单模型人工智能是指使用单一的人工智能模型来解决特定问题。此类模型通常是针对特定任务进行预训练或从头开始训练的。单模型AI的核心思想是“一个模型，一个任务”。

1.2 特点

任务特异性：单模型人工智能通常针对特定任务进行优化，例如图像分类、文本生成或语音识别。

模型复杂性：由于任务的特殊性，模型通常更简单，参数更少，训练和推理速度更快。

适用场景：适合任务明确、需求单一的应用场景，如人脸识别、垃圾邮件过滤等。

1.3 局限性

灵活性差：单模型AI难以适应多任务或多场景的需求，可扩展性有限，需要专门训练或微调，成本非常高。

泛化能力弱：由于模型的特殊性，其泛化能力相对较弱，难以处理复杂多变的实际问题。

Workflow AI

2.1 定义

工作流AI是指通过组合多个AI模型和非AI组件（可以是网络请求或RAG）形成完整的工作流（Workflow）来解决复杂问题。工作流AI的核心思想是“多模型，一个流程”。

2.2 特点

任务多样性：工作流AI可以处理多种任务，通过不同的模型组合解决复杂的问题。

灵活性强：工作流AI具有较高的灵活性，可以根据需求动态调整工作流程，适应不同的应用场景。

良好的可扩展性：通过添加新的模型或组件，Workflow AI可以轻松扩展，以应对不断变化的需求。

2.3 工作流程

工作流程AI工作流程通常包括以下步骤：

数据输入：将原始数据输入到工作流程中。

数据预处理：执行数据清洗、标准化等预处理操作。

模型调用：根据任务需求调用不同的AI模型进行处理。

数据后处理：对模型输出结果进行后处理，如格式转换、数据融合等。

结果输出：将最终结果输出给用户或者下一个环节。

2.4 优点

效率：通过合理的工作流程设计，Workflow AI可以高效处理复杂的任务，提高工作效率。

可维护性：Workflow AI的模块化设计使系统更易于维护和更新。

可解释性：工作流程清晰，Workflow AI的决策过程更加透明，易于理解和解释。

Workflow 作用

1.除了模型之外的多功能添加，包括发送和获取请求，添加rag，以及functionCall（获取热门列表、Bing搜索等）等类似功能

2.将复杂函数分解为多个简单函数。例如，一个复杂的意图识别功能可以分解为多个简单的功能，然后由模型执行。例如，首先找到某些关键词或关键字，然后读取相应的回复，然后根据不同的回复做出不同的识别。

3、工作流程固定、清晰，可以快速定位数据出现问题的位置。

4、一个工作流可以作为工具提取出来，作为另一个工作流的工作流节点

单模型与Workflow AI的区别

4.1 任务处理方法

单模型AI：专注于单一任务，通过一个模型完成任务。

工作流AI：通过多个模型和组件的组合来处理复杂的任务。

4.2 灵活性和可扩展性

单模型AI：灵活性差，可扩展性有限。

工作流AI：灵活性强，扩展性好，可根据需求动态调整。

4.3 适用场景

单模型AI：适合任务明确、需求单一的场景。

工作流AI：适用于任务复杂、需求多样的场景。例如，您可以使用工作流爬下小红书热门排行榜，然后发送请求以将其自动存储到您的数据库中。

构建Workflow AI的应用推荐

无编码排列推荐，dify，coze（国内版本叫button），fastgpt。

机器人商店里会有别人提前制作好的多功能机器人。

有编码排列：langChain。