歡迎使用 Braidrun Workflow
Braidrun Workflow 是什麼、適合誰、能解決什麼問題 —— 兩分鐘做一次快速對齊。
如果你是第一次打開 Braidrun Workflow，這一頁用兩分鐘講清楚：我們是什麼、能幫你幹什麼、適合誰、不適合誰。然後再決定要不要繼續往下讀。
我們是什麼
Braidrun Workflow 是一個"Agent 驅動的 AI 工作流"建設平臺。你用它把一件反覆做的事情 —— 比如每天抓新聞做摘要、每週生成 ASA 報表、每次提 PRD 讓幾位 Agent 審閱 —— 從"手動跑腳本"變成"定時自動觸發 + 可觀測 + 可審批"的流水線。
在 ChatGPT 裡手動複製貼上，適合驗證想法，但結果沒有記錄、邏輯無法重複使用、也無法定時執行。Agent workflow（Agentic Workflow）把「一個或多個 Agent + 觸發器 + 審批 + 副作用」結構化封裝成可版本化的流程，這幾個問題就有了工程上的解法。
Braidrun Workflow 就是為這條路徑提供的工程骨架。
行業已經走到了哪裡
進入 2026 年，關於 Agentic Workflow 的討論重心已經從概念轉向工程實作與投入產出。幾個常見的共識：
- 從單體對話 → 多智能體協作 + 系統編排 — 有商業價值的企業級 Agent 必須具備四項核心能力：智能規劃、長期記憶、工具調用、自主行動。簡單的 prompt 串聯已經不夠，取而代之的是"把複雜業務需求自動拆解為若干子任務，由不同專長的 Agent 或模塊協作完成"。
- 「最後一哩」的痛點被充分暴露 — 很多企業在真正部署時卡在三件事上：一是系統打通（ERP / CRM / OA 沒有現代 API），二是知識冷啟動（非結構化文件 + 跨產品線語料的 RAG 建構成本高），三是企業級治理（權限、成本、稽核、隔離一旦上生產就一片空白）。
- 低代碼成為 Agent 編排平臺的標配 — 最懂業務流程的往往是第一線員工。「視覺化編排 + 業務人員自主定義流程」已經成為這類平台的基準要求。
- 人機混合編排（Human-in-the-loop） — AI 步驟被直接編排進業務流程：人負責審核與異常處理節點，AI 負責高頻、標準化的流程段。
Braidrun 對應這些共識做了什麼
- 工具調用 + 系統打通 — 內建 MCP client / server、Webhook 觸發、REST API、憑證中心 + provider 綁定。Agent 可以真正觸達你現有的 CRM / OA / 內部 API。
- 知識冷啟動 — RAG 工具開箱可用，掃一個資料夾就能做語意檢索；同時 240+ 行業範本幫你繞開「從零搭流程」的啟動成本。
- 企業級治理 — 審計日誌、憑據加密、審批鏈、按團隊隔離、按訂閱控額度 —— 默認開啟，不需要自己造輪子。
- 可視化 + 低代碼 — 畫布拖拽 + YAML 雙向同步 + AI 助手自然語言生成，業務人員和工程師都能上手。
- 人在迴路 —
manual_approval是一等公民的步驟修飾符，任意步驟都可以加上審批門控，帶審批中心與郵件通知，也能透過 API 批覆。
為什麼裸 Agent 不夠
直接在 IDE 或 Chat 裡和 Agent 對話，很快你會遇到：
- 不可重複 —— 同樣的問題每次結果不同，沒法做迴歸測試
- 不可觀測 —— Agent 在思考過程中調了哪些工具、用了多少 token、花了多少錢，沒人記錄
- 不可審計 —— 涉及客戶數據、資金操作時，合規團隊無法事後追溯
- 不可複用 —— 每個員工都是"自己跟 Agent 對一遍話"，同樣的業務邏輯被髮明瞭 N 次
- 不可治理 —— 憑據、模型配額、審批節點都在每個人自己的 chat 歷史裡，失控
workflow 把這五條都補齊了，Agent 才能進入企業的正式生產流程。
平臺的三張王牌
- 可視化畫布 + YAML 雙向同步 — 一張 DAG 圖和一份 YAML 是字節級等價的。你可以拖節點，也可以直接寫 YAML；兩邊互相實時更新，不丟註釋、不亂順序。
- AI 工作流一等公民的原語 — single / group_chat / agent_based / classifier / state_machine / sub_workflow 都是原生 step 類型，manual_approval 則是任意步驟都能加的審批修飾符。你描述多代理協作就跟寫程式碼一樣自然。
- 生產級默認 — Docker 沙箱執行程式碼、服務重啟自動續跑、憑證 AES-256-GCM 加密、稽核日誌、9 種中斷點類型的除錯器，這些預設就有，上線後撐得住。
這能幫你幹什麼
三個最常見的用戶畫像：
① 業務運營 · 把每週重複的事自動化
- 每天早 8 點，從 RSS / Twitter 抓一批行業新聞，按主題分類後給 AI 寫一段中文摘要，投遞到 Telegram / 飛書。
- 每週一自動拉 Apple Search Ads + Google Ads 數據，生成 Excel 報表，出具 5 條關鍵建議，發郵件給運營。
- 電商新品上架前跑一輪多代理評審（選品、命名、文案、價格策略），一條不過關就卡住。
② 工程團隊 · 把 LLM 流水線做成可運維資產
- 代碼審查：多個 Agent 從不同角度（可讀性 / 安全性 / 性能 / 測試覆蓋）獨立審閱一段 PR，彙總後給出打分與改進建議。
- 線上告警分類：接 Webhook，LLM 判斷告警是"真問題"還是"噪聲"，自動創建 ticket 或直接吞掉。
- Release Note 自動化：CI 觸發，抓 commits、filter breaking changes、組織成面向用戶的 Markdown。
③ Agent 開發者 · 編排多代理協作
- group_chat：讓 PM / 工程 / QA 三個角色 Agent 互相挑刺，直到對齊一份方案。
- agent_based：讓 orchestrator 讀完用戶提問後，動態把子任務派給 researcher / writer / coder 各自的 worker。
- state_machine：多輪對話 + 狀態轉移，把一個複雜業務流程（合同審批 / 工單生命週期）寫成可回放的狀態圖。
三個核心差異（vs 其它工具）
1. 互動式中斷點除錯器
你在任意 step 前 / 後 / 失敗時 / 條件滿足時打中斷點，單步執行，檢視所有變數，直接在執行時編輯變數再繼續。體驗對齊 IDE 裡的 debugger。
2. 服務重啟自動從中斷步驟續跑
工作流跑到第 7 步，服務器剛好被 OOM 重啟了 —— 其它工具要從頭再跑。Braidrun 配好 recovery 字段之後，重啟後能直接從第 7 步開始續跑，之前已完成的步驟（標了 idempotent 的）自動跳過。
3. YAML 與畫布字節級雙向
改 YAML 立刻反映到畫布；在畫布上連線立刻生成 YAML。Git 裡 diff workflow 就是正常的 YAML diff，不是混亂的 JSON dump。你可以一半時間在畫布裡拖，一半時間在 YAML 裡精細調。
不適合誰
誠實點：以下場景你可能選別的工具更合適。
- 純 ETL / 數據搬運 — Airflow / Dagster / dbt 這些專業 ETL 編排器還是更擅長。我們主打"含 AI 步驟的工作流"。
- 毫秒級實時推理 — workflow 引擎天然有排程開銷，不適合毫秒級延遲要求的線上推論；那類情境直接呼叫 LLM API 更合適。
- 僅需要聊天對話 — 你只想做一個能對話的 Agent，用 Claude Desktop / ChatGPT 等就夠；Braidrun 是"多步驟編排"，單步任務用它有點殺雞用牛刀。
30 秒的價格預覽
- 免費版 — 5 條工作流 / 3 種基礎步驟 / BYOK —— 個人嚐鮮夠。
- 專業版 — 50 條工作流 / 全部 8 種步驟 / AI 助手 / 斷點調試器。
- 所屬團隊 — 200 條工作流 / 團隊共享憑據 / 協作編輯。
- 企業版 — 不限 / SSO / 審計 / SLA。
詳細套餐對比和升級路徑見 訂閱與定價。
30 秒的數據安全預覽
- 所有 API Key 在憑證中心以 AES-256-GCM 加密儲存，不會出現在日誌與 YAML 匯出裡。
- BYOK 情境下模型呼叫直接使用你自己的 Key，由 provider 計費。
- Enterprise 套餐支持完整私有化部署 —— 數據、執行記錄、產物永遠不離開你的邊界。