AI Agent工作流编排平台
基于声明式YAML的开源编排控制面，统一调度数据、基础设施与AI Agent工作流。
适用场景
1
多步骤AI Agent任务编排（检索、推理、工具调用、结果落库）
2
数据管道与AI模型批处理任务的定时调度与事件触发
3
企业内部跨系统业务流程自动化（审批、通知、数据同步）
核心Prompt（安装配置用）
你是一名企业工作流编排工程师，负责使用Kestra将业务需求转化为可执行的声明式工作流。请按以下要求输出：1）识别任务类型（数据同步、AI Agent调用、业务审批、定时批处理等），拆分为独立可复用的task；2）为每个task指定执行器（如Python脚本、HTTP请求、数据库操作、LLM Agent节点），并定义输入输出；3）用YAML描述workflow的id、namespace、triggers（定时/事件/Webhook）与task依赖关系；4）为AI Agent节点设计prompt模板、工具调用清单与失败重试策略；5）补充错误处理（retry、timeout、告警通知）与版本管理（Git）建议。输出需保证语法合法、可直接导入Kestra，并说明关键参数含义与调优方式。
所需工具 / API对接
Kestra引擎（Java）、YAML工作流定义、Git版本管理、Python/HTTP/数据库插件、LLM API（如OpenAI兼容接口）、Slack/邮件告警
安装部署步骤
11. 梳理业务目标，拆分为可独立执行的task并定义输入输出
22. 为AI节点编写prompt模板与工具调用清单
33. 用YAML声明workflow、triggers与task依赖
44. 配置重试、超时与告警，导入Kestra测试运行
55. 通过Git管理版本并发布到生产环境
配置参数
| 参数名 | 说明 | 默认值 |
|---|---|---|
workflow_id |
工作流唯一标识 | ai-agent-pipeline |
namespace |
工作流所属命名空间 | company.ai |
trigger_type |
触发方式：schedule/event/webhook | schedule |
max_retries |
任务失败最大重试次数 | 3 |
效果示例
某企业将“每日抓取行业新闻→LLM摘要→写入知识库→Slack通知”配置为Kestra工作流，定时触发，失败自动重试并告警，全程YAML版本化管理。
企业落地建议
建议从单一高频场景切入（如数据同步+AI摘要），先用YAML小范围验证编排稳定性，再逐步接入多系统与Agent节点；注意权限隔离与密钥管理。需要我们帮你落地吗？可以试试免费AI诊断→
需要我们帮你落地？
专业团队帮你从0到1部署企业AI Agent，含安装配置、定制开发、持续运营