【AI技术】从 Tool 到 Workflow:AI 如何真正“做事”?

上一篇我们介绍了Prompt 和 Skill【AI应用】从 Prompt 到 Skill:AI 到底“会什么”?-CSDN博客https://blog.csdn.net/dfraetaem/article/details/165364646?spm=1001.2014.3001.5501

简单来说:

Prompt 是指令,Skill 是能力。

但即使 AI 已经知道应该怎么处理一项任务,它仍然可能无法真正执行。

例如:

读取一个 Excel 文件 ↓ 分析其中的数据 ↓ 查询相关信息 ↓ 生成分析结果

AI 知道这些步骤应该怎么做,但如果没有对应的执行能力,它依然无法直接读取文件、运行 Python 或查询数据库。

这时候就需要:

Tool(工具)

而当多个 Tool 按照一定顺序组合起来,就形成了:

Workflow(工作流)


一、工具 Tool:让 AI 拥有执行能力

Tool 通常翻译为工具。

在 AI 应用中,可以简单理解为:

Tool 是 AI 调用外部能力、执行实际操作的接口。

例如:

文件工具 数据库工具 Python 工具 HTTP API 搜索工具

这些能力原本并不属于大语言模型本身。

例如:

AI 可以理解“请分析这个 Excel”,但它本身不一定能够直接读取你电脑上的 Excel。

如果给 AI 提供一个文件读取 Tool:

AI ↓ 文件 Tool ↓ 读取 Excel ↓ 返回数据 ↓ AI

AI 就获得了实际操作文件的能力。

同样:

AI ↓ Python Tool ↓ 执行 Python ↓ 返回计算结果 ↓ AI

或者:

AI ↓ 数据库 Tool ↓ 查询数据库 ↓ 返回查询结果 ↓ AI

所以可以简单记忆:

Skill 解决“怎么处理”,Tool 解决“怎么执行”。


一个简单的代码例子

假设我们提供一个 Python 工具:

def run_python(code): # 执行 Python 代码 result = execute(code) return result

AI 可以根据任务调用:

run_python(""" import pandas as pd df = pd.read_excel("data.xlsx") print(df.head()) """)

这时候,AI 不再只是告诉你:

“你可以使用 pandas 读取 Excel。”

而是可以真正调用工具去完成操作。

这就是 Tool 的意义。


二、工作流 Workflow:把多个 Tool 组合起来

如果只有一个 Tool,AI 只能完成一个具体操作。

但实际任务往往需要多个步骤。

例如:

读取文件 ↓ 处理数据 ↓ 查询数据 ↓ 生成结果

我们可以把这些步骤组合成一个固定流程:

读取文件 ↓ Python 数据处理 ↓ 查询数据库 ↓ 生成分析报告

这就是Workflow(工作流),可以理解为:

将多个步骤和工具按照预先定义好的顺序组合起来,形成一个可以重复执行的流程。

例如:

数据分析 Workflow ① 读取 Excel ↓ ② Python 清洗数据 ↓ ③ 查询数据库 ↓ ④ 生成分析结果

每一步都可以使用不同的 Tool。


一个简单的 Workflow 代码

不使用复杂框架,也可以简单理解成:

def data_analysis_workflow(file): # 1. 读取文件 data = read_excel(file) # 2. 数据处理 data = process_data(data) # 3. 查询数据库 result = query_database(data) # 4. 生成结果 report = generate_report(result) return report

这里的:

read_excel() process_data() query_database() generate_report()

都可以看成不同的 Tool。

而把它们按照:

读取 → 处理 → 查询 → 输出

组合起来,就是 Workflow。

因此:

Tool 是一个个具体的执行能力,Workflow 是把这些能力组织起来的流程。


三、Tool 和 Workflow 有什么区别?

两者最简单的区别就是:

Tool 是“工具”,Workflow 是“流程”。

可以这样理解:

ToolWorkflow
中文工具工作流
核心执行能力流程组合
作用完成一个具体操作完成一整套任务
组成一个具体工具/接口多个步骤、Tool、模型等
执行方式单次调用按流程执行
重点能做什么按什么步骤做

例如:

Tool: 读取 Excel 执行 Python 查询数据库 调用 API

它们分别提供具体能力。

而:

Workflow: 读取 Excel ↓ 执行 Python ↓ 查询数据库 ↓ 生成报告

则把这些能力组合成了一个完整流程。


Skill、Tool、Workflow 可以放在一起理解

到这里,我们已经可以把前两篇的内容连接起来:

Skill ↓ 告诉 AI 如何理解和处理任务 Tool ↓ 让 AI 获得实际执行能力 Workflow ↓ 把多个 Tool 按固定流程组合起来

例如一个数据处理任务:

用户输入 ↓ Skill 理解任务和处理规则 ↓ Workflow 按照固定步骤执行 ↓ Tool 读取文件 / 执行 Python / 查询数据库 ↓ 最终结果

这也是一个比较典型的 AI 应用结构。


那么,AI 调用 Python 算不算 Agent?

这是实际开发中非常容易混淆的问题。

例如:

用户: 帮我分析这个文件 AI: 调用 Python ↓ Python 返回结果 ↓ AI: 整理结果

这不一定是 Agent。

因为这里可能只是:

用户 ↓ AI ↓ Python Tool ↓ AI ↓ 结果

AI 只是调用了一个工具。

如果整个执行过程已经被开发者固定为:

读取文件 ↓ 执行 Python ↓ 生成结果

那么它更接近:

Tool + Workflow

而不是 Agent。

Agent 的关键并不是:

“AI 能不能调用工具。”

而是:

AI 能不能根据目标和当前结果,自主决定下一步应该做什么。

例如:

用户: 帮我分析这份数据。 Agent: 先检查文件 ↓ 发现数据缺少字段 ↓ 决定查询数据库 ↓ 发现数据异常 ↓ 决定运行 Python 进一步分析 ↓ 分析完成 ↓ 决定生成报告

这里的下一步不是完全提前写死的,而是 AI 根据当前情况进行判断。

这才开始接近:

Agent(智能体)

所以可以记住:

Tool 让 AI 能做事,Workflow 规定 AI 怎么做事,而 Agent 让 AI 自己决定下一步做什么。


小结

本文主要介绍了两个概念。

Tool

工具,为 AI 提供实际执行能力。

例如:

读取文件 执行 Python 查询数据库 调用 API 搜索信息

Workflow

工作流,将多个步骤和 Tool 按照固定顺序组合起来,形成完整流程。

可以把整个关系简单理解为:

Skill ↓ 怎么理解、怎么处理 Tool ↓ 具体能执行什么 Workflow ↓ 按照什么步骤执行

而它们与 Agent 的区别,则可以进一步概括为:

Tool “我能做什么?” Workflow “按照什么步骤做?” Agent “下一步应该做什么?”

到这里,AI 已经从最开始的:

Prompt → 回答问题

逐渐变成:

Skill → 理解任务 ↓ Tool → 执行操作 ↓ Workflow → 完成流程

但如果流程越来越复杂,所有步骤都提前写死,也会产生新的问题:

如果下一步应该做什么,开发者无法提前确定怎么办?

这就进入了下一篇的主题——Agent(智能体)

【AI技术】Agent:AI 为什么需要“自主决策”?-CSDN博客https://blog.csdn.net/dfraetaem/article/details/165632410?sharetype=blogdetail&sharerId=165632410&sharerefer=PC&sharesource=dfraetaem&spm=1011.2480.3001.8118

相关新闻

【AI技术】Agent:AI 为什么需要“自主决策”?

【AI技术】Agent:AI 为什么需要“自主决策”?

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/11/7 8:17:53 阅读更多 →
Docker容器名冲突排查指南:从报错原理到彻底解决

Docker容器名冲突排查指南:从报错原理到彻底解决

第一次在终端里看到docker: Error response from daemon: Conflict. The container name "/mysql" is already in use by container时,很多人的第一反应是“我是不是配置写错了?” 其实这个报错和 MySQL 无关,和配置也无关&#xf…

2026/11/18 1:23:43 阅读更多 →
五步把 Windows 11 瘦身:tiny11builder 完整实战指南与避坑清单

五步把 Windows 11 瘦身:tiny11builder 完整实战指南与避坑清单

五步把 Windows 11 瘦身:tiny11builder 完整实战指南与避坑清单 【免费下载链接】tiny11builder WinUI app for building smaller, customized Windows 11 images. 项目地址: https://gitcode.com/GitHub_Trending/ti/tiny11builder Tiny11Builder 是一套开源 PowerShel…

2026/11/10 2:56:34 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/18 13:59:04 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/18 15:33:23 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/18 17:05:28 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/18 14:33:19 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/18 17:05:28 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/18 14:13:08 阅读更多 →

日新闻

周新闻

月新闻