夜雨聆风你好，我是Mayuki。
上周我们讲了提示词、知识库、工作流三个优化技巧。如果你的智能体已经从"能用"变成"好用"了，你其实已经超过了90%的AI使用者。
但今天我要带你跨过下一个门槛：从"你问一步AI走一步"，到"你给一个目标，AI自己跑完全程"。
这不是未来时。7月28日Anthropic发布MCP协议最大更新，新增Tasks功能让AI能处理长周期任务；月度SDK下载量突破4亿次。同时，米哈游AI猫咪AnuNeko上线不到8个月停运——用户聊得越多公司亏得越多。8月1日路透社报道，OpenAI发现更多AI智能体出现超出预期的自主行为。技术到位了，成本边界也显现了，安全警报也响了。
这三件事同时发生，说明AI自主执行能力已经跨过临界点。问题是：你会不会用。
今天这篇是Phase 2收官篇。我带你从零搭一个真正能"自己干活"的多步自动化工作流，每一步都讲透怎么操作、为什么这么设置。
一、多步自动化跟单步执行差在哪
单步执行：你说"帮我查竞品A的价格"，AI查完告诉你。你再说"查B的"，他又查完。你得一个指令一个指令地发，他一步都不多走。
多步自动化：你说"帮我做一份竞品价格对比分析"，AI自己拆任务：列出竞品→逐个查询→整理成表→分析差异→生成报告。你给一个目标，他跑完全程交付结果。
两种模式的区别不在于AI能力，而在于你跟AI之间的信任边界。单步执行你只信任AI处理一件事；多步自动化你信任AI完成一整件事。很多人卡在这里——不是AI做不到，而是你不敢放手。不敢放手的原因，往往是你自己都没想清楚"这个目标要拆成哪些步骤"。
所以搭工作流的第一步，不是打开扣子，是拿出纸笔。
二、两个让AI"自己干"的核心能力
动手之前，先理解两个关键能力。
●条件判断（If-Else）：让AI"看情况办事"
客户来咨询，问产品走产品库，问售后走售后库。如果AI不会判断，就只能你手动分流。扣子的条件分支节点就是解决这个的——AI跑到分叉路口，根据条件自动选路。
这背后有一个重要转变：以前你每次遇到分叉都要现场判断，现在你把判断标准提前固化进系统。你从"做判断的人"变成了"定规则的人"。
●循环执行：让AI"批量干活"
给一个竞品清单，AI自动逐个分析完再汇总。但循环次数设多少是关键——设太低做不完，设太高成本失控。AnuNeko为什么停运？因为AI产品用户越多成本越高，每次交互都烧Token。一个三步工作流的Token消耗是单次对话的5-10倍，加上循环可能是50倍。
建议循环次数从5-10次起步，先小批量测试再放大。
三、实战：从零搭一个"市场调研助手"
场景：你输入一个行业名称，AI自动完成调研并交付一份结构化报告。我把每一步拆开讲，你跟着做就行。
●第1步：画蓝图（最重要，别跳过）
先别碰扣子。拿出纸笔，把整个流程画出来：
为什么这步最重要？ 因为你在画图时，本质上是在回答：要完成这个目标，需要哪些步骤，每步的输入输出是什么？很多人搭工作流失败不是不会用扣子，是自己都没想清楚"这个任务到底怎么做"。你把没拆解过的任务丢给AI，AI当然做不好。
好的蓝图有三个特征：每步有明确输入输出、有清晰判断分支、有明确终止条件。画不出来就继续想，别急着动手。
●第2步：创建工作流
打开扣子（coze.cn），登录后进入工作台。左侧菜单找到"资源库"→点"工作流"→右上角"创建工作流"。
弹出对话框，填两个东西：
○工作流名称：market_research_assistant（英文+下划线，扣子要求）
○描述：输入行业名称，自动搜索、提取关键信息、生成结构化调研报告
点"确定"，进入工作流编辑器。你会看到一个空白画布，上面已经放好了Start节点和End节点。Start是入口，End是出口，你要做的就是在中间插入处理节点。
●第3步：配置Start节点
点击Start节点，右侧弹出配置面板。
添加入参：点"添加参数"，填三行：
○参数名：industry
○类型：String
○描述：要调研的行业名称，如"新能源汽车"
为什么描述要写例子？ 因为这个描述不仅给人看，也给AI看。AI执行时会参考参数描述来理解你想要什么。写了"新能源汽车"这个例子，AI就知道你期望的是具体行业名，不是"所有行业"这种模糊输入。
配置完点"保存"。
●第4步：添加搜索节点
在画布空白处点右键→"添加节点"→"插件"，搜索"必应搜索"（Bing Search），选中后拖到Start节点下方。
配置搜索节点：
○搜索词（query）：点输入框右侧的{x}图标，选择{{input.industry}}，然后手动补充文字，最终填入：{{input.industry}} 行业分析 市场规模 最新动态
○结果数量（count）：填5（默认10条可能太多，5条够用）
为什么搜索词要加限定词？ "新能源汽车"这个搜索词太宽，搜出来什么都有。加上"行业分析""市场规模""最新动态"三个限定词，搜出来的内容才对后面有用。搜索词是整个工作流的地基——地基歪了，后面全歪。
把Start节点和搜索节点用线连起来：鼠标按住Start节点底部的圆点，拖到搜索节点顶部的圆点，松手。
●第5步：添加LLM节点——提取关键信息
在搜索节点下方再添加一个"LLM"节点（右键→添加节点→LLM）。
配置LLM节点：
○模型：选一个你常用的（比如Doubao-pro）
○系统提示词：你是一个行业分析师助理。从搜索结果中提取以下三个维度的信息：
1.市场规模 2.主要玩家 3.近半年趋势变化。如果某个维度信息不足，在该维度下标注"信息不足"。以JSON格式输出，字段名分别为market_size、key_players、trends。
○用户消息：点{x}引用搜索节点的输出：{{搜索节点.output}}
为什么提示词要这么写？ 三个关键设计：
1."信息不足就标注"——为下一步If-Else判断提供条件。不写这句，AI可能瞎编，后面判断就失效
2."以JSON格式输出"——结构化输出，方便If-Else节点按字段判断
3."字段名分别为..."——明确字段名，If-Else节点才能精确引用
把搜索节点和LLM节点连起来。
●第6步：添加If-Else节点——条件判断
在LLM节点下方添加"If-Else"节点。
配置条件：点"添加条件"，设置：
○条件1：{{LLM节点.market_size}} 包含 "信息不足" → 走"否"分支（补充搜索）
○条件2：{{LLM节点.key_players}} 包含 "信息不足" → 走"否"分支
○条件3：{{LLM节点.trends}} 包含 "信息不足" → 走"否"分支
○以上都不满足 → 走"是"分支（生成报告）
为什么用"包含信息不足"而不是"不为空"？ 因为AI在信息不足时会输出"信息不足"这四个字，字段本身不为空。如果你判断"不为空"，AI永远走"是"分支，If-Else就形同虚设。这是新手最容易踩的坑——条件设置和AI的输出格式不匹配。
把LLM节点和If-Else节点连起来。
●第7步：配置"是"分支——生成报告
If-Else节点的"是"分支（条件满足，信息充足）下方，添加一个LLM节点。
配置：
○系统提示词：你是一个行业分析师。基于以下信息，生成一份结构化行业调研报告，包含四个部分：
一、行业概览（市场规模和增长情况）；二、竞争格局（主要玩家及定位）；
三、趋势分析（近半年变化和未来方向）；四、行动建议（给创业者的3条建议）。
语言简洁通俗，面向非专业读者，总字数800-1200字。
○用户消息：{{LLM节点.output}}（引用第5步提取的信息）
为什么限制字数和受众？ 不限制的话，AI可能给你写一篇5000字的论文。你是要一份快速可读的调研报告，不是学术论文。"面向非专业读者"确保AI不会堆术语。
●第8步：配置"否"分支——补充搜索
If-Else的"否"分支（信息不足）下方，添加一个搜索节点：
配置：
○搜索词：{{input.industry}} 竞争格局 增长趋势 行业报告（换一组关键词，和第4步不同）
○结果数量：5
搜索节点下方再接一个LLM节点，提示词和第5步一样（提取三个维度）。然后把这个LLM节点的输出连到第7步的"生成报告"LLM节点上。
设计思路：补充搜索不是"重头来一遍"，而是换关键词补刀。如果"市场规模"搜不到，换"增长趋势""行业报告"可能就搜到了。如果你发现某个维度总是搜不到，说明你的搜索关键词需要调整，而不是让AI无限循环去搜。
●第9步：配置End节点
点击End节点，设置输出：
○引用第7步"生成报告"LLM节点的输出：{{生成报告.output}}
这样工作流跑完后，输出的就是最终报告。
●第10步：连接所有节点
检查一遍连线：Start→搜索→LLM提取→If-Else→（是）LLM生成报告→End；（否）搜索补充→LLM提取→LLM生成报告→End。
每个节点之间的线都连好了，数据才能顺着管道流过去。漏连一根线，数据就断了。
●第11步：试运行调试
点画布右上角的"试运行"按钮。
在弹出的测试面板中，输入参数：industry 填"新能源汽车"。点"运行"。
等它跑完后，重点检查三个环节：
① 搜索结果准不准？
点开搜索节点的运行日志，看搜到了什么。如果内容跟你预期差太远，回到第4步调整搜索关键词。搜索词是地基，地基歪了后面全歪。
② 提取信息全不全？
点开第5步LLM节点的日志，看JSON输出。如果三个字段都有实质内容（不是"信息不足"），说明提取成功。如果缺了，优化提示词——把"提取三个维度"改成"必须提取市场规模、主要玩家、趋势变化三个维度，缺少哪个就标注'信息不足'"，越明确AI越不自由发挥。
③ 条件判断对不对？
看If-Else节点走了哪个分支。如果信息不足但走了"是"分支，说明你的条件设置有问题——回到第6步检查，确保判断的是"包含'信息不足'"而不是"不为空"。
调2-3轮基本就稳定了。调试这个环节本质上是你在和AI磨合——就像新员工入职，前几次交付你都得仔细检查，发现问题及时反馈。磨合到位了，后面才能真正放手。跳过磨合直接信任，不是高效，是赌博。
●第12步：发布并挂载
调试满意后，点画布右上角"发布"。
然后回到智能体编排页面（工作台→你的智能体→编排），在左侧"工作流"列表里找到刚发布的"市场调研助手"，点"+添加"，把它挂载到智能体上。
保存编排。现在你对这个智能体说"帮我调研一下新能源汽车行业"，它就会自动跑完整个流程，几秒钟到一分钟交付一份结构化报告。
四、成本和安全：两条不能省的底线
●成本控制
多步自动化每多一个节点就多一次AI调用，Token消耗是单次对话的好几倍。两条原则：
○控制循环次数：如果你的工作流有循环节点，最大次数设5-10次，超了就停
○先小批量测试：先用1个样本跑通，确认效果再正式使用。别一上来扔10个任务——万一有bug，10倍Token白烧
●安全边界
OpenAI智能体自主行为事件的教训：AI太"忠于目标"时，可能走你没打算让它走的路。你个人的工作流不至于"失控"，但"AI自作主张"的温和版天天发生——AI"生成"出不存在的数据、删掉它认为"多余"的步骤。
三条原则：
○重要操作加人工确认：涉及对外发送（邮件/消息/文章），输出前暂停，你确认无误再发
○设最大执行时间：扣子默认超时30分钟，保持默认
○定期看运行日志：每周花5分钟扫一眼成功/失败/Token消耗趋势
委托不等于放权。你把执行交给AI，但监督权永远在你手里。
Phase 2收官：你已经走过了多远？
两个月，五篇文章：
○7/5 基础篇一：认识了国产AI工具，选出第一把"锤子"
○7/12 基础篇二：了解了国外AI工具，知道各家擅长什么
○7/19 基础篇三：搞懂了智能体和聊天机器人的区别，搭出第一个智能体
○7/26 基础篇四：掌握了提示词、知识库、工作流三个进阶技巧
○8/5基础篇五（今天） ：学会多步自动化——给个目标让AI自己跑完全程
下周进入Phase 3：真实场景实战。 第一课：选对场景比选对平台更重要。
一句话总结：多步自动化=条件判断+循环执行+成本控制+安全边界。给AI一个目标让它自己跑完全程——但你永远握着刹车。
Mayuki:陪你在商业世界向上生长，向下扎根，向阳生金。
想要更多AI工具推荐和实操指南？回复「AI」 获取「AI提效工具清单」（持续更新），涵盖对话、写作、设计、编程、自动化五大场景的工具推荐和上手建议。
