探果 Agent 工作流实战：把 5 个 AI 技能串成自动流水线，告别手动拼接-优快云博客

探果（Tengo）的 Agent 编排能力可以把多个独立 Skill 连成流水线，一个指令触发全链路自动执行。本文用「电商选品报告生成」场景完整演示一遍，踩了哪些坑、上下文怎么传递、条件分支怎么写——全在里面。

一、问题来了：单 Skill 的天花板

用 AI 工具一段时间后，大多数人会遇到同一个问题：

每个 Skill 是一个孤岛。

你让它写文案，它写完了。你让它分析数据，它分析完了。但如果你想让它「先分析竞品，再写基于分析结果的文案，最后汇总成一份报告」——你得手动把每步的输出复制粘贴到下一步的输入框里。

这就是市面上 90% AI 工具的天花板：工具会干活，但不会「串活」。

探果（Tengo）的 Agent 工作流就是为了解这个问题设计的。

二、核心概念：Skill vs Agent

先把两个概念对齐：

概念	定义	类比
Skill	单一功能模块，处理一类输入输出	一个函数
Agent	把多个 Skill 按逻辑编排成流水线	一个函数调用链

Skill 是原材料，Agent 是生产线。

探果里一个 Agent 工作流的基本单元长这样：

# Agent 工作流结构示意（简化版）
agent_name: "电商选品报告"
trigger: "手动 / 定时 / Webhook"

steps:
  - id: step_1
    skill: "竞品搜索"
    input: "{{user.keyword}}"
    output: raw_competitors

  - id: step_2
    skill: "价格区间分析"
    input: "{{step_1.raw_competitors}}"
    output: price_analysis

  - id: step_3
    skill: "用户评论提炼"
    input: "{{step_1.raw_competitors}}"
    output: pain_points

  - id: step_4
    skill: "选品报告生成"
    input:
      competitors: "{{step_1.raw_competitors}}"
      price: "{{step_2.price_analysis}}"
      pain_points: "{{step_3.pain_points}}"
    output: final_report

  - id: step_5
    skill: "文件导出"
    input: "{{step_4.final_report}}"
    format: "markdown"

关键点是 {{step_x.output}} 这种变量引用语法——这是上下文在步骤间传递的核心机制。

三、实战：搭一个「1688 选品报告」工作流

场景说明

目标：输入一个品类关键词（比如「便携蓝牙音箱」），自动输出一份包含竞品分析、价格区间、用户痛点、推广文案草稿的完整选品报告。

手动做需要多久？ 我实测过，从搜索到整理输出，大概 2-3 小时。

用 Agent 工作流需要多久？ 一次触发，等 4 分 20 秒，报告到手。

Step 1：在探果里新建 Agent

路径：主界面 → 工作流 → 新建 Agent → 空白模板

一个重要的踩坑记录放这里：

⚠️ 坑 1：第一次配置完成后直接保存，发现工作流静默失败了，日志里完全没有错误提示。

排查了 20 分钟，发现是 step_2 的输入变量写成了 {{step1.raw}} 而不是 {{step_1.raw_competitors}}——变量名大小写和下划线必须和定义时完全一致，不做模糊匹配。这个细节文档里没有，吃了亏才知道。

Step 2：配置上下文传递

探果 Agent 的变量传递支持三种模式：

1. 直接引用  → {{step_x.field_name}}     # 取某步骤的某个字段
2. 全量引用  → {{step_x}}                # 把整个输出作为下一步的输入
3. 合并引用  → {{step_x}} + {{step_y}}   # 把多步输出合并后传入

选品报告这个场景里，step_4「报告生成」需要同时拿到 step_1、step_2、step_3 的输出，用的就是合并引用。

实测性能数据（5 次平均值）：

步骤	平均耗时
竞品搜索（step_1）	38s
价格分析（step_2）	22s
评论提炼（step_3）	31s
报告生成（step_4）	68s
文件导出（step_5）	8s
全流程	约 4min 20s

step_2 和 step_3 依赖 step_1 的输出，但两者之间互相独立，探果会自动并行执行——这是比手动拼接快很多的原因之一。

Step 3：加条件分支

实际业务里，不是每个关键词都值得继续走全流程。如果 step_1 搜出来的竞品数量少于 5 个，说明这个品类数据太稀疏，继续分析意义不大，应该直接终止并提示用户。

探果支持在步骤间插入条件判断节点：

- id: gate_1
  type: condition
  if: "{{step_1.count}} < 5"
  then: terminate   # 终止并输出提示
  else: continue    # 继续执行后续步骤

⚠️ 坑 2：条件表达式只支持数值比较和字符串 equals，不支持正则或复杂逻辑运算。

我试图写 {{step_1.raw_competitors}} contains "Amazon" 来过滤跨境产品，发现直接报语法错误。解决办法是把过滤逻辑写进 Skill 本身的 Prompt，让 Skill 输出一个布尔字段，条件节点只判断这个字段的值。

四、Agent 工作流 vs 手动拼接 vs 写脚本

维度	手动拼接	写 Python 脚本	探果 Agent
上手门槛	无	需要编程基础	图形化配置，低门槛
灵活度	完全灵活	极高	中等（条件逻辑有限制）
上下文传递	手动复制粘贴	变量传递	可视化变量引用
并行执行	不支持	需手动 async	自动并行
维护成本	每次都得手动	依赖维护 + 环境配置	在产品内维护，无环境问题
适合场景	一次性任务	复杂定制化任务	中等复杂度的重复性任务