给自己规划流程、调整节奏，与给AI Agent下指令、调Workflow是一回事。
Workflow构建
环节拆分
当一件事情不足够简单，那么它就一定需要被拆分成不同的环节逐步实施。
- 先明确已有条件、资源以及需要达成的结果
- 再从两头推中间环节
- 中间环节可能有前馈有反馈，需明确环路的循环次数和结束条件
- 为了提高效率，流水线、并行化是工作流可优化的方向
简单Workflow扩充
明确Workflow也是需要多个环节的。先写一个足够简单直白的粗略版本再不断细化，才能分级别地依次加入思考；如果一开始就追求高大全的Workflow，大概率你的脑容量不够用。
输入输出
我非常看中每个环节的输入输出。追求输入输出在格式和指标上的匹配有助于全局理解和断点调试。
例如，在卷积神经网络的理解中，每个Conv层和Pooling层是天然的已切分的环节，它们的规模和通道数需要对应；而某一层的输入输出的规模又大概率会因为padding、batch size等参数而不相同，因此明确每个环节输入输出的格式和内容显而易见有助于理解整体机理。
在一张不完美的纸上画草稿
追求完美无瑕往往是手脚缓慢的元凶。
给我一张干净的A4纸让我画出Workflow，我会觉得压力好大，难以下手；但是在一张已经使用过的，甚至是仅有少量空白的纸上，很不在乎细节、不在乎框图可拓展性地画出脑海中顺序出现的内容，对我而言是一件思维流畅的事——先在画出的小垃圾上面缝缝补补，等到狭小的草稿纸无法承担过多巧思之时，再腾出一张大的A4纸copy已有内容并认真画图，会有助于思考的逐步成型。
草稿就是草稿，某些时候甚至不用在乎存档、命名等规范。舍弃掉一切让你感到不自由的东西，最终将草稿一起舍弃掉。
Instructions for Agents
我之前总结了一通framework–>details–>steps的workflow，还为了这个workflow建立了“完备”的.md先行文件的索引，包含各个环节的instructions；现在看来，只需要直接给GPT一个关于生成Agent提示词的promt，然后拿着输出喂给Agent即可自动驾驶。