 ；https://cloud.tencent.com/edu/learning/course-4742-84528-84537 ；https://cloud.tencent.com/edu/learning/course-4742-84528-84538 ；https://cloud.tencent.com/edu/learning/course-4742-84529-84539 ；https://cloud.tencent.com/edu/learning/course-4742-84529-84541 ；https://cloud.tencent.com/edu/learning/course-4742-84529-84542 ；https://cloud.tencent.com/edu/learning/course-4742-84530-84545 ；https://cloud.tencent.com/edu/learning/course-4742-84530-84546 ；https://cloud.tencent.com/edu/learning/course-4742-84530-84548 ；https://cloud.tencent.com/edu/learning/course-4742-84530-84549 。
10. 《实践八：自我进化—创建自己的Skills（技能）》，CodeBuddy / WorkBuddy，更新日期：未标日期。网址：https://www.codebuddy.cn/docs/workbuddy/From-Beginner-to-Expert-Guide/Practice-Cases/Practice-Eight ，访问日期：2026-10-27。