محتوای ساختاریافته و منبع‌محوربازگشت به مقالات
آموزش‌هاتأییدشدهتحریریه

Workflow در AI Agent چیست؟ مسیر انجام کار در ایجنت‌ها به زبان ساده

Workflow در AI Agent یعنی مسیر مرحله‌به‌مرحله‌ای که Agent از هدف تا خروجی طی می‌کند. این مقاله به زبان ساده توضیح می‌دهد چرا workflow از یک prompt مهم‌تر است و چطور هدف، ورودی، context، استفاده از ابزار، بازبینی و خروجی کنار هم کار می‌کنند.

تصویر مفهومی مسیر مرحله‌به‌مرحله Workflow در AI Agent برای آشنایی اولیه
پاسخ مستقیمخلاصه سریع

Workflow فقط چند prompt پشت سر هم نیست. در AI Agent، workflow یعنی یک مسیر روشن از هدف تا نتیجه: ورودی را بگیریم، context را بسازیم، ابزار را در جای درست به کار ببریم، خروجی را بازبینی کنیم و بعد نتیجه نهایی را بدهیم. این مقاله Level 1 است و قبل از frameworkها، خودِ flow کار را ساده توضیح می‌دهد.

مقاله

متن

در یک نگاه

خلاصه سریع Workflow یعنی زنجیره تصمیم و اجرا که Agent را از یک درخواست پراکنده به خروجی قابل‌اعتماد می‌رساند. - prompt فقط شروع کار را می‌دهد - context زمینه را می‌سازد - tool calling اجرا را ممکن می‌کند - memory ترجیح‌ها را نگه می‌دارد - RAG دانش بیرونی را وارد می‌کند - workflow همه این‌ها را در یک مسیر قابل‌اعتماد کنار هم می‌چیند

نقشه سریع

request
  ↓
context
  ↓
decision
  ↓
tool / action
  ↓
review
  ↓
output
مرحلهنقش عملی
requestهدف اولیه و نوع کار را مشخص می‌کند
contextشرایط، محدودیت و لحن را تنظیم می‌کند
decisionتعیین می‌کند پاسخ مستقیم کافی است یا نه
tool / actionاجرای کار واقعی یا دریافت داده را کنترل می‌کند
reviewخطا، تناقض و ناهماهنگی را می‌گیرد
outputقالب نهایی و قابل‌استفاده را می‌سازد
  • اگر یکی از این مرحله‌ها مبهم باشد، نتیجه هم مبهم می‌شود.
  • اگر ترتیب مرحله‌ها روشن باشد، Agent رفتار قابل‌پیش‌بینی‌تری دارد.
  • اگر بازبینی حذف شود، خطاها راحت‌تر وارد خروجی می‌شوند.

Workflow دقیقا چه چیزی را مشخص می‌کند؟

Workflow فقط «ترتیب ظاهری کارها» نیست. این مفهوم مشخص می‌کند:

  • هدف از کجا شروع می‌شود
  • چه ورودی‌هایی باید جمع شوند
  • چه contextی باید همراه کار باشد
  • کجا باید ابزار صدا زده شود
  • چه زمانی بازبینی لازم است
  • خروجی نهایی در چه قالبی تحویل داده شود

به زبان ساده، workflow یعنی منطق حرکت، نه صرفا متن درخواست. اگر این منطق از اول روشن باشد، Agent در کارهای تکراری، چندمرحله‌ای و حساس رفتار پایدارتر و قابل‌پیش‌بینی‌تری دارد.

اجزای اصلی

1. هدف

نقش: نتیجه نهایی را روشن می‌کند. نشانه ضعیف: هدف مبهم، چندگانه یا بدون معیار پایان. طراحی بهتر: هدف را در یک جمله مشخص و قابل‌سنجش بنویس تا بعدا معلوم باشد خروجی خوب بوده یا نه.

2. ورودی

نقش: ماده خام کار را وارد مسیر می‌کند. نشانه ضعیف: ورودی ناقص، حدسی یا پراکنده. طراحی بهتر: فقط ورودی‌های لازم را قبل از اجرا جمع کن؛ ورودی اضافه، workflow را کند و مبهم می‌کند.

3. context

نقش: شرایط اجرا را مشخص می‌کند. نشانه ضعیف: لحن، مخاطب و محدودیت‌ها نامعلوم‌اند. طراحی بهتر: context را کنار ورودی نگه دار، نه در حد حدس. مخاطب، لحن، محدودیت و سطح جزئیات باید از قبل روشن باشند.

برای جزئیات بیشتر، Prompt و Context را جداگانه ببین.

4. تصمیم

نقش: تعیین می‌کند مسیر بعدی چیست. نشانه ضعیف: Agent همیشه یک جواب ثابت می‌دهد. طراحی بهتر: بین پاسخ مستقیم، ابزار و بازبینی تمایز بگذار؛ همه چیز نباید مستقیم به تولید خروجی ختم شود.

5. ابزار

نقش: اجرا را به داده یا عمل واقعی وصل می‌کند. نشانه ضعیف: ابزار بدون دلیل یا در مرحله اشتباه صدا زده می‌شود. طراحی بهتر: فقط وقتی کار به داده زنده، محاسبه یا اقدام بیرونی نیاز دارد ابزار را وارد کن؛ در غیر این صورت workflow را بی‌دلیل سنگین نکن.

برای این بخش، Tool Calling را هم کنار این مقاله بخوان.

6. بازبینی

نقش: خطا، تناقض و ناهماهنگی را می‌گیرد. نشانه ضعیف: خروجی بدون کنترل مستقیم ارسال می‌شود. طراحی بهتر: یک review کوتاه، ثابت و مرحله‌ای داشته باش؛ مثلا سازگاری، کامل بودن و لحن را جدا بررسی کن.

7. خروجی

نقش: نتیجه را به قالب قابل‌استفاده تبدیل می‌کند. نشانه ضعیف: خروجی نهایی شکل ثابتی ندارد. طراحی بهتر: از قبل مشخص کن پاسخ، جدول، چک‌لیست یا نسخه نهایی لازم است تا Agent بداند باید چه چیزی تحویل دهد.

مقایسه در یک نگاه

وضعیت ضعیفاثر روی خروجینسخه بهتر
هدف مبهم داردAgent مسیر را گم می‌کند و خروجی ناپایدار می‌شودهدف را در یک جمله دقیق بنویس
ورودی را حدس می‌زندداده ناقص یا نامرتبط وارد جریان می‌شودورودی‌های لازم را قبل از اجرا مشخص کن
ابزار را بی‌دلیل صدا می‌زندهزینه، تاخیر و خطای اضافی ایجاد می‌شودابزار را فقط در مرحله لازم استفاده کن
بازبینی نداردخطا و تناقض مستقیم به خروجی می‌رسدیک مرحله review ثابت داشته باش
برای تست ساده کافی استدر کار واقعی ناپایدار می‌شودworkflow را برای سناریوی عملی طراحی کن

لینک‌های مرتبط

برای تصویر کامل، این‌ها را کنار هم ببین:

هر کدام یک لایه را توضیح می‌دهند و workflow آن‌ها را به مسیر اجرا وصل می‌کند.

مثال عملی: خلاصه‌سازی جلسه

فرض کن Agent باید یک جلسه تیمی را به خلاصه اجرایی تبدیل کند.

مسیر پیشنهادی

  1. هدف را مشخص می‌کند: خلاصه مدیریتی و قابل‌ارسال
  2. ورودی را می‌گیرد: transcript یا یادداشت جلسه
  3. context را می‌سازد: مخاطب، لحن، طول، سطح جزئیات
  4. نکات مهم را استخراج می‌کند: تصمیم‌ها، ریسک‌ها، اقدام‌ها
  5. اگر جلسه طولانی بود، بخش‌ها را به‌صورت جدا مرور می‌کند تا چیزی جا نماند
  6. خروجی را بازبینی می‌کند: آیا چیزی جا افتاده است؟
  7. نتیجه را در قالب نهایی تحویل می‌دهد

نمونه خروجی

  • خلاصه 5 خطی
  • 3 تصمیم اصلی
  • 4 اقدام بعدی با مسئول
  • یک بخش «موارد باز»
  • یک هشدار کوتاه درباره ریسک‌های حل‌نشده

این مثال نشان می‌دهد workflow فقط «نویسندگی خوب» نیست؛ مسیر درست تولید و کنترل نتیجه هم هست. اگر این مسیر را از قبل بنویسی، agent در عمل کمتر حدس می‌زند و بیشتر اجرا می‌کند.

مسیر اجرا

اگر می‌خواهی برای یک Agent واقعی workflow بسازی، این ترتیب را نگه دار:

  1. هدف را در یک جمله بنویس
  2. ورودی‌های لازم را فهرست کن
  3. context را مشخص کن
  4. مرحله‌های نیازمند ابزار را جدا کن
  5. نقطه‌های بازبینی را تعیین کن
  6. قالب خروجی را ثابت کن
  7. با یک نمونه واقعی تست کن
  8. مسیرهای خطا را هم از اول طراحی کن

جمع‌بندی پاسخ‌محور

پاسخ کوتاه: workflow در AI Agent یعنی مسیر اجرایی روشن از هدف تا خروجی؛ یعنی مشخص کنیم چه چیزی اول می‌آید، کجا تصمیم گرفته می‌شود، چه زمانی ابزار صدا زده می‌شود، چه‌وقت بازبینی لازم است و خروجی نهایی در چه قالبی تحویل داده می‌شود.

اگر فقط یک چیز را به‌خاطر بسپاری، این باشد: Agent وقتی خوب کار می‌کند که مسیر کارش از قبل طراحی شده باشد، نه این‌که فقط «خوب صحبت کند».

پرسش‌ها

سوالات متداول

Workflow در AI Agent یعنی چه؟

Workflow یعنی مسیر مرحله‌به‌مرحله‌ای که Agent برای رسیدن به یک هدف طی می‌کند؛ از گرفتن ورودی تا ساخت context، استفاده از ابزار، بازبینی و دادن خروجی نهایی.

آیا workflow یعنی فقط چند Prompt پشت سر هم؟

نه. چند Prompt پشت سر هم فقط یک بخش کوچک از کار است. workflow کامل باید هدف، ورودی، context، استفاده از ابزار، بازبینی و خروجی را با هم در نظر بگیرد.

چرا workflow از Prompt مهم‌تر می‌شود؟

چون در کارهای واقعی، فقط نوشتن Prompt کافی نیست. اگر مسیر کار روشن نباشد، Agent ممکن است اشتباه انتخاب کند، اطلاعات را فراموش کند یا خروجی نامطمئن بسازد.

بعد از فهم workflow چه چیزی را باید یاد بگیرم؟

بعد از این مرحله، مفهوم Tool Calling قدم بعدی طبیعی است؛ یعنی این‌که Agent چطور از ابزارها برای اجرای هر مرحله از workflow استفاده می‌کند.

متادیتا

اطلاعات تکمیلی

دسته‌بندیآموزش‌ها
نوع منبعتحریریه
سطح اعتمادتأییدشده
فرمتگزارش پژوهشی