每个工作流都遵循 “感知 -> 规划 -> 执行 -> 反馈” 的经典智能体循环。

目录

场景一：电商全能购物助手 (Super Shopping Agent)

详细工作流：

场景二：医疗AI医生助手 (AI Doctor's Assistant)

详细工作流：

场景三：软件开发AI程序员 (AI Programmer)

详细工作流：

总结

---

---

场景一：电商全能购物助手 (Super Shopping Agent)

用户指令： “帮我为下周末的8人户外野餐准备所有必需品，预算500元左右。”

详细工作流：

图表

代码

下载

执行

感知
接收用户指令

规划
LLM分解任务

反馈
生成最终方案

搜索与比价

筛选与决策

加入购物车

寻求用户确认

工具: 商品搜索API

工具: 比价算法

工具: 购物车API

工具: 自然语言交互

工作流说明：

1. 感知：智能体通过文本或语音接口接收用户指令。

2. 规划：LLM大脑将模糊需求分解为可执行任务：

   • a. 理解核心要素：场景=户外野餐，人数=8人，预算=500元，时间=下周末。

   • b. 推断所需商品类别：一次性餐具、野餐垫、便携食物、饮料、零食、垃圾袋等。

   • c. 制定执行计划：先搜索，再比价，然后组合方案，最后确认。

3. 执行：

   • 搜索与比价：智能体并行地调用多个[商品搜索API]和[比价API]，获取各类别商品的列表、价格、销量、评价。

   • 筛选与决策：智能体根据预算和人数（8人）进行计算和分配（例如：餐具至少买8套，食物分量要足够）。它利用LLM的理解能力，筛选出性价比高、评价好的商品。

   • 加入购物车：智能体调用[购物车API]，将选中的所有商品加入购物车。

   • 寻求用户确认：智能体生成一个包含所有商品、总价、推荐理由的完整方案，通过自然语言与用户交互：“为您找到了8件商品，总价498元，包含XXX...，您看可以吗？”

4. 反馈：

   • 若用户说“可以”，智能体调用[下单API]完成支付。

   • 若用户说“不要薯片，换成果冻”，则进入新一轮循环，执行“移除商品->搜索果冻->加入购物车->再次确认”的流程。

   • 最终，将订单结果反馈给用户：“野餐套餐已下单成功！预计周六上午送达。”

---

场景二：医疗AI医生助手 (AI Doctor's Assistant)

场景： 医生在诊室与患者交流，智能体实时辅助。

详细工作流：

图表

代码

下载

执行

感知
实时语音转文本

规划
LLM理解医患对话

反馈
生成结构化病历

实时摘要与提取

医学知识检索

诊断建议推理

工具: 医学实体识别NER

工具: 医学知识库RAG

工具: 诊断指南API

工作流说明：

1. 感知：智能体通过麦克风实时收取医患对话，并通过[语音识别(ASR)API]将其转为文本流。

2. 规划：LLM大脑持续监控对话，规划需要完成的任务：

   • a. 识别主诉：患者说“我最近三天发烧、咳嗽、流鼻涕”。

   • b. 提取关键信息：从对话中提取关键医学实体（症状、病史、用药、过敏史）。

   • c. 判断时机：在医生问诊结束时，自动生成病历初稿；在医生疑惑时，主动提供诊断参考。

3. 执行：

   • 实时摘要与提取：调用[医学实体识别(NER)工具]，提取并结构化关键信息（如：症状: [发烧, 咳嗽, 流鼻涕]，持续时间: 3天）。

   • 医学知识检索：基于提取的症状，智能体通过[RAG检索]从最新的医学知识库、药品说明书、临床指南中查找相关信息。

   • 诊断建议推理：LLM综合“当前对话内容”和“检索到的医学知识”，进行推理分析。例如：“患者症状为流感样症状，当前季节流感病毒活跃，建议考虑流行性感冒，可推荐做咽拭子检测。”

4. 反馈：

   • 自动生成病历：问诊结束后，智能体自动将结构化的信息填入电子病历系统的[SOAP模板]（主观、客观、评估、计划）。

   • 主动提示医生：在医生下达诊断指令前，智能体可以在医生的工作界面上做一个温和的提示：“根据主诉，疑似流感，是否需要开具奥司他韦或安排检测？”

   • 自动化操作：医生确认后，智能体可自动调用[开具检测单API]或[开具处方API]。

---

场景三：软件开发AI程序员 (AI Programmer)

用户指令： “在项目里创建一个用户登录功能，需要邮箱注册、密码登录和JWT令牌验证。”

详细工作流：

代码

下载

执行

感知
接收用户需求

规划
LLM进行任务分解

反馈
总结汇报

代码生成

代码测试

代码部署

漏洞修复

工具: 代码生成

工具: 测试运行

工具: 部署脚本

工具: 调试器

工作流说明：

1. 感知：智能体接收用户提出的自然语言需求。

2. 规划：LLM大脑将宏大的需求分解为具体的开发子任务和文件结构：

   • a. 后端：创建用户模型(User Model)、认证控制器(Auth Controller)、JWT工具函数。

   • b. 前端：创建注册页面(Register Page)、登录页面(Login Page)、存储Token。

   • c. 数据库：创建用户表(users table)。

   • d. 测试：为API编写单元测试。

   • e. 制定执行顺序：先模型和数据库 -> 再后端API -> 最后前端页面。

3. 执行：

   • 代码生成：智能体切换到“编码模式”，循环调用[代码生成工具]（或直接编写），依次创建models/user.py, routes/auth.py, frontend/src/pages/Login.vue等所有必要文件。

   • 代码测试：每完成一个模块，智能体调用[测试运行工具]（如pytest）来执行测试，确保代码可用。

   • 代码部署：如果测试通过，智能体可以调用[部署脚本工具]（如通过SSH执行命令），将代码部署到开发服务器进行集成测试。

4. 反馈：

   • 成功：智能体反馈：“登录功能已开发完成并部署至开发环境。后端API端点：POST /api/auth/login，前端页面路由：/login。已为您生成了初始测试用户。”

   • 遇到错误：如果测试失败，智能体进入自我调试循环：

     • 感知错误：读取测试失败日志。

     • 规划：分析错误原因（如：数据库连接错误？JWT密钥未设置？）。

     • 执行：调用[调试器工具]修改代码，或为项目创建.env文件并设置环境变量。

     • 反馈：重新运行测试，直到成功。

---

总结

这三个工作流展示了智能体在不同领域的通用模式：

1. 电商助手：侧重于多工具协调和多轮对话，核心是理解用户意图和优化决策。

2. 医疗助手：侧重于实时感知和信息结构化，核心是 passively and actively assisting（被动与主动辅助） without disrupting（不打断） 工作流程。

3. 程序员：侧重于任务分解和自动化闭环，核心是将抽象需求转化为具体的、可执行的文件操作和命令。

它们共同证明了：智能体的强大，不在于单一算法的突破，而在于将LLM的认知能力与一系列工具API无缝衔接，组成一个能自主完成复杂任务的系统。