Saltar al contenido principal
DocumentoEmpezandoBienvenido

Bienvenido al flujo de trabajo de Braidrun

¿Qué es Braidrun Workflow, para quién es adecuado y qué problemas puede resolver? Haz una alineación rápida en dos minutos.

Si abre Braidrun Workflow por primera vez, esta página le explicará claramente en dos minutos: qué somos, qué podemos hacer por usted, para quién somos adecuados y para quién no. Luego decide si continúas leyendo.

Lo que somos

Braidrun Workflow es una plataforma de construcción de "flujo de trabajo de IA impulsado por agentes". Lo utiliza para convertir algo que hace repetidamente, como recibir noticias todos los días y hacer un resumen, generar informes ASA cada semana y enviar PRD para que varios agentes los revisen cada vez, de "ejecución de script manual" a una canalización de "activación automática programada + observabilidad + aprobación".

¿Por qué "flujo de trabajo impulsado por agentes"?

Copiar y pegar manualmente en ChatGPT sirve para validar ideas, pero los resultados no quedan registrados, la lógica no es reutilizable y no puede ejecutarse de forma programada. El workflow de Agents (Agentic Workflow) encapsula de forma estructurada «uno o varios Agents + disparadores + aprobaciones + efectos secundarios» en un proceso versionable, y así estos problemas obtienen una solución de ingeniería.

Braidrun Workflow es precisamente el esqueleto de ingeniería que ofrece este camino.

¿Adónde se ha ido la industria?

Al entrar en 2026, el centro del debate sobre el Agentic Workflow se ha desplazado del concepto hacia la implementación de ingeniería y el retorno de la inversión. Algunos consensos habituales:

  1. Del diálogo de un solo agente → colaboración entre múltiples agentes + orquestación del sistema — Los agentes de nivel empresarial con valor comercial deben poseer cuatro capacidades centrales: planificación inteligente, memoria a largo plazo, invocación de herramientas y acción autónoma. Una simple serie de indicaciones ya no es suficiente. En cambio, "los requisitos comerciales complejos se dividen automáticamente en varias subtareas, que se completan de forma colaborativa entre agentes o módulos con diferentes conocimientos".
  2. El punto débil de la «última milla» ha quedado plenamente expuesto — Muchas empresas se atascan en tres cosas al desplegar realmente: primero, la integración de sistemas (ERP / CRM / OA sin API modernas); segundo, el arranque en frío del conocimiento (el alto costo de construir un RAG sobre documentos no estructurados y corpus de varias líneas de producto); y tercero, la gobernanza a nivel empresarial (permisos, costos, auditoría y aislamiento quedan en blanco en cuanto se pasa a producción).
  3. El código bajo se convierte en el estándar para las plataformas de orquestación de agentes — Quienes mejor conocen los procesos de negocio suelen ser los empleados de primera línea. La «orquestación visual + definición autónoma de procesos por parte del personal de negocio» se ha convertido en un requisito de referencia para este tipo de plataformas.
  4. Humano en el circuito — Los pasos de IA se orquestan directamente dentro de los procesos de negocio: las personas se encargan de los nodos de revisión y de gestión de excepciones, y la IA se encarga de los tramos de proceso de alta frecuencia y estandarizados.

¿Qué hizo Braidrun en respuesta a estos consensos?

  • Llamada de herramienta + conexión del sistema — MCP client / server integrados, activación por Webhook, REST API, centro de credenciales y vinculación de providers. El Agent puede alcanzar realmente su CRM / OA / API interna existentes.
  • conocimiento arranque en frio — La herramienta de RAG está lista para usar: basta con escanear una carpeta para hacer búsqueda semántica; además, más de 240 plantillas sectoriales le ayudan a evitar el costo inicial de «montar un proceso desde cero».
  • Gobernanza a nivel empresarial — Registros de auditoría, cifrado de credenciales, cadena de aprobación, aislamiento por equipo y control de cuotas por suscripción: todo habilitado de forma predeterminada, no es necesario reinventar la rueda.
  • Visualización + código bajo — Arrastrar y soltar lienzo + sincronización bidireccional YAML + generación de lenguaje natural con asistente de IA, tanto el personal comercial como los ingenieros pueden comenzar.
  • Human-in-the-loopmanual_approval Es un modificador de paso de primera clase: cualquier paso puede llevar un control de aprobación, con centro de aprobaciones y notificaciones por correo, y también se puede resolver mediante API.

Por qué el agente desnudo no es suficiente

Hable con el Agente directamente en el IDE o Chat y pronto encontrará:

  • No es repetible: el mismo problema tiene resultados diferentes cada vez, lo que hace que las pruebas de regresión sean imposibles.
  • No observable: nadie registra qué herramientas ajustó el Agente durante el proceso de pensamiento, cuántos tokens usó y cuánto dinero gastó.
  • No auditable: cuando se trata de datos de clientes y operaciones de fondos, el equipo de cumplimiento no puede rastrearlos posteriormente.
  • No reutilizable: cada empleado "habla con el Agente una vez" y la misma lógica empresarial se inventa N veces
  • Ingobernable: las credenciales, las cuotas de modelos y los nodos de aprobación están en el historial de chat de cada uno, fuera de control.

El workflow completa estos cinco puntos, y solo así el Agent puede entrar en los procesos de producción formales de la empresa.

Tres cartas de triunfo de la plataforma.

  • Lienzo visual + sincronización bidireccional YAML — Un gráfico DAG y un YAML son equivalentes a nivel de bytes. Puedes arrastrar nodos o escribir YAML directamente; Ambas partes se actualizan entre sí en tiempo real sin perder comentarios ni alterar el orden.
  • Primitivas para ciudadanos de primera clase de los flujos de trabajo de IA — single / group_chat / agent_based / classifier / state_machine / sub_workflow son tipos de step nativos, mientras que manual_approval es un modificador de aprobación que se puede agregar a cualquier paso. Describir la colaboración multiagente resulta tan natural como escribir código.
  • Valor predeterminado de producción — Ejecución de código en un sandbox de Docker, reanudación automática tras reiniciar el servicio, cifrado de credenciales con AES-256-GCM, registros de auditoría y un depurador con 9 tipos de puntos de interrupción: todo esto viene de serie y resiste tras la puesta en producción.

¿Cómo puede ayudarte esto?

Las tres personas de usuario más comunes:

① Operaciones comerciales · Automatizar cosas que se repiten cada semana

  • Todos los días a las 8 a. m., obtenga un lote de noticias de la industria de RSS/Twitter, clasifíquelas por tema, escriba un resumen en chino para IA y envíelo a Slack/Feishu.
  • Todos los lunes, los datos de Apple Search Ads + Google Ads se extraen automáticamente, se generan informes de Excel, se emiten cinco sugerencias clave y se envían correos electrónicos a operaciones.
  • Antes de que un nuevo producto de comercio electrónico llegue a los estantes, se somete a una ronda de revisión por parte de múltiples agentes (selección de producto, denominación, redacción, estrategia de precios). Si un artículo no pasa, el producto quedará atascado.

② Equipo de ingeniería · Hacer del oleoducto LLM un activo operable y mantenible

  • Revisión de código: varios agentes revisan de forma independiente un PR desde diferentes perspectivas (legibilidad/seguridad/rendimiento/cobertura de pruebas) y otorgan puntuaciones y sugerencias de mejora después de resumir.
  • Clasificación de alarmas en línea: conéctese a Webhook, LLM determina si la alarma es un "problema real" o "ruido" y crea automáticamente un ticket o lo traga directamente.
  • Automatización de notas de la versión: CI activa, captura confirmaciones, filtra cambios importantes y los organiza en Markdown orientado al usuario.

③ Desarrollador de agentes · Orquestar la colaboración entre múltiples agentes

  • group_chat: Deje que los tres agentes de PM/Ingeniería/QA se critiquen entre sí hasta que se alinee un plan.
  • agent_based: permite que el orquestador asigne dinámicamente subtareas a los respectivos trabajadores de investigadores/escritores/codificadores después de leer las preguntas del usuario.
  • state_machine: múltiples rondas de diálogo + transferencia de estado, escribiendo un proceso comercial complejo (aprobación de contrato/ciclo de vida de la orden de trabajo) en un gráfico de estado reproducible.

Tres diferencias fundamentales (frente a otras herramientas)

1. Depurador interactivo de puntos de interrupción

Coloque puntos de interrupción antes o después de cualquier step, al fallar o al cumplirse una condición, ejecute paso a paso, inspeccione todas las variables y edítelas directamente en tiempo de ejecución antes de continuar. La experiencia se equipara a la del debugger de un IDE.

2. El servicio se reinicia y se reanuda automáticamente desde el paso interrumpido.

El flujo de trabajo llegó al paso 7 y OOM reinició el servidor; se tuvieron que ejecutar otras herramientas desde el principio. Después de que Braidrun configure el campo de recuperación, puede continuar ejecutándose directamente desde el paso 7 después de reiniciar, y los pasos completados anteriormente (marcados con idempotente) se omitirán automáticamente.

3. YAML y lienzo bidireccional a nivel de bytes

Los cambios en YAML se reflejan inmediatamente en el lienzo; Las líneas de conexión en el lienzo generan inmediatamente YAML. El flujo de trabajo de diferencias en Git es una diferencia YAML normal, no un volcado JSON desordenado. Puedes dedicar la mitad del tiempo a arrastrar el lienzo y la otra mitad a ajustarlo en YAML.

No Apto para quien

Sea honesto: en los siguientes escenarios, puede elegir otra herramienta que sea más adecuada.

  • ETL puro/transferencia de datos — Airflow / Dagster / dbt, estos orquestadores ETL profesionales, son aún mejores en eso. Nos centramos en el "flujo de trabajo con pasos de IA".
  • Inferencia en tiempo real a nivel de milisegundos — El motor de workflows tiene por naturaleza una sobrecarga de planificación y no es adecuado para la inferencia en línea con requisitos de latencia de milisegundos; para ese tipo de escenarios es más apropiado llamar directamente a la API del LLM.
  • Solo necesito conversación por chat — Si sólo quieres ser un Agente que pueda hablar, usar Claude Desktop / ChatGPT es suficiente; Braidrun es una "orquestación de varios pasos" y usarla para tareas de un solo paso es un poco excesivo.

Vista previa del precio de 30 segundos

  • Gratis — 5 flujos de trabajo / 3 pasos básicos / BYOK: la experiencia personal es suficiente.
  • Pro — 50 flujos de trabajo/los 8 pasos/asistente de IA/depurador de puntos de interrupción.
  • equipo — 200 flujos de trabajo/credenciales compartidas en equipo/edición colaborativa.
  • Empresa — Ilimitado / SSO / Auditoría / SLA.

Para una comparación detallada de paquetes y la ruta de actualización, consulte Suscripciones y precios.

Vista previa de seguridad de datos de 30 segundos

  • Todas las API Key se almacenan cifradas con AES-256-GCM en el centro de credenciales y no aparecen en los registros ni en las exportaciones a YAML.
  • En un escenario BYOK, las llamadas al modelo usan directamente su propia Key y las factura el provider.
  • El plan Enterprise admite una implementación privada completa: los datos, los registros de ejecución y los productos nunca salen de sus fronteras.

¿Qué hacer a continuación?