AI 简明手册把复杂任务拆开：五种 Workflow 模式
定义
五种经过验证的 Workflow 编排模式从简到繁排列：Prompt Chaining 顺序串联任务，Routing 先分类再分派到专门分支，Parallelization 并行处理并聚合结果，Orchestrator-Workers 由中心模型动态拆解任务，Evaluator-Optimizer 通过生成-评判循环迭代改进输出。
先搭一个心智模型
五种 Workflow 模式不是必须背诵的等级，而是五种“任务之间怎样依赖”的形状：一条链、一个分流口、几条并行线、临时拆出的工单，以及带反馈的返工环。
说明
Prompt Chaining 把大任务拆为多个顺序步骤，上一步输出作为下一步输入，适合能在中间做质量把关的场景。Routing 先判断输入类型，再导向不同分支，每个分支可有独立配置，还能为简单问题用便宜模型节省成本。Parallelization 让多个调用同时执行再聚合，分为子任务并行和多次投票，可提升速度或置信度。
Orchestrator-Workers 由中心 LLM 运行时动态拆解任务并分配给工人，子任务不是代码里预定义的，最接近 Agent 模式；Evaluator-Optimizer 让一个 LLM 生成、另一个评判，迭代到满足标准或达到上限。选择时应从最简单的开始，只在确认不够用时升级。
跟着一个例子走
同一个客服收件箱，五种拆法
团队要把每天收到的客服消息分类、查询资料、生成回复并检查质量。
- 顺序串联
先提取诉求，再检索政策，最后写回复；后一步依赖前一步。
- 分类路由
退款、物流和账号问题进入不同分支，各自使用不同规则与工具。
- 并行处理
同时查询订单、物流和会员状态，等三个独立结果回来后再汇总。
- 动态拆解
遇到复杂投诉时，由编排模型临时决定要查哪些证据，再分给多个执行者。
- 生成后评判
回复草稿先交给检查器按规则评分，不合格才带着具体反馈重写。
边界与误区
Orchestrator-Workers 和 Parallelization 有什么区别： Parallelization 的子任务在代码中预先定义，拆分方式固定；Orchestrator-Workers 的子任务由中心 LLM 根据输入动态决定，因此最接近 Agent 模式。
五种模式应按什么顺序选择： 从最简单的 Prompt Chaining 开始，只在简单方案不够用时升级。每增加一层复杂度，都要确认收益值得额外的延迟、成本和调试难度。
来源与核验
- [anthropic-agents] Anthropic：Building effective agents
核验日期：2026-08-31