从AI Agent到Agentic workflow，技术发展与应用进入新阶段

随着技术的不断进步，从大型语言模型（LLM）到AI Agent再到Agentic workflow，新技术快速应用于实际场景。AI Agent和Agentic workflow作为LLM的落地应用方式，展现出普适性和灵活性，推动了智能体工作流的广泛应用。

文心智能体平台汇聚了大量开发者，智能体数量快速增长。在Coze平台上，智能体工作流的应用模式远超预想，包括多智能体、工作流、图像流等。智能体构建平台如OpenAI的GPTs数量也在持续增长。然而，智能体的快速发展引发了安全风险和伦理问题，需要制定规范并改进互联网标准。

Agentic workflow并非简单的智能体工作流，而是包含传统软件、大语言模型、AI Agent等在内的新型业务流程集合。传统业务流程的智能化，无论是通过LLM工作流或Agent工作流，都可视为Agentic workflow的一部分。

研究Agentic workflow不仅要关注AI Agent和Agentic Workflow本身，还需关注大语言模型及RPA等传统业务流程在LLM及Workflow方面的进展。为了让大家更好地学习与理解Agentic workflow，本文精选了25篇论文，分为技术框架、系统（套件与工具）、评估测试基准、编程语言、模型与工作流及方法论六大类。

技术框架方面，Sibyl、PEER和BMW Agents等论文介绍了智能体框架的设计与应用。系统方面，AgileCoder和Parrot等论文探讨了智能体系统与工具的开发与优化。评估测试基准如WorkArena++和FlowBench提供了智能体工作流性能评估的框架。编程语言方面，APPL展示了提示编程语言的集成与应用。模型与工作流部分，Granite Code Models等论文关注代码智能模型的开发与应用。方法论方面，论文涵盖了跨领域知识发现、基础模型开发、协同人机交互等议题。

通过上述论文的综述，我们可以深入了解Agentic workflow的现状与未来发展趋势，以及其在不同领域的应用与挑战。