01
流程有一份看得见的定义
流程只存在某个人的操作习惯里，就没法评审，也没法交接。它需要一份团队都能打开的定义。
Braidrun 的做法
每条工作流是一份 YAML 定义，画布和代码双向同步；8 种步骤类型覆盖单 Agent、代码、分类器、多 Agent 讨论、状态机和子工作流。
定义
用三个行为定义 AI Native
AI Native 描述的是业务流程怎么运行，跟团队买了多少 AI 工具没有直接关系。判断一个团队是否 AI Native，核对下面三个行为。
RUN
流程由 AI 执行
业务流程定时或由事件触发自动运行；人不再逐步操作，只负责审批关键动作和处理例外。
LOG
每次执行有记录
每一步做了什么、输入输出是什么、花了多少钱，事后都能逐条查看，出问题能定位到具体步骤。
TEAM
流程属于团队
流程写成一份共享的定义，新同事能看懂，也能接手修改；它没有锁在某个人的聊天记录里。
判断方法
一个思想实验：收回账号，还是关掉平台
两件假想的事各做一遍，比较哪件对业务影响更大。
A
收回一个 ChatGPT 账号
假设把团队里最会用 AI 的同事的聊天账号收回。常见的结果：这位同事的效率下降，业务本身照常进行。
B
关掉自动化平台一天
假设团队在用的工作流平台停一天。如果早上的报表没人发、待审批的改动积压、定时任务全部停摆，说明业务流程已经跑在 AI 上。
两个实验的差别，就是「用 AI」和 AI Native 的差别：聊天账号是个人工具，收走只影响一个人的效率；工作流平台承载业务流程，停掉影响的是整个团队的产出。
自查
五个问题，给自己的团队打分
回答「是」越多，离 AI Native 越近；多数回答「否」，说明 AI 还停留在个人工具阶段。
- 01
关掉团队正在用的自动化平台一天，会有业务流程受影响吗？
- 02
上个月 AI 在某一条流程上花了多少钱，能查到具体数字吗？
- 03
AI 修改预算、发布内容、写线上数据之前，有强制的人工审批环节吗？
- 04
一次 AI 执行给出了错误结果，能定位到出错的步骤、看到当时的输入和输出吗？
- 05
搭流程的同事休假两周，其他人能看懂并放心修改这条流程吗？
对照
「用 AI」和 AI Native，逐项对比
同一件事在两种工作方式下的处理差别。
| 维度 | 用 AI 的团队 | AI Native 团队 |
|---|---|---|
| 能力入口 | 每个人自己的聊天窗口 | 团队共享的工作流平台，每条流程有名字、有定义 |
| 经验保存 | 好用的提示词存在个人收藏夹 | 提示词写进工作流定义，全团队用同一个版本 |
| 失败处理 | 手动重跑一遍，换个问法再试 | 查执行记录定位出错步骤，从那一步重跑 |
| 审计 | 出了问题翻聊天记录 | 每次执行有日志，关键改动有审批记录 |
| 成本核算 | 月底看一张订阅总账单 | 每次执行的 token 用量和成本逐条记录 |
| 扩展方式 | 再招一个会用 AI 的人 | 复制一条工作流，换参数跑第二条业务 |
工程要求
做到 AI Native，工程上需要四件东西
每条下面写了 Braidrun 对应的机制，注册后都可以逐条验证。
02
关键动作有强制审批
AI 会出错。修改预算、发布内容、写线上数据这类动作，执行前要停下来等人确认；确认环节要写在流程定义里，才不会被跳过。
Braidrun 的做法
manual_approval 步骤会暂停执行，通过 App 内、邮件或 API 通知审批人；批准后继续，拒绝或超时就停止，线上什么都不改。审批表里的数值可以直接修改，比如把 AI 建议的出价改小再批准。
03
每次执行留下完整记录
AI 的输出每次可能不同。出了问题要能回答：哪一步错了、当时的输入输出是什么、这次执行花了多少钱。
Braidrun 的做法
每次执行有时间线，逐步记录日志、token 用量和成本，执行过程可以导出 JSON 或 YAML；失败后能从指定步骤重跑，已完成的 LLM 步骤不重复计费。
04
模型和部署可以替换
模型更新很快，今天合适的选择半年后可能变化。流程定义和模型要分开：换模型时，流程本身不用重写。
Braidrun 的做法
用你自己的模型 API Key，支持 15+ 家供应商和本地 Ollama、LM Studio，一条工作流里每个 Agent 可以配不同模型；凭据 AES-256-GCM 加密存储，支持私有化部署。
常见问题