Agent 工作流
能检测到某件事的模型，只有当检测结果触发正确响应时才真正有价值。Agent 工作流是连接模型所见与系统所做之间的层次。
它解决的问题
边缘 AI 推理产生结构化输出——类别标签、置信度分数、边界框。没有自动化层，这些输出只会留在设备上或被记录到某处。基于它们采取行动——发送告警、调用 API、触发执行器——传统上需要自定义固件开发或外部集成工作。
Agent 工作流消除了这个缺口。它提供一个 LLM 驱动的决策层，解释推理输出并执行配置好的响应，无需修改代码或固件。
工作流运作方式
LLM-CJSON-OPENCLAW 流水线：
- 推理输出 — 边缘模型产生结构化结果（CJSON 格式），描述检测到的内容及其置信度和上下文
- LLM 决策 — 语言模型根据配置的规则和上下文解释结构化输出，决定什么响应是合适的
- OPENCLAW 执行 — 动作层执行响应：调用外部 API、发送通知、写入数据库或触发物理输出
整个流水线在设备端或边缘运行，不需要为每个推理事件进行云端往返。
Agent 工作流替代了什么
| 方式 | 局限性 | Agent 工作流替代方案 |
|---|---|---|
| Blockly 可视化编程 | 表达能力有限，无 LLM 推理 | 自然语言规则，LLM 决策逻辑 |
| n8n / Dify 工作流工具 | 独立基础设施，需手动集成 | 内置于部署中，无需独立服务 |
| 自定义固件逻辑 | 每个场景都需要工程资源 | 通过平台界面配置 |
| 人工监控 | 被动响应，需要人工持续关注 | 对定义条件的自动响应 |
响应示例
OPENCLAW 执行层可以执行一系列配置好的响应，无需自定义代码：
- 消息通知 — 检测阈值达到时向 Slack、企业微信或任何 Webhook 端点发送告警
- API 调用 — 检测到特定条件时触发外部系统（ERP、SCADA、看板）
- 日志记录 — 将结构化检测记录写入数据库或时序存储
- 事件路由 — 同时将检测事件扇出到多个下游系统
- 条件逻辑 — 对不同检测结果执行不同响应（例如："缺陷类型 A → 告警；缺陷类型 B → 仅记录"）
集成理念
Agent 工作流通过标准接口连接你团队已经使用的系统。它不是替代现有工具——而是将边缘 AI 事件路由进你已经在运营的工作流和看板的桥梁。
推理在边缘运行。决策在边缘运行。只有最终的动作输出——一个 Webhook 调用、一次数据库写入——才离开本地环境。