2.2 下 任务执行与编排能力：Workflow、Multi-Agent 与 Claw

上一部分已经讲清楚 ADP 如何通过知识库、工具、连接器与 Skills 为智能体补充“知识”和“能力”。当任务进一步变复杂，智能体就不只是回答问题，还需要按照流程办事、在多个工具之间选择、拆解复杂目标，甚至在独立工作空间中持续处理文件、运行代码和生成结果。本节聚焦 ADP 的三类任务执行与编排能力：Workflow、Multi-Agent 与 Claw。

🖼 图：图· 任务执行与编排能力进阶

2.2 下.1 Workflow：把业务流程编排成稳定可控的执行链路

Workflow为用户提供了直观的可视化画布，支持通过大模型、代码、参数提取等多种节点来编排复杂的业务流程。工作流旨在实现稳定且可控的业务效果，确保每个流程节点的准确性和可解释性。

Workflow 的核心价值是把开放式对话转化为可验证、可复用的流程。当一个任务有明确步骤、明确输入输出、明确判断条件时，就适合用 Workflow 承载。例如开票、售后处理、工单流转、审批办理、信息收集、报告生成等场景，都可以拆解成节点、变量、条件分支和工具调用。

（1）可视化画布：用拖拽和连线搭建流程

工作流画布支持通过拖拽和连接节点构建业务流程，画布支持鼠标和触控板操作，并提供多种快捷键，提高工作流配置效率。节点列表、画布、节点详情分类展现，使页面内容更简洁清晰。

在画布中，连线用于连接两个工作流节点，描述工作流执行流向，并在约束条件下连接节点。一个完整工作流通常从开始节点进入，经过信息收集、信息处理、变量处理和逻辑判断，最后通过回复节点或结束节点输出结果。

🖼 图：图· 工作流画布

（2）节点设计：每个节点负责一类明确动作

节点是工作流中的基本构建单元，每个节点代表一个特定操作或功能。节点通过互相连接形成完整业务流程。ADP 工作流节点可以分为信息收集类节点、信息处理类节点、变量处理类节点和基础节点。

（3）变量与连线：让每一步结果能继续被后续节点使用

变量用于承载工作流运行中可流转的数据。工作流支持使用应用级变量和工作流级变量，也可以通过节点的输入变量引用前序节点变量、应用级变量或工作流级变量。变量让流程中的信息不只停留在自然语言层面，而是可以被后续节点读取、判断、转换和传递。（对变量的介绍见2.2上）

工作流的连线也有明确约束。工作流中至少要有一个结束回复节点，整个工作流才可以正常执行；当前节点的输入一定要连接前一个节点的输出，节点的输入之间、输出之间不能连接；信息收集类节点、信息处理类节点之间没有固定前后顺序关系；开始节点、信息收集类节点、信息处理类节点的输出都可以连接多个后续节点，从而支持并行处理。

（4）灵活对话：既能多轮澄清，也能稳定执行

工作流的运行机制支持与用户进行多轮对话交互。在信息收集过程中，系统自主分析必填信息是否完整，如果不完整则自动生成反问澄清话术，引导用户提供必填信息。

工作流还内置 Agent 全局监控节点跳转，无需区分“对话流”和“工作流”，既能灵活对话又能确保精准执行流程。内置 Agent 负责接管对话、控制节点跳转、识别全局意图，例如识别“不继续执行工作流”等退出意图，以及“好的”“没问题”等寒暄意图，并智能回复。

2.2 下.2 Multi-Agent：让模型自主规划、调用工具和协同执行

“Multi-Agent 模式”是智能体开发平台支持创建的应用类别之一。该模式的应用由大模型自主规划执行路径、灵活调用工具，其核心特点在于将对话的主动权更多地交由模型，充分发挥模型的主动性。此模式适用于需要灵活响应、多工具调用以及多 Agent 协同的场景。

在 Multi-Agent 模式中，支持创建单 Agent 应用，同时允许添加多个 Agent，并支持切换不同的多 Agent 协同方式来满足多场景的需要。如果一个 Agent 足以完成任务，可以直接使用系统默认创建的 Agent；如果需要多个专家角色协作，则可以添加多个 Agent 并配置转交关系。

🖼 图：图· Multi-Agent 应用编设置页，可以添加Agent、配置转交关系和协同方式、添加工具和连接器等

（1）核心工作流程：思考规划、工具调用、纠错反思

Multi-Agent 模式包含思考规划、主动选择调用工具和主动纠错反思三类核心任务：

• 思考规划 ：制定整体任务达成的规划思路，并把整体的复杂任务拆解为细分的子任务。

• 主动选择和调用工具 ：根据拆解后的子任务和工具的描述说明，选择一个或多个合适的工具来解决问题。

• 主动纠错反思 ：模型自主改进优化过去的行为决策，并对行为进行纠正。

以上三类工作可能多次循环执行，最终输出回复的答案。

🖼 图：图· Multi-Agent核心工作流程

（2）Agent 配置：让模型知道“谁负责什么”

Agent 高级设置用于对 Agent 的思考逻辑和输出方式进行精细化调整，用户可以根据不同的业务场景选择合适的策略，从而优化 Agent 表现，提高结果的准确性或响应速度。

（3）协同方式：自由转交、工作流编排、Plan & Execute

当应用中存在多个 Agent 时，需要选择协同方式。系统支持自由转交、工作流编排和 Plan & Execute 三种方式。创建 Multi-Agent 应用时，默认 Agent 协同方式为自由转交；切换为工作流编排时，转交顺序固定，任务执行可控；切换为 Plan & Execute 协同时，任务将被 Planner Agent 拆解，由 Executor Agent 执行，耗时较长，适用于对耗时要求不高的复杂任务。

Tips：

目前 Plan-and-Execute 模式仅支持单轮对话，即每次输入（query）都会独立处理，暂不支持基于历史上下文的多轮对话。

2.2 下.3 Claw：面向复杂自主任务的独立工作空间

Claw 模式应用通过自然语言驱动智能体自主思考并解决复杂问题；应用拥有独立工作空间，可自主编写和运行代码、调用 Skills / 工具 / 连接器等多种能力。它适用于数据分析、内容生成、自动化处理等复杂任务场景，就像一位随时在线的数字同事。

Claw 的核心差异

• 开箱即用 ：Claw 模式创建后即可使用平台内置模型（支持自主切换），无需额外配置模型服务与思考-生成双模型体系。

• Skills 能力扩展 ：支持添加最多 80 个 Skills （来自 Skills 广场），让 Agent 获得即装即用的专业能力（办公文档、医疗健康、图像处理、音视频等）。

• 独立工作空间 ：Claw 模式应用拥有独立的工作空间，适合长耗时、涉及文件读写的自主任务。

• 不支持模式切换 ：一旦创建为 Claw 模式，不支持切换到其他三种模式；反之，其他三种模式之间仍可互相切换。

2.2 下小结

本节把 ADP 的复杂任务能力拆成三类执行载体：Workflow 用节点和变量把业务流程变得稳定可控；Multi-Agent 让模型能够自主规划、调用工具、进行多 Agent 协同；Claw 通过独立工作空间、Skills、工具和连接器处理更复杂的自主任务。

理解这三类能力后，就能把 ADP 的能力地图进一步落到实际应用上。下一节将从开发到上线的完整生命周期出发，把应用创建、能力配置、执行逻辑搭建、对话调试、发布接入和运营优化串成一条完整路径。