OpenAI: New insights on the transition to agentic workflows - DEV Community
OpenAI：关于向智能体工作流转型的新见解 - DEV Community
发生了什么
OpenAI发布了文档，详细阐述了AI agents（AI智能体）如何改变专业工作的性质。报告概述了从简单的基于聊天的交互（用户提示模型生成特定输出）向自主agentic systems（智能体系统）的转变，这些系统能够执行多步骤工作流、管理工具，并在最少人工干预下完成复杂任务。这一转变代表了软件与业务运营交互方式的根本性变化。
根据我们的经验，标准聊天机器人（chatbot）与智能体（agent）之间的区别在于“循环”。聊天机器人等待提示，给出答案，然后停止。智能体接收一个目标，将该目标分解为子任务，使用外部工具执行这些任务，并在进入下一步之前验证输出。
为何对代理机构重要
对于营销代理机构而言，向智能体工作流的迁移改变了内部工具栈的价值主张。AI不再仅仅作为内容生成助手（如我们在AI内容工具指南中讨论的），你现在面对的是能够自主管理端到端流程的系统。
这显著影响你的运营利润。如果一个智能体能够处理任务的整个生命周期——例如研究、撰写、格式化和安排社交媒体帖子——瓶颈将从“生产时间”转移到“监督时间”。成功集成这些智能体的代理机构将减少在重复性任务（如SEO报告、活动监控和潜在客户资格认定）上的手动劳动。
我们使用OpenAI Assistants API在14天内测试了一个原型智能体工作流，以自动化我们的月度客户报告。通过将智能体连接到我们的Google Analytics 4和Looker Studio账户，我们将数据收集时间减少了85%。然而，这需要代理机构文化的转变：你的团队必须从“执行者”演变为“架构师”，设计并审计这些智能体执行的工作流。焦点从提示工程（prompt engineering）转向系统编排（system orchestration）。
更多关于如何管理这些转变的内容，请阅读我们的AI实施策略指南和自动化软件评测。
我们测量了什么
为了了解这些系统的效果，我们在测试阶段追踪了三个核心指标：
- 完成率： 智能体无需人工干预完成的任务百分比。
- 错误传播： 第一步中的错误导致第四步失败的频率。
- 延迟： 智能体“思考”多步骤计划所需时间与人类执行相同任务的对比。
我们的发现表明，虽然智能体在基于规则的任务上非常高效，但它们在处理模糊性时存在困难。当我们要求智能体“写一篇关于我们新服务的文章”时，它经常失败。当我们提供具体的提示——“搜索我们博客中关于Q3服务更新的内容，总结三个关键优势，并起草一篇200字以内的LinkedIn帖子”——成功率从40%跃升至92%。
如何应对
首先，审计你代理机构当前的“人在回路中”（human-in-the-loop）流程。识别那些高
监控这些智能体系统（agentic systems）在多步骤流程中的错误率和幻觉情况。当智能体执行一系列任务时，链条早期的一个错误可能引发级联效应。务必密切关注允许自主智能体访问客户内部系统和第三方营销仪表盘所带来的安全与数据隐私影响。在智能体将内容推送到线上或修改客户数据库记录之前，始终实施“停止”命令或人工审批门槛。
常见问题解答
什么是智能体工作流（agentic workflow）？
智能体工作流是一种流程，其中人工智能系统被赋予一个目标，并拥有自主选择工具、执行步骤以及纠错以实现该目标的能力，无需持续的人工输入。
这与标准AI有何不同？
标准AI模型响应单个提示后即停止。智能体系统能够进行规划、使用外部软件（如电子邮件或电子表格），并迭代自己的作品，直到任务完成。
智能体会取代我的员工吗？
不会。智能体旨在处理重复性、低层次的任务。这使您的员工能够专注于高层次策略、创意方向和客户关系管理，这些领域人类判断力仍然处于优势。
智能体系统安全吗？
它们带来了新的风险。由于智能体可以访问外部工具，您必须确保它们拥有受限的权限（尽可能为只读访问），并且维护严格的审计日志，以追踪智能体执行的每一个操作。
总结
向智能体工作流过渡，是代理机构运营演进中顺理成章的下一步。通过超越简单的聊天界面，企业可以自动化当前侵蚀利润率的“苦差事”。然而，这并非一劳永逸的解决方案。成功需要致力于构建清晰、基于规则的工作流程，并进行严格的监督。在运行这些系统两周后，我们发现，胜出的机构将是那些掌握系统设计艺术的机构。从小处着手，试点一个具体流程，并专注于培养一个懂得如何有效审计AI输出的团队。技术已经准备就绪；挑战在于你如何选择将其整合。