欢迎使用 Braidrun Workflow
Braidrun Workflow 是什么、适合谁、能解决什么问题 —— 两分钟做一次快速对齐。
如果你是第一次打开 Braidrun Workflow，这一页用两分钟讲清楚：我们是什么、能帮你干什么、适合谁、不适合谁。然后再决定要不要继续往下读。
我们是什么
Braidrun Workflow 是一个"Agent 驱动的 AI 工作流"建设平台。你用它把一件反复做的事情 —— 比如每天抓新闻做摘要、每周生成 ASA 报表、每次提 PRD 让几位 Agent 审阅 —— 从"手动跑脚本"变成"定时自动触发 + 可观测 + 可审批"的流水线。
在 ChatGPT 里手动复制粘贴，适合验证想法，但结果没有记录、逻辑没法复用、也没法定时运行。Agent 工作流（Agentic Workflow）把"一个或多个 Agent + 触发器 + 审批 + 副作用"结构化封装成可版本化的流程，这几个问题就有了工程上的解法。
Braidrun Workflow 就是为这条路径提供的工程骨架。
行业已经走到了哪里
进入 2026 年，关于 Agentic Workflow 的讨论重心已经从概念转向工程实现与投入产出。几个常见的共识：
- 从单体对话 → 多智能体协作 + 系统编排 — 有商业价值的企业级 Agent 必须具备四项核心能力：智能规划、长期记忆、工具调用、自主行动。简单的 prompt 串联已经不够，取而代之的是"把复杂业务需求自动拆解为若干子任务，由不同专长的 Agent 或模块协作完成"。
- "最后一公里"的痛点被充分暴露 — 很多企业在真正部署时卡在三件事上：一是系统打通（ERP / CRM / OA 没有现代 API），二是知识冷启动（非结构化文档 + 跨产品线语料的 RAG 构建成本高），三是企业级治理（权限、成本、审计、隔离一旦上生产就一片空白）。
- 低代码成为 Agent 编排平台的标配 — 最懂业务流程的往往是一线员工。"可视化编排 + 业务人员自主定义流程"已经成为这类平台的基准要求。
- 人机混合编排（Human-in-the-loop） — AI 步骤被直接编排进业务流程：人负责审核与异常处理节点，AI 负责高频、标准化的流程段。
Braidrun 对应这些共识做了什么
- 工具调用 + 系统打通 — 内置 MCP client / server、Webhook 触发、REST API、凭据中心 + provider 绑定。Agent 可以真正触达你现有的 CRM / OA / 内部 API。
- 知识冷启动 — RAG 工具开箱可用，扫一个文件夹就能做语义检索；同时 240+ 行业模板帮你绕开"从零搭流程"的启动成本。
- 企业级治理 — 审计日志、凭据加密、审批链、按团队隔离、按订阅控额度 —— 默认开启，不需要自己造轮子。
- 可视化 + 低代码 — 画布拖拽 + YAML 双向同步 + AI 助手自然语言生成，业务人员和工程师都能上手。
- Human-in-the-loop —
manual_approval是一等公民的步骤修饰符，任意步骤都可以加上审批门控，带审批中心与邮件通知，也能通过 API 批复。
为什么裸 Agent 不够
直接在 IDE 或 Chat 里和 Agent 对话，很快你会遇到：
- 不可重复 —— 同样的问题每次结果不同，没法做回归测试
- 不可观测 —— Agent 在思考过程中调了哪些工具、用了多少 token、花了多少钱，没人记录
- 不可审计 —— 涉及客户数据、资金操作时，合规团队无法事后追溯
- 不可复用 —— 每个员工都是"自己跟 Agent 对一遍话"，同样的业务逻辑被发明了 N 次
- 不可治理 —— 凭据、模型配额、审批节点都在每个人自己的 chat 历史里，失控
工作流把这五条都补齐了，Agent 才能进入企业的正式生产流程。
平台的三张王牌
- 可视化画布 + YAML 双向同步 — 一张 DAG 图和一份 YAML 是字节级等价的。你可以拖节点，也可以直接写 YAML；两边互相实时更新，不丢注释、不乱顺序。
- AI 工作流一等公民的原语 — single / group_chat / agent_based / classifier / state_machine / sub_workflow 都是原生 step 类型，manual_approval 则是任意步骤都能加的审批修饰符。你描述多代理协作就跟写代码一样自然。
- 生产级默认 — Docker 沙箱执行代码、服务重启自动续跑、凭据 AES-256-GCM 加密、审计日志、9 种断点类型的调试器，这些默认就有，上线后撑得住。
这能帮你干什么
三个最常见的用户画像：
① 业务运营 · 把每周重复的事自动化
- 每天早 8 点，从 RSS / Twitter 抓一批行业新闻，按主题分类后给 AI 写一段中文摘要，投递到 Slack / 飞书。
- 每周一自动拉 Apple Search Ads + Google Ads 数据，生成 Excel 报表，出具 5 条关键建议，发邮件给运营。
- 电商新品上架前跑一轮多代理评审（选品、命名、文案、价格策略），一条不过关就卡住。
② 工程团队 · 把 LLM 流水线做成可运维资产
- 代码审查：多个 Agent 从不同角度（可读性 / 安全性 / 性能 / 测试覆盖）独立审阅一段 PR，汇总后给出打分与改进建议。
- 线上告警分类：接 Webhook，LLM 判断告警是"真问题"还是"噪声"，自动创建 ticket 或直接吞掉。
- Release Note 自动化：CI 触发，抓 commits、filter breaking changes、组织成面向用户的 Markdown。
③ Agent 开发者 · 编排多代理协作
- group_chat：让 PM / 工程 / QA 三个角色 Agent 互相挑刺，直到对齐一份方案。
- agent_based：让 orchestrator 读完用户提问后，动态把子任务派给 researcher / writer / coder 各自的 worker。
- state_machine：多轮对话 + 状态转移，把一个复杂业务流程（合同审批 / 工单生命周期）写成可回放的状态图。
三个核心差异（vs 其它工具）
1. 交互式断点调试器
你在任意 step 前 / 后 / 失败时 / 条件满足时打断点，单步执行，检视所有变量，直接在运行时编辑变量再继续。体验对齐 IDE 里的 debugger。
2. 服务重启自动从中断步骤续跑
工作流跑到第 7 步，服务器刚好被 OOM 重启了 —— 其它工具要从头再跑。Braidrun 配好 recovery 字段之后，重启后能直接从第 7 步开始续跑，之前已完成的步骤（标了 idempotent 的）自动跳过。
3. YAML 与画布字节级双向
改 YAML 立刻反映到画布；在画布上连线立刻生成 YAML。Git 里 diff workflow 就是正常的 YAML diff，不是混乱的 JSON dump。你可以一半时间在画布里拖，一半时间在 YAML 里精细调。
不适合谁
诚实点：以下场景你可能选别的工具更合适。
- 纯 ETL / 数据搬运 — Airflow / Dagster / dbt 这些专业 ETL 编排器还是更擅长。我们主打"含 AI 步骤的工作流"。
- 毫秒级实时推理 — 工作流引擎天然有调度开销，不适合毫秒级延迟要求的在线推理；那类场景直接调用 LLM API 更合适。
- 仅需要聊天对话 — 你只想做一个能对话的 Agent，用 Claude Desktop / ChatGPT 等就够；Braidrun 是"多步骤编排"，单步任务用它有点杀鸡用牛刀。
30 秒的价格预览
- 免费版 — 5 条工作流 / 3 种基础步骤 / BYOK —— 个人尝鲜够。
- 专业版 — 50 条工作流 / 全部 8 种步骤 / AI 助手 / 断点调试器。
- 所属团队 — 200 条工作流 / 团队共享凭据 / 协作编辑。
- 企业版 — 不限 / SSO / 审计 / SLA。
详细套餐对比和升级路径见 订阅与定价。
30 秒的数据安全预览
- 所有 API Key 在凭据中心以 AES-256-GCM 加密存储，不会出现在日志与 YAML 导出里。
- BYOK 场景下模型调用直接使用你自己的 Key，由 provider 计费。
- Enterprise 套餐支持完整私有化部署 —— 数据、执行记录、产物永远不离开你的边界。