深入解析 Swarms Cloud 工作流构建器：可视化多智能体图谱

大多数多智能体系统都是这样起步的：一个智能体，一个提示词。一旦真实任务需要不止一个步骤，团队几乎总会走上手写编排代码的老路——把一个智能体的输出接到下一个智能体的输入上，处理各种失败情况，每次某个步骤发生变化就把整条链路重新测一遍。这样做行得通，但迭代起来很慢，一旦流水线超过三四个步骤，也很难在脑子里把整条链路理清楚。

工作流构建器（Workflow Builder），地址在 cloud.swarms.world/workflow-builder，正是 Swarms Cloud 针对这一问题给出的答案：一块可视化画布，用来把智能体组合成一张有向图，直接在生产基础设施上运行这张图，并导出复现这张图所需的确切 API 调用代码。本文将逐一拆解它在机制层面到底是如何运作的，以及如何用它搭建一条真正的流水线。

画布

工作流构建器是一整块全屏画布，构建在节点图编辑器之上——这类界面 n8n、Node-RED 等工具中都能见到——但它专门围绕一个概念打造：把智能体当作有向无环图（DAG）中的节点。这里没有单独的节点类型侧边栏可供拖拽。取而代之的是，工具栏中一个简单的"添加智能体"按钮，点一下就会在画布上放下一个新的智能体节点，自动命名为 Agent1、Agent2，依此类推。节点可以拖动来调整位置，从一个节点右边缘的小把手拖到另一个节点的左边缘，就能在两者之间画出一条有向连线。

"只能是智能体"这个限制是刻意为之的。构建器没有把工作流建模成触发器、条件判断和数据转换节点的混合体，而是把智能体当作最基本的工作单元，让图的拓扑结构本身来表达顺序、分支和扇出模式。两个智能体首尾相连是一条顺序流水线；一个智能体连向另外两个是扇出；多个智能体汇入一个则是扇入，也就是汇聚步骤。

画布上的每个节点都会显示它的名称、所用模型，以及系统提示词的简短预览，还带有自动生成的徽标：如果节点没有传入边（即入口点），会显示绿色标记；如果没有传出边（即终点），会显示黄色标记。这些标记都是根据图的拓扑结构自动计算出来的，而不是手动设置的，因此画布始终能准确反映执行从哪里开始、在哪里结束，不需要额外维护。

配置智能体节点

点击任意节点，会在屏幕右侧打开一个配置抽屉，划分成几个清晰的部分：

• 身份信息（Identity）。 智能体的名称（同时也是它在图中的唯一键）、所运行的模型、角色（执行者、经理、执行官或分析师），以及一段自由文本描述。模型选择接受平台支持的任何模型 ID，像 GPT-5.4、GPT-4o、Claude Opus 4.5 这类常见选项只是作为建议提供，而非一份锁定的清单。
• 提示词（Prompt）。 该节点的系统提示词，外加一个"自动生成提示词"开关，可以让智能体根据工作流的任务自行推导系统提示词，而不必手工编写。
• 生成参数（Generation）。 温度（Temperature）、最大 token 数和最大循环次数。节点也可以设置为"自主（Autonomous）"模式，用不设上限的循环代替固定的循环次数，直到智能体自行判断任务已经完成为止。
• 推理（Reasoning）。 一个可选的推理模式，可配置推理强度（低、中、高）以及思考 token 预算，适用于那些能从更长的内部推理过程中受益的模型和任务。
• 工具与 MCP（Tools and MCP）。 一个用于将节点连接到 MCP（Model Context Protocol）服务器的字段，赋予它访问外部工具和数据源的能力。当节点处于自主模式时，这一部分还会暴露一组特定的安全工具供其调用：创建并执行计划、标记子任务完成、创建和读取文件、列出目录，以及——值得一提的是——创建子智能体并给它们分配任务。最后这一项能力意味着，一个自主节点自己就可以在运行时衍生出更多智能体并把任务委派下去，在你已经画好的静态图之上再叠加一层动态委派。
• 高级设置（Advanced）。 一个原始 JSON 字段，用于传入尚未作为专门控件暴露出来的额外模型参数，例如 top_p 或 frequency_penalty。

这里的每一个字段都直接映射到底层的执行 API 上，因此界面上配置的任何内容都不是摆设，而是图运行时实际发送的请求负载本身。

执行机制

一个工作流除了节点和边，还需要一样东西：任务。屏幕底部固定着一个任务输入框，紧挨着运行按钮，用来承载整张图的目标。在允许运行之前，构建器会实时校验这张图：每个节点都要有名称，名称必须唯一，多节点的图至少需要一条连接节点的边，任务字段不能为空。任何一项条件不满足，都会禁用运行按钮，并在行内和专门的检查清单里准确说明需要修复什么。

运行一个工作流，会把整张图——它的节点、各自的配置、节点之间的边，以及共享的任务——在一次请求中发送给 Swarms API 的图工作流补全（Graph Workflow Completions）接口。这是一次针对生产基础设施的真实执行，不是预览或空跑。目前的执行是一次阻塞式调用，而不是逐节点推送的流式进度：运行期间，输出面板会显示一个旋转指示器，提示复杂图谱可能需要几分钟时间，但画布本身不会随着节点完成而动画高亮。

结果返回后，会呈现在一个专门的输出面板中：一个总体状态指示器、节点输出的总数、汇总的 token 用量以及总花费，随后是每个智能体各自一张可展开的卡片，展示该智能体的具体输出。较长的输出会自动折叠，即便是节点很多的图，面板也能保持清晰易读，整套结果还可以一键复制为 JSON。

从画布到生产代码

有一个刻意为之的设计选择很值得关注：工作流构建器目前不会保存或持久化图谱。这里没有数据库支持的保存按钮，刷新页面会把画布重置为默认的初始图。取而代之的是，工具栏中的"代码（Code）"面板会为当前画布上的图生成完全等效的 API 请求——可以是一条 cURL 命令，也可以是 Python、TypeScript 或 Go 代码，目标都是运行按钮所调用的同一个图工作流接口。

这重新定义了构建器所扮演的角色：它并不打算成为生产工作流长期存放的地方，而是一个快速的可视化环境，用来在把设计固化成受版本控制的代码之前，先设计并测试一张图的结构和智能体配置。一旦某张图在画布上表现出你想要的效果，代码面板就会给出可以直接放进后端服务、定时任务或 CI 流水线的确切请求负载，不需要任何手动转换步骤，也不用担心部署版本和测试版本产生偏差。

使用场景

在使用工作流构建器的团队中，有几种模式反复出现：

• 研究与综合流水线。 调研智能体收集并汇总信息，输入给下游的分析智能体来得出结论，分析结果再输入给写作智能体产出最终报告。每个阶段都使用适合其具体工作的模型和提示词，而不是让一个智能体包揽一切。
• 文档处理链。 提取智能体从非结构化输入中抽取结构化数据，校验智能体依据业务规则检查这些数据，格式化智能体产出最终结果，每一步都可以独立检查、独立替换。
• 扇出式评审工作流。 单一输入并行送入多个专职智能体，例如安全评审、风格评审和正确性评审，它们的输出随后汇聚到一个汇总智能体，产出一份统一的结论。
• 委派式层级结构。 一个配置了 create_sub_agent 和 assign_task 工具的自主经理角色节点，会在运行时动态衍生并分配任务给更多智能体，适用于那些形态无法事先确定、也无法完全用静态图手工画出的任务。

搭建你的第一张图

想直接上手试试：打开 cloud.swarms.world/workflow-builder，点击"添加智能体"创建你的第一个节点，打开它设置名称、模型和系统提示词。用同样的方式添加第二个节点，然后从第一个节点的右侧把手拖到第二个节点的左侧把手上，把它们连接起来。填写一段任务描述，说明这张图应该完成什么，然后点击运行。等你对结果满意后，打开代码面板，用你偏好的语言复制等效的 API 调用，集成到自己的应用中。

工作流构建器面向 Pro 和 Ultra 套餐开放。每一次运行的用量都会记录在 Swarms Cloud 通用的 token 用量看板 中，因此多智能体图的运行和单智能体调用一样，都是清晰可见、可审计的。

链接与资源

---

有问题或反馈？欢迎加入我们的 Discord 社区，或查阅官方文档。