中文 | English
Unigen 是一个把人类工作流自动编译为 AI Agent 的平台。
输入《岗前培训手册》→ 自动编译 → 得到一个弱模型也能稳定执行的 Agent。 质量上限由人类工作流决定，而不是模型能力。
传统 Agentic Agent 灵活但容易"跑偏"——链条越长，幻觉越多、状态越混乱。 Unigen 的解法：把"灵活但不可控"换成"确定且可审计"——先用人类工作流把任务定型，再编译成 Agent，让弱模型也能按人类质量跑完。
Unigen = Predefined Workflow Agent（预定义工作流 Agent） 传统工具 = Agentic Agent（自主探索 Agent）
| Agentic Agent | Unigen Agent | |
|---|---|---|
| 执行方式 | 每次都"即兴发挥"，边走边想 | 按编译好的工作流执行，路径确定 |
| 质量来源 | 模型能力（强模型才稳定） | 人类工作流（弱模型也能达到人类质量） |
| 长链条表现 | 链条越长越容易漂移、捏造 | 逻辑骨架约束，链条再长也不漂移 |
| 代价 | 灵活但不可控 | 不灵活——每个任务类型需要先收敛到工作流 |
实测验证：公众号软文任务，用阿里最便宜的 Qwen3.7-flash 模型，Unigen Agent 跑出的质量远高于同模型裸跑（完整例子）。
- 新建项目 → 选择 "产品说明 → 产品电商图" 或 "剧本 → 视频"
- 填写输入（产品信息 / 剧本）
- 点击运行 → 等待成品
推荐先跑"产品电商图"——链条短、几分钟出结果，最适合第一次感受。
假设你想做一个"产品说明 → 公众号软文"的 Agent：
第 1 步：准备《岗前培训手册》
写一份人类能看懂的"怎么做这个任务"的文档，比如：
# 公众号软文写作工作流
## 1. 建立产品档案
- 输入：产品资料、产品档案表模板
- 输出：产品档案表
- 动作：根据模板从产品资料中提取信息……
## 2. 生成选题方向
- 输入：产品档案表、选题方向框架
- 输出：选题方向表、选定选题
- 动作：根据框架生成5个选题方向……完整例子：公众号软文工作流
第 2 步：编译为 Agent
- 新建项目 → 选择 "工作流工坊"（这是编译器项目类型）
- 在左侧输入管理中粘贴你的《岗前培训手册》
- 点击运行
第 3 步：使用编译好的 Agent
- 编译完成后，关闭当前窗口
- 新建项目 → 项目类型列表会多一个 "产品说明 → 公众号软文"（名字由 AI 自动生成）
- 选择它 → 输入产品资料 → 点击运行
所有项目类型的操作完全一致：
| 项目类型 | 输入 | 输出 |
|---|---|---|
| 产品电商图 | 产品说明 | 电商图 |
| 剧本 → 视频 | 剧本 | 视频 |
| 工作流工坊 | 《岗前培训手册》 | 新项目类型 |
工作流工坊的"产品"就是新项目类型本身。它的输入不是普通数据，而是"如何做这件事"的人类经验。
为什么要这样做？
因为 设计工作流 和 把工作流编译成 Agent 是两个完全不同的任务：
Unigen 让人类专注设计工作流，把繁琐的"把工作流变成可执行代码"交给 AI。一旦编译完成，弱模型也能稳定执行——这是 Agentic Agent 做不到的。
推荐：从 Releases 下载免安装版，解压即用。
系统要求：
- 仅用外部模型 API（推荐）：普通办公机即可（4 核 CPU / 8GB 内存 / 20GB 磁盘，无需 GPU）
- 启用本地模型：取决于硬件，详见 快速开始
首次启动只需在 左下角设置 配置一次模型，对所有项目类型生效。
这是极早期版本，请以"体验逻辑向 AI 是什么感觉"而非"开箱即用的生产工具"的心态使用。
-
"产品说明 → 产品电商图"（本版新增，推荐第一个体验）
- 由 AI 在规划系统辅助下生成，从零到一稿用时 4 小时
- 链条短、成本低、几分钟出成品2. "剧本 → 视频"
- 代码由 AI 生成，人工仅确认"能跑通"
- 不挑模型：弱模型也能稳定生成提示词
- 建议先设执行目标到"提示词生成完成"
-
"工作流工坊"（编译器）
- 输入《岗前培训手册》→ 输出新项目类型
- 当前规划质量粗糙，但已能编译出可用的 Agent
-
Predefined Workflow，不是 Agentic Agent 同 Coze/Dify/n8n 一类，差异在工作流由 AI 编译、逻辑骨架约束，不挑模型
-
质量不靠模型，靠工作流 Agent 的上限由人类工作流决定，弱模型也能达到人类质量
-
工作流即代码（蓝图） 结构由代码硬保证，语义由 LLM 填充
-
编译与执行分离 编译器（工作流工坊）把《岗前培训手册》编译为 Agent，执行器跑
-
代价是不灵活 每个任务类型需要先收敛到工作流——但一旦收敛，质量稳定且可复现
📚 了解更多 → Wiki
- 提交 Issue
- 尤其欢迎：用复杂真实任务验证优势（即用 Unigen 跑一个你能设计出工作流的任务）