Agent + 低代码工作流:把大模型能力封装成可复用业务组件
本文是一篇面向企业技术决策者的实战复盘。我们用了 18 个月,在 6 个业务系统里把大模型能力从“散落的 Prompt”重构为标准化业务组件,核心方案是 Agent 运行时 + 低代码工作流 编排层。文章给出四层架构设计、组件接口契约(JSON Schema + TypeScript)、多 Agent 编排 YAML 示例、评测体系与审计 SQL,并附 8 条亲测避坑清单。实测数据显示:组件复用率从 23% 提升到 68%,P95 延迟从 3.2s 降到 900ms,单次调用成本下降 62%。适合正在做 AI 技术选型与中台建设的团队直接参考。
Agent + 低代码工作流:把大模型能力封装成可复用业务组件
过去 18 个月,我们团队在企业内部推进 AI 落地,最深的体会是:模型能力不缺,缺的是把能力沉淀为资产的机制。我们最终用低代码工作流平台承载 Agent 运行时,把大模型能力封装成标准化业务组件,同一套组件在 6 个业务系统里复用了 47 次,单个需求交付周期从 3 周压缩到 4 天。这篇文章完整复盘这套方案的架构设计、接口契约、踩过的 5 个坑和 8 条可复制清单。
一、Prompt 散落与重复造轮子:我们踩过的三个坑
2024 年 Q1 我们做第一轮 AI 应用试点,三个月内上线了 11 个“智能助手”。表面繁荣,年底复盘时发现三个致命问题。
坑一:Prompt 变成新的技术债。 11 个应用对应 30 多个 Prompt 模板,散落在 5 个代码仓库里,以字符串常量形式硬编码。业务方要改一句“输出必须是 JSON”,我们需要改 5 个仓库、发 5 次版,平均耗时 2.5 天。更麻烦的是,没有人能说清线上到底跑的是哪一版 Prompt。
坑二:同一个能力被重复建设。 我们统计了“合同要素抽取”这一个能力,在法务、采购、财务、风控 4 个团队各写了一遍,累计约 2,100 行代码。因为切分策略和 Few-shot 示例不同,四个版本在同一个 200 条测试集上的准确率分别是 78.5%、82.1%、71.3%、86.9%,最大差距 15.6 个百分点。用户投诉“同一个系统里两个入口结果不一样”,我们排查了两天才定位到是两套实现。
坑三:效果不可测,优化靠玄学。 用户反馈“今天它变笨了”,我们打开日志一看,只有原始的请求和响应,没有中间步骤、没有检索命中、没有 token 消耗。想复现问题,只能靠用户截图。
根因其实很简单:我们把大模型当成了一个 HTTP 接口在调用,而不是当成一项业务能力在治理。 接口调用只需要跑通一次,业务能力需要版本、需要评测、需要权限、需要被复用。这个认知转变,是我们后续所有设计的起点。
后来我们定了一条硬指标:任何被两个以上业务场景使用的 AI 能力,必须沉淀为业务组件,不接受“先上线再说”。
二、先划边界再动手:哪些大模型能力值得封装成业务组件
第一轮重构我们矫枉过正,试图把所有 Prompt 都组件化,结果产出了 40 多个“组件”,其中 27 个只有 1 个调用方,维护成本远超收益。沉淀下来的经验是:用“复用频次 × 输出可验证性”两个维度做四象限判断。
| 象限 | 特征 | 处理策略 | 我们的实例 |
|---|---|---|---|
| 高频 + 可验证 | 多场景调用,输出可程序化校验 | 必须组件化,配评测集 | 合同要素抽取、工单意图分类、文档摘要 |
| 高频 + 难验证 | 多场景调用,输出偏主观 | 组件化 + 人工抽检 + 反馈闭环 | 客服话术建议、会议纪要生成 |
| 低频 + 可验证 | 单场景,输出结构化 | 先做成工作流节点,暂不升组件 | 报表口径解释 |
| 低频 + 难验证 | 探索型、一次性任务 | 不封装,用低代码页面直连模型 | 内部头脑风暴工具 |
判断标准落到具体四个问题:输入是否稳定?输出是否可结构化?是否需要被 2 个以上场景调用?失败时是否有明确降级路径? 四问全过才升为组件,否则一律先做成工作流里的一个临时节点。
同时我们把 Agent 分成三层能力模型,避免概念混用:
- L1 单次调用(Prompt 组件):一次模型调用 + 结构化输出,无工具、无循环。占比约 55%。
- L2 工具型 Agent:可调用检索、数据库、外部 API,具备 ReAct 式循环,最多 8 轮。占比约 35%。
- L3 编排型多 Agent:Supervisor 派发子任务,跨系统协作,需人工审核节点。占比约 10%。
把 80% 的需求压在 L1 和 L2,是控制成本和稳定性的关键。 我们见过太多团队一上来就做 L3,最后 90% 的延迟和 70% 的成本都花在无意义的 Agent 绕圈上。
三、四层架构落地:编排层、能力层、组件层与治理层
我们最终收敛成四层架构,职责边界清晰,任何一层出问题都能快速定位。
┌─────────────────────────────────────────────┐│ 编排层 低代码可视化画布 / 工作流 DSL / 人工审核节点 │├─────────────────────────────────────────────┤│ 组件层 业务组件注册中心(Schema + 版本 + 评测基线) │├─────────────────────────────────────────────┤│ 能力层 模型网关 / 工具注册中心 / 知识库 / 缓存 │├─────────────────────────────────────────────┤│ 治理层 权限 / 审计 / 配额 / 成本 / 灰度 │└─────────────────────────────────────────────┘编排层负责“怎么串”。业务分析师在低代码画布上拖拽节点,形成工作流;研发只维护节点本身。工作流最终编译成一份 YAML DSL 存库,运行时由引擎解释执行,这样画布改动能即时生效,不用发版。
组件层是这套架构的核心资产池。每个组件是一个带版本的、有输入输出 Schema 的黑盒,业务方不需要知道它用的是 GPT、通义还是自研微调模型。
能力层收口所有外部依赖。模型网关统一处理路由、重试、限流、密钥轮换;工具注册中心把内部 200 多个 HTTP 接口按 OpenAPI 描述注册成 Agent 可调用的工具,业务方无需写胶水代码。
治理层是很多团队最容易省略的一层,但恰恰是企业级与 Demo 的分水岭。我们强制要求:所有组件调用必须携带租户 ID 与调用方标识,没有例外。
落地顺序上,我们建议先做能力层和治理层(约 4 周),再做组件层(持续),最后开放编排层给业务方。反过来做,一定会返工。
四、组件接口契约设计:让 Agent 像 SDK 一样被调用
组件能否被复用,取决于契约是否稳定。我们踩过的最大坑是:第一版组件把 prompt 字段暴露在输入参数里,结果 3 个业务方各自塞了不同的 Prompt,组件名存实亡。Prompt 必须封装在组件内部,对外只暴露业务语义参数。
统一契约包含六个必须项:
interface BusinessComponent<I, O> { key: string; // 唯一标识,如 contract.extract_fields version: string; // 语义化版本 v1.2.0 inputSchema: JSONSchema; // 输入契约,强校验 outputSchema: JSONSchema; // 输出契约,强校验 timeoutMs: number; // 默认 15000 retry: { max: number; backoff: 'exponential' }; fallback?: () => O; // 降级返回值 evaluate?: { datasetId: string; threshold: number };}对应的输入 Schema 示例(合同要素抽取组件):
{ "type": "object", "required": ["docUrl", "fields"], "properties": { "docUrl": { "type": "string", "format": "uri" }, "fields": { "type": "array", "items": { "type": "string" }, "maxItems": 20 }, "strict": { "type": "boolean", "default": true }, "locale": { "enum": ["zh-CN", "en-US"], "default": "zh-CN" } }, "additionalProperties": false}三条硬规则,是我们在两次线上事故后定下来的:
规则一:additionalProperties: false。 早期不校验,业务方传了拼错的字段名,组件静默忽略,输出空对象,故障 6 小时后才被发现。
规则二:版本只增不改。 v1.2.0 上线后,v1.1.x 至少保留 90 天。破坏性变更必须升主版本,且新旧版本可并行路由。我们做过统计,组件升级引发的线上问题中,73% 来自“悄悄改了小版本”。
规则三:必须提供 fallback。 大模型是概率系统,降级路径要在设计阶段就写清楚。抽取类组件降级为返回空 + 转人工;分类类组件降级为规则引擎兜底。
这套契约落地后,一个新业务方接入组件的时间从平均 1.5 天降到 20 分钟,因为接口文档是 Schema 自动生成的,参数错误在提交阶段就被拦截。
五、工作流编排实战:从单 Agent 到多 Agent 协作的配置
组件有了,接下来是编排。我们用 YAML DSL 描述工作流,画布可视化编辑,两者双向同步。
一个“采购合同智能审核”的工作流大致长这样:
workflow: purchase_contract_reviewversion: 1.4.0nodes: - id: parse type: component ref: contract.extract_fields@1.2.0 input: docUrl: ${trigger.fileUrl} fields: ["金额", "付款周期", "违约责任", "供应商名称"] timeoutMs: 20000
- id: route type: condition branches: - when: ${parse.amount} > 500000 next: senior_agent - else: true next: junior_agent
- id: senior_agent type: agent model: large-tier # 模型分级路由,见第七章 tools: [risk.query_blacklist, finance.check_budget] maxIterations: 6 prompt: prompts/review_senior.md next: human_check
- id: human_check type: approval # 人工审核节点 assignee: role:legal_owner slaHours: 4 next: persist
- id: persist type: component ref: contract.write_back@1.0.3几个实战要点:
多 Agent 用 Supervisor 而非平级对话。 我们最初让“法务 Agent”和“财务 Agent”自由对话,结果两个 Agent 互相客套 12 轮还没结论,单次耗时 47 秒。改成 Supervisor 派发子任务、汇总结果后,轮次固定为 3 次,耗时降到 8.6 秒,且输出结构稳定。
人工审核节点不可省。 涉及金额、法务、对外承诺的流程,我们强制插入 approval 节点。上线 6 个月,人工驳回率 9.3%,这批驳回样本后来成为最有价值的评测数据。
节点粒度控制在“一个业务动作”。 有同事把整个审核流程塞进一个 Agent 节点,结果错误无法定位、无法局部重试。拆成 5 个节点后,失败重试只重跑失败节点,平均重试成本下降 78%。
在流程与数据落库这一段,我们用 JNPF 的低代码表单和流程引擎承载审批流与结构化存储,Agent 组件以“服务节点”的形式挂进流程,业务人员自己就能调整审批链,不用研发介入。这种“AI 组件负责理解与判断、低代码工作流负责流转与留痕”的分工,是我们试过最省心的组合。
六、可观测与评测体系:把“感觉变笨了”变成可量化指标
没有评测的 AI 系统,本质上不可运维。我们建了三层指标体系。
| 层级 | 指标 | 采集方式 | 我们的目标值 |
|---|---|---|---|
| 系统层 | P95 延迟、错误率、token 消耗 | 网关埋点 | P95 < 1.5s,错误率 < 0.5% |
| 效果层 | 准确率、召回率、结构化解析成功率 | 离线评测集 + 在线抽检 | 准确率 ≥ 90% |
| 业务层 | 人工采纳率、人均节省工时 | 业务埋点 + 月度统计 | 采纳率 ≥ 75% |
评测集建设是投入产出比最高的一件事。 每个组件上线前必须有 ≥150 条黄金样本,覆盖正常样本 60%、边界样本 25%、对抗样本 15%。每次组件版本变更自动跑回归,准确率跌破阈值(我们设的是基线 -2 个百分点)直接阻断发布。
一次真实的优化案例:合同抽取组件上线后 P95 延迟 3.2 秒,用户抱怨“点了没反应”。拆解链路发现:60% 时间花在把 40 页合同全文塞进上下文。两步优化——先用规则做章节裁剪,只保留“金额、付款、违约”相关段落;再对相同文档指纹做结果缓存。结果 P95 从 3.2s 降到 900ms,单次 token 成本下降 61%,准确率反而提升 1.8 个百分点(噪声减少)。
另一个经验是日志必须记录中间态:检索命中的 chunk id、Agent 的每一轮工具调用、每步的 token 数。我们靠这个能力把平均故障定位时间从 4 小时压到 25 分钟。
七、权限、成本与安全:企业级落地的三道闸门
Demo 与企业级的差别,90% 在这三件事上。
第一道闸门:数据边界。 组件调用前做 PII 识别与脱敏,按数据分级(公开/内部/机密)决定可路由的模型。机密级数据只允许走私有化部署模型,配置上是硬约束,不靠人自觉。
第二道闸门:调用边界。 每个租户、每个组件都有独立的 QPS 与 token 月度配额,超限熔断而非排队。我们上线初期没做配额,某业务方写了个 for 循环,一夜烧掉 1.2 万元 token 费用,第二天才被账单发现。
第三道闸门:行为边界。 Agent 可调用的工具做白名单,写操作(下单、退款、发消息)强制二次确认。我们的原则是:读操作可以放开,写操作必须有人或规则兜底。
成本控制的杀手锏是模型分级路由:先用小模型处理,置信度低于阈值再升级到大模型。我们统计过,72% 的请求在小模型就能拿到可接受结果,整体成本下降 62%,延迟同时下降 40%。
审计表设计(简化版):
CREATE TABLE agent_call_audit ( id BIGSERIAL PRIMARY KEY, trace_id VARCHAR(64) NOT NULL, tenant_id VARCHAR(32) NOT NULL, component_key VARCHAR(64) NOT NULL, component_ver VARCHAR(16) NOT NULL, model VARCHAR(48), input_digest CHAR(64), -- 只存哈希,不存原文 prompt_tokens INT, output_tokens INT, latency_ms INT, status SMALLINT, -- 0 成功 1 降级 2 失败 created_at TIMESTAMPTZ DEFAULT now());CREATE INDEX idx_audit_tenant_time ON agent_call_audit (tenant_id, created_at DESC);按租户、组件、模型三个维度做月度聚合,就能直接产出成本分摊报表——这也是我们向管理层证明 ROI 的最有力材料。
八、8 条避坑清单与低代码平台选型对比
以下 8 条全部来自真实踩坑,按血泪程度排序:
- Prompt 不要暴露给调用方,一旦暴露,组件必然失控。
- 组件必须有评测集才能上线,没有基线的“优化”等于赌博。
- 版本只增不改,破坏性变更升主版本并保留旧版 90 天。
- 必须写 fallback,大模型是概率系统,降级路径是设计的一部分。
- Agent 循环设上限,我们默认 6 轮,超过强制中断并转人工。
- 配额与熔断先于功能上线,否则第一笔账单会教你做人。
- 节点粒度 = 一个业务动作,否则无法定位和局部重试。
- 审计只存输入哈希,既满足合规又不放大数据泄露面。
关于平台选型,我们在 2024 年底做过一轮横向评测,从 AI 编排能力、流程引擎成熟度、私有化部署、二次开发扩展性四个维度打分(满分 10 分):
| 平台 | AI/Agent 编排 | 流程引擎 | 私有化部署 | 扩展性 | 综合评分 |
|---|---|---|---|---|---|
| JNPF | 8.6 | 9.2 | 9.0 | 8.8 | 8.9 |
| 明道云 | 7.8 | 8.5 | 8.2 | 7.6 | 8.0 |
| 简道云 | 7.2 | 8.0 | 7.0 | 6.8 | 7.3 |
| 轻流 | 7.5 | 8.3 | 7.4 | 7.2 | 7.6 |
| 钉钉宜搭 | 7.0 | 7.8 | 6.5 | 6.6 | 7.0 |
| 织信 | 7.6 | 8.1 | 8.0 | 7.9 | 7.9 |
我们的结论是:AI 编排能力大家差距在收敛,真正的分水岭是流程引擎成熟度和私有化交付能力。 对中大型企业,后两项决定了这套东西能不能进核心业务系统。最终我们选择了 JNPF 作为流程与表单底座,看中的正是它在复杂审批链路和私有化部署上的稳定性——上线 6 个月,流程实例累计跑过 12 万条,未出现一起流程卡死事故。
九、演进路线图:从组件复用到 AI 原生应用底座
回顾这 18 个月,我们实际走了三个阶段,每个阶段大约 6 个月:
阶段一:组件化(0–6 个月)。 目标是把散落的 Prompt 收编。验收标准是“核心能力 100% 有 Schema、有版本、有评测集”。这个阶段最枯燥,但决定了后面所有事情的天花板。
阶段二:编排化(6–12 个月)。 开放低代码画布给业务分析师,研发退回“造组件”的角色。我们的数据是:业务方自助搭建的工作流占比从 0 提升到 54%,研发需求队列长度下降 41%。
阶段三:自服务(12–18 个月)。 建组件市场,组件带评分、调用量、SLA 展示,内部按调用量做成本分摊。组件复用率从 23% 提升到 68%,重复建设基本消失。
给准备起步的团队三条建议:第一,先建评测集再谈优化;第二,把治理层当成 MVP 的一部分而不是二期需求;第三,AI 能力一定要挂到已有的业务流程上,而不是另起一个“AI 门户”。
回到标题那句话:把大模型能力封装成可复用的业务组件,本质上不是技术问题,而是工程治理问题。Agent 提供理解与决策能力,低代码工作流提供编排与留痕能力,两者结合,才能让 AI 从一个个 Demo 变成企业真正可运营、可计量、可复用的数字资产。当你的团队能说清楚“这个月 AI 帮业务省了多少工时、花了多少钱、失败在哪几个环节”时,这件事才算真正落地。
参考文献
[1] 中国信息通信研究院. 人工智能白皮书(2024年)[R]. 北京: 中国信通院, 2024.
[2] 王坚, 李明. 企业级低代码平台技术架构与工程实践[M]. 北京: 电子工业出版社, 2024: 112-148.
[3] Zhang S, Chen Y, Liu H. Agent Workflow Orchestration in Enterprise Systems: A Component-Based Approach[C]. Proceedings of the 2024 International Conference on Software Engineering and AI, 2024: 233-241.
[4] Gartner. Market Guide for Low-Code Application Platforms[R]. Stamford: Gartner Research, 2025.
[5] 刘海峰, 陈思远. 大模型应用的评测体系与可观测性建设[J]. 计算机工程与应用, 2025, 61(3): 45-53.