五种 Workflow 模式

从「Pattern 1」走到「Pattern 2」

「Pattern 1」先把问题落在「1 Prompt Chaining 提示链 把一个大任务拆解为 多个顺序步骤 ，上一步的输出直接作为下一步的输入。每一步都是一次独立的 LLM 调用，专注做好一件事。步骤之间可以插入质量门（programmatic gate），只有通过检查才进入下一步。 输入 LLM Step 1 Gate LLM Step 2 输出 适用场景 任务能自然拆解为多个固定步骤；需要在中间环节做质量检查；用准确度换取延迟。 真实例子…」上；到了「Pattern 2」，讨论继续推进到「2 Routing 路由 先 分类输入 ，然后将其导向不同的专门处理分支。每个分支可以有独立的 Prompt、模型甚至工具配置。核心价值：关注点分离，让每个分支只处理一种类型的输入。 输入 分类器 处理分支 A 处理分支 B 处理分支 C 适用场景 输入类型多样，不同类型需要完全不同的处理逻辑；需要成本优化（简单问题用便宜模型，复杂问题用强模型）。 真实例子： 客服系统：简单 FAQ 用 Haiku（快且便宜），退款…」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。

把这条判断带到下一个场景

算法题换成真实任务后，先找出重复工作，再问输入规模如何变化，最后用一个小基准验证理论判断。这样不会把复杂度记成脱离场景的标签。

• 「Pattern 1」：1 Prompt Chaining 提示链 把一个大任务拆解为 多个顺序步骤 ，上一步的输出直接作为下一步的输入。每一步都是一次独立的 LLM 调用，专注做好一件事。步骤之间可以插入质量门（programmatic gate），只有通过检查才进入下一步。 输入 LLM Step 1 Gate LLM Step 2 输出 适用场景 任务能自然拆解为多个固定步骤；需要在中间环节做质量检查；用准确度换取延迟。 真实例子…
• 「Pattern 2」：2 Routing 路由 先 分类输入 ，然后将其导向不同的专门处理分支。每个分支可以有独立的 Prompt、模型甚至工具配置。核心价值：关注点分离，让每个分支只处理一种类型的输入。 输入 分类器 处理分支 A 处理分支 B 处理分支 C 适用场景 输入类型多样，不同类型需要完全不同的处理逻辑；需要成本优化（简单问题用便宜模型，复杂问题用强模型）。 真实例子： 客服系统：简单 FAQ 用 Haiku（快且便宜），退款…
• 「动手试试：模拟调度器」：Prompt Chaining Routing Parallelization Orchestrator Evaluator 点击上方按钮查看不同模式的数据流转动画 总结 五种模式一览 模式 核心思想 典型场景 复杂度 Prompt Chaining 顺序串联，逐步处理 文案生成管道 低 Routing 分类导向，专门处理 智能客服分流 低 Parallelization 并行处理，聚合结果 多维度代码审查 中 Or…

最后的「动手试试：模拟调度器」把讨论落到「Prompt Chaining Routing Parallelization Orchestrator Evaluator 点击上方按钮查看不同模式的数据流转动画 总结 五种模式一览 模式 核心思想 典型场景 复杂度 Prompt Chaining 顺序串联，逐步处理 文案生成管道 低 Routing 分类导向，专门处理 智能客服分流 低 Parallelization 并行处理，聚合结果 多维度代码审查 中 Or…」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。