Asgard AI Agentic Workflow 介紹
Asgard 是一個讓企業與開發者能夠快速建構、部署生成式 AI 應用的平台。 而 Workflow 是 Asgard 平台中核心的任務執行單元。它讓使用者以 可視化節點方式 設計並執行多階段流程，不論是對話任務、自動回覆、資料分析、文件理解、或跨系統整合，都能透過 Workflow 來實現。
什麼是 Asgard Workflow？
Asgard Workflow 是由一連串 節點（Processors） 所組成的自動化處理流程。每個節點都代表一個具體的動作，如：輸入觸發、呼叫 LLM、邏輯判斷、API 整合等。
Asgard Workflow 支援：
- 低程式碼／無程式碼拖拉配置
- 自動串接多模型（OpenAI, Anthropic, Google 等）
- 全流程監控與重試機制
- 整合 Asgard 其他模組（Knowledge Base、Data Source、Loader、AutoRAG...）
基本流程節點
| 節點名稱 | 說明 |
|---|---|
| Entry | 工作流程起點，可由手動啟動、API、Webhook、時間排程等方式觸發。 |
| Exit | 工作流程終點，代表流程的結束。 |
多代理 (Multi-Agent) 架構與 Agentic Workflow：打造可思考的 AI 系統
Asgard 與傳統 AI 工作流程最大的不同，在於其全面支援 Agentic Workflow 及 Multi-Agent 多代理協作架構，讓 AI 不只是「一次回答的機器」，而是能「自主規劃、執行並反思」的智慧代理系統，這也是目前 AI 工具鏈中最具突破性的設計之一。
因此在 Asgard 同一個專案中能夠配置多位智慧代理（Agent），每位 Agent 背後可串接 1 至 N 個 Workflow，構成更智慧的任務分工。
同時也可以依據不同的工作任務類型，靈活的支援各種 Workflow 的設計：
| 工作流程類型 | 特徵 | Asgard 支援 |
|---|---|---|
| Automated Workflow（非 AI、自動化） | 基於固定規則，逐步執行流程。 | ✅ |
| AI Workflow（非代理型 AI） | 使用 AI 模型一次性生成回應，無規劃與反饋機制。 | ✅ |
| Agentic Workflow（代理型 AI） | AI Agent 可規劃步驟、使用工具、評估結果再決策，具備反饋迴圈。 | ✅✅✅ Asgard主力特點 |
Agentic Workflow：從單步反應到多步思考的飛躍
在 Asgard 中，每一位 AI Agent 都遵循類似人類解決問題的邏輯流程：
- Make a Plan – 根據用戶任務產出明確行動規劃
- Execute with Tools – 執行計劃所需的工具流程（如 API、RAG 查詢、資料轉換等）
- Reflect on Result – 檢查結果是否符合目標，若不滿意可自行迴圈修正
這樣的設計讓 Agent 具備「規劃能力 + 工具整合 + 結果判斷」三重智慧，形成真正能完成任務的複合式 AI。
支援 Multi-Agent 架構
Asgard Workflow 天生支援 多智慧代理（Multi-Agent）架構，每個 Agent 代表一種任務角色，例如：
- 市場研究 Agent（爬蟲 → 摘要 → 建議）
- 文件審核 Agent（上傳 PDF → 抽取重點 → 提問答覆）
- 客服助理 Agent（即時對話 → 知識庫回答 → 工單產生）
架構關係如下：
- 一個 Project：可包含多個 Agent
- 一個 Agent：由多條 Workflow 組成（可串聯）
- 一條 Workflow：包含多個 Processor（處理節點）
這樣的架構可讓大型任務拆分為數個專責角色、邏輯清楚、可獨立測試與重複使用。
應用場景範例
| 類型 | 實例 | Workflow 流程簡述 |
|---|---|---|
| 客服自動回覆 | LINE Bot 客服 | Entry（LINE webhook）→ LLM 回答 → API 寫入工單系統 → Exit |
| 文件摘要 | 契約分析 助理 | Entry（上傳檔案）→ Knowledge Query → LLM 摘要 → Decision 判斷風險 → Message |
| 行銷企劃 | SEO Blog 生成器 | Entry（主題輸入）→ LLM 寫文章 → API 自動貼文至 CMS |
| 多語對話 | AI 翻譯助手 | Entry（用戶輸入）→ Language Detection → LLM 翻譯 → Exit |
| 知識文件 Q&A | 技術知識庫查詢 | Entry（使用者提問）→ Knowledge Query → LLM 回答 → Message |
優勢特色
-
✅ 模組化設計：節點皆為可視化積木，直覺拖拉配置
-
✅ 跨模型支持：可自由選擇語言模型與切換策略（如 GPT-3.5, GPT-4, Claude 3, Gemini 1.5）
-
✅ RAG 原生整合：內建知識庫與 AutoRAG，自動切段、嵌入、查詢
-
✅ 與外部系統整合簡單：API Call、Webhook、Callback 機制
-
✅ 支援任務導向模型選擇：根據任務特性自動使用最適模型