Agent Workstation

Agent Workstation 是一个用于搭建任务型 AI 工作站的多 Agent 编排框架。

仓库目前仍然是私有状态，我还在清理示例、去掉项目特定痕迹，并准备抽成一个更干净的公开模板。这个页面先解释它的思路和设计方向。

问题是什么

大多数 AI 工作流一开始都是一个很长的 prompt。

这对一次性实验没问题，但很难复用、调试、评估和改进。一旦任务变复杂，prompt 里就会混进太多职责：

最后结果就会很脆。它可能这一次能跑通，但很难变成一套每周都能复用的系统。

Agent Workstation 把复杂任务变成显式工作流：

User Task
  -> Pipeline
  -> Agent Step(s)
  -> Schema Validation
  -> Retry / Branch / Parallel Execution
  -> Artifacts and Trace Logs

不是让一个 prompt 做所有事，而是让每个 Agent 负责一个清晰角色，再用 Pipeline 定义这些 Agent 如何协作。

Agent 是一个角色明确的指令文件，可以定义：

Pipeline 定义任务如何在系统中流动：

每次运行都会生成一组产物：

这样工作流才容易调试和改进。

例如：

我现在越来越觉得，Prompt Engineering 后面真正重要的是 Workflow Engineering。

一个好的 AI 工作流，不只是问一个更好的问题，而是设计一个让模型可以稳定工作的环境：结构、反馈、工具、记忆、校验和产物管理。

Agent Workstation 就是我对这种结构化 AI 工作流的尝试。

私有模板清理中。

公开前需要补齐：