AI 工作流不是工具清单

很多 AI 工作流的第一版长得很像：一个模型负责生成，另一个服务负责处理，最后把结果保存到某个地方。演示顺利时，它看起来已经完整。

真正的问题从第二批输入开始。

箭头隐藏了什么

流程图中的一根箭头，可能隐藏着格式转换、状态等待、失败重试、人工判断和质量检查。只要这些事情仍然依赖操作者记忆，所谓自动化就只是把手工过程藏了起来。

稳定工作流至少要显式处理四件事：

1. 输入契约：接受什么格式，缺少信息时如何处理。
2. 状态记录：任务进行到哪里，产生了哪些中间结果。
3. 失败恢复：从哪里重试，如何避免重复执行昂贵步骤。
4. 完成定义：什么样的输出才算真正可交付。

人应该留在正确的位置

不是所有判断都适合自动化。高频、稳定、可验证的判断适合交给系统；低频、高风险、依赖语境的判断应该保留人工确认。

好的工作流不会努力消灭人，而是让人的注意力只出现在最有价值的位置。

从一次成功到长期能力

工具会变化，模型会更新，但任务边界、状态管理和验证原则更稳定。围绕这些稳定部分建立系统，工作流才不会随着某个服务的变化而整体失效。