AI 工作流方式即将退场真正的竞争是 AGI

上半年火热的扣子、Dify、n8n 等 AI 工作流平台，现在逐渐退温。很多人根本还没真正玩懂这些流程agent，却已然退场了。其实工作流的本质就是人工设计流程，把复杂的节点交由大模型执行，等于把简单的任务复杂化。现在的 AI 工作流，本质上是在用人为设计的节点、规则和工具调用，弥补大模型自身智能能力的不足。开发者需要提前告诉 AI 怎么做，而真正的智能应该是：人只需要提出目标，AI 就能够自主理解、规划、执行、纠错，并从经验中持续学习。所以根据个人理解大量依赖人工编排的工作流平台，必然面临被替代或边缘化的命运。

国内 AI 我几乎尝试，一圈用下来还是觉得 DeepSeek 和 Kimi。它们在持续探索基础模型的推理、泛化和复杂任务处理能力。虽然字节豆包、阿里 Qwen 等企业同样在开展基础模型研究，但个人认为真正值得长期投入关注的，是谁能从底层推动智能能力的突破，而不是谁拥有更多应用用户。重点说说腾讯 WorkBuddy。它支持多种大模型，通过 Skills、MCP 和 Agent 将现有 AI 能力整合成办公产品。从商业角度看，这条路线很现实，但我认为它更偏向于现有用户的转化和 AI 应用的快速商业化，而不是 AGI 的底层研究。它解决的是如何把当前 AI 更快地卖出去、用起来，而不是如何让 AI 产生真正的智能。相比之下，国外的 OpenAI Codex 和 Anthropic Claude Code（CC）背后的技术路线才是真正在走向AGI，当然不管是OpenAI 和 Anthropic 大模型展现出的自主理解任务、操作环境、编写代码、执行验证和反馈纠错的自主执行能力，但自主执行不等于真正的自主学习，距离 AGI 也还有很长的路。国内的大模型如果按照目前的路数走下去，终究不会有大的成果，可以预见的场景就是包装个外壳去调用别人的核心模型。

我认为，未来被淘汰的未必是工作流本身，而是需要人类亲自编排每一步流程的方式。 API、Skills、MCP 仍然会存在，但它们应该逐渐成为智能系统自主调用的底层能力，而不是要求用户去学习和配置的复杂工具。AI 的终极目标，不应该是让人类更方便地操作软件，而应该是让机器真正具备理解、学习和解决未知问题的能力。工作流是人类教机器如何做事，AGI 则是机器真正学会如何做事。

此篇文章由ChatGPT整理内容，本人提供部分观点并修正文稿。