01
流程有一份看得見的定義
流程只存在某個人的操作習慣裡，就沒法評審，也沒法交接。它需要一份團隊都能打開的定義。
Braidrun 的做法
每條工作流是一份 YAML 定義，畫布和程式碼雙向同步；8 種步驟類型涵蓋單 Agent、程式碼、分類器、多 Agent 討論、狀態機和子工作流。
定義
用三個行為定義 AI Native
AI Native 描述的是業務流程怎麼運行，跟團隊買了多少 AI 工具沒有直接關係。判斷一個團隊是否 AI Native，核對下面三個行為。
RUN
流程由 AI 執行
業務流程定時或由事件觸發自動執行；人不再逐步操作，只負責審批關鍵動作和處理例外。
LOG
每次執行有記錄
每一步做了什麼、輸入輸出是什麼、花了多少錢，事後都能逐條查看，出問題能定位到具體步驟。
TEAM
流程屬於團隊
流程寫成一份共享的定義，新同事能看懂，也能接手修改；它沒有鎖在某個人的聊天記錄裡。
判斷方法
一個思想實驗：收回帳號，還是關掉平台
兩件假想的事各做一遍，比較哪件對業務影響更大。
A
收回一個 ChatGPT 帳號
假設把團隊裡最會用 AI 的同事的聊天帳號收回。常見的結果：這位同事的效率下降，業務本身照常進行。
B
關掉自動化平台一天
假設團隊在用的工作流平台停一天。如果早上的報表沒人發、待審批的改動積壓、定時任務全部停擺，說明業務流程已經跑在 AI 上。
兩個實驗的差別，就是「用 AI」和 AI Native 的差別：聊天帳號是個人工具，收走只影響一個人的效率；工作流平台承載業務流程，停掉影響的是整個團隊的產出。
自查
五個問題，給自己的團隊打分
回答「是」越多，離 AI Native 越近；多數回答「否」，說明 AI 還停留在個人工具階段。
- 01
關掉團隊正在用的自動化平台一天，會有業務流程受影響嗎？
- 02
上個月 AI 在某一條流程上花了多少錢，能查到具體數字嗎？
- 03
AI 修改預算、發佈內容、寫入線上資料之前，有強制的人工審批環節嗎？
- 04
一次 AI 執行給出了錯誤結果，能定位到出錯的步驟、看到當時的輸入和輸出嗎？
- 05
搭流程的同事休假兩週，其他人能看懂並放心修改這條流程嗎？
對照
「用 AI」和 AI Native，逐項對比
同一件事在兩種工作方式下的處理差別。
| 維度 | 用 AI 的團隊 | AI Native 團隊 |
|---|---|---|
| 能力入口 | 每個人自己的聊天視窗 | 團隊共享的工作流平台，每條流程有名字、有定義 |
| 經驗保存 | 好用的提示詞存在個人收藏夾 | 提示詞寫進工作流定義，全團隊用同一個版本 |
| 失敗處理 | 手動重跑一遍，換個問法再試 | 查執行記錄定位出錯步驟，從那一步重跑 |
| 審計 | 出了問題翻聊天記錄 | 每次執行有日誌，關鍵改動有審批記錄 |
| 成本核算 | 月底看一張訂閱總帳單 | 每次執行的 token 用量和成本逐條記錄 |
| 擴展方式 | 再招一個會用 AI 的人 | 複製一條工作流，換參數跑第二條業務 |
工程要求
做到 AI Native，工程上需要四件東西
每條下面寫了 Braidrun 對應的機制，註冊後都可以逐條驗證。
02
關鍵動作有強制審批
AI 會出錯。修改預算、發佈內容、寫入線上資料這類動作，執行前要停下來等人確認；確認環節要寫在流程定義裡，才不會被跳過。
Braidrun 的做法
manual_approval 步驟會暫停執行，透過 App 內、郵件或 API 通知審批人；批准後繼續，拒絕或逾時就停止，線上什麼都不改。審批表裡的數值可以直接修改，比如把 AI 建議的出價改小再批准。
03
每次執行留下完整記錄
AI 的輸出每次可能不同。出了問題要能回答：哪一步錯了、當時的輸入輸出是什麼、這次執行花了多少錢。
Braidrun 的做法
每次執行有時間軸，逐步記錄日誌、token 用量和成本，執行過程可以匯出 JSON 或 YAML；失敗後能從指定步驟重跑，已完成的 LLM 步驟不重複計費。
04
模型和部署可以替換
模型更新很快，今天合適的選擇半年後可能變化。流程定義和模型要分開：換模型時，流程本身不用重寫。
Braidrun 的做法
用你自己的模型 API Key，支援 15+ 家供應商和本地 Ollama、LM Studio，一條工作流裡每個 Agent 可以配不同模型；憑證 AES-256-GCM 加密儲存，支援私有化部署。
常見問題