一、什么是 Agentic Document Workflows（ADW）？
傳統(tǒng)的基于 RAG（檢索增強生成）的問答方式雖然可以讓 LLMs 理解文檔，但遠遠無法滿足企業(yè)對自動化處理文檔的需求。ADW 是一種參考架構(gòu)，用于構(gòu)建可自動執(zhí)行、結(jié)構(gòu)化且可審計的企業(yè)級智能文檔工作流。
ADW 主要應(yīng)對的是企業(yè)中常見的文檔格式（如 PDF、PPT、Excel 等），通過 LLM 的能力，突破了以往“僅供人類閱讀”的自動化瓶頸，實現(xiàn)真正的 智能文檔處理流程。
二、ADW 的四個核心階段
每個 ADW 系統(tǒng)由以下四個階段組成，彼此通過“類型化消息（如 Pydantic 模型）”銜接，確保流程清晰、錯誤可控，并支持人工審核介入：
階段：Parse（解析）
主要職責：將原始文檔轉(zhuǎn)為結(jié)構(gòu)化對象，比如文本塊、表格、圖片等。
常見技術(shù)：LlamaParse、多模態(tài) OCR、自定義抽取器。
階段：Retrieve（檢索）
主要職責：獲取與當前任務(wù)相關(guān)的上下文內(nèi)容，并能追溯信息來源。
常見技術(shù)：混合檢索（BM25 + 向量檢索）、元數(shù)據(jù)過濾、遞歸查詢。
階段：Reason（推理）
主要職責：應(yīng)用策略規(guī)則，進行多步驟邏輯處理，同時保持上下文狀態(tài)。
常見技術(shù)：ReAct 方法、函數(shù)調(diào)用循環(huán)、聲明式工作流 DSL、保護機制（guardrails）。
階段：Act（執(zhí)行）
主要職責：將推理結(jié)果提交到下游系統(tǒng)，同時輸出審計日志以供追蹤。
常見技術(shù)：Webhook 調(diào)用、SQL 數(shù)據(jù)庫寫入、ERP/CRM 接口集成、消息推送機器人。
每一步之間的“類型化數(shù)據(jù)傳遞”是 ADW 與傳統(tǒng) RAG/Agent 最大的不同，支持更嚴謹?shù)腻e誤處理、重試機制與人工介入。
三、構(gòu)建 ADW 所需的四大基礎(chǔ)組件
-
Parsing Engine（解析引擎）：能識別復雜布局、表格、圖像等內(nèi)容，生成結(jié)構(gòu)化數(shù)據(jù)。
-
Knowledge Layer（知識層）：支持檢索和索引，讓代理（Agent）具備訪問企業(yè)數(shù)據(jù)的能力。
-
Agent Orchestration（代理編排）：融合確定性邏輯與 LLM 靈活推理的機制，確保流程受控。
-
Action Connectors（動作連接器）：與 ERP、CRM、數(shù)據(jù)庫等企業(yè)系統(tǒng)集成，實現(xiàn)任務(wù)自動落地。
在整個體系中，**Human-in-the-Loop（人工審查）**可在關(guān)鍵節(jié)點提供反饋、審核與干預(yù)，提升流程可靠性。
四、典型應(yīng)用場景示例：合同風險分析
以實際客戶案例為例：自動分析供應(yīng)商合同中的風險條款并推送到 CLM 系統(tǒng)。
階段：解析
行動：使用 LlamaParse 將 PDF 轉(zhuǎn)換為 Markdown 格式和包含段落信息的 JSON 列表。
輸出數(shù)據(jù)：clauses[]，包含條款 ID、頁碼和原文內(nèi)容。
可選人工介入：可以對每條條款進行審查。
階段：檢索
行動：將每條條款與風險策略庫中的禁用或可議條款進行匹配。
輸出數(shù)據(jù)：matches[]，對應(yīng)條款 ID 和匹配到的風險規(guī)則及其評分。
可選人工介入：對匹配結(jié)果進行校驗。
階段：推理
行動：對風險等級、問題條款和建議的替換語言進行匯總。
輸出數(shù)據(jù)：red_flag_report，以 JSON 結(jié)構(gòu)形式呈現(xiàn)。
可選人工介入：審核匯總報告。
階段：執(zhí)行
行動：通知合同生命周期管理（CLM）系統(tǒng)，并通過 Slack 推送通知。
輸出數(shù)據(jù)：tool_call，包含任務(wù) ID 和輸入信息。
可選人工介入：審核并簽署執(zhí)行任務(wù)。
暫無評論，快來評論吧!