李继刚(@lijigang_com)
以 llm 基础，看到有两条发展路径
7.2Score
TL;DR · AI 摘要
LLM应用架构正分化为原子化技能包与组件化最佳实践两条路径，前者拆解个人能力供灵活调用，后者封装场景Workflow提升交付效率。
核心要点
- 向下原子化路径将人的能力拆解为针对具体任务的独立技能包，支持用户按需灵活调用。
- 向上组件化路径封装包含Workflow、节点优化及技能包的场景最佳实践，面向需求方直接交付。
- 架构选型需在原子化的灵活性与组件化的标准化之间权衡，以匹配业务复杂度与交付目标。
结构提纲
按章节快速跳转。
LLM应用演进呈现向下原子化与向上组件化两种截然不同的架构发展方向。
原子化路径将个体能力解耦为针对特定任务的独立技能包，供终端用户按需调用。
组件化路径将Workflow、节点优化等场景最佳实践打包，为需求方提供标准化解决方案。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- LLM应用架构双路径
- 向下原子化
- 拆解个人能力
- 任务级技能包
- 向上组件化
- 封装最佳实践
- 场景级Workflow
金句 / Highlights
值得收藏与分享的关键句。
一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。
一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化、技能包）给封装起来，供需求方调用。
以 llm 基础，看到有两条发展路径。
#LLM#AI Agent#Workflow#系统架构
打开原文一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。
一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化、技能包）给封装起来，供需求方调用。" / X
李继刚 on X: "以 llm 基础，看到有两条发展路径： 一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。 一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化、技能包）给封装起来，供需求方调用。" / X
Don’t miss what’s happening
Show translation
以 llm 基础，看到有两条发展路径： 一条是往下走，原子化，把一个人的能力给拆成一个个针对具体任务的技能包，供用户调用。 一个是往上走，组件化，把一个场景的最佳实践（workflow 、节点优化、技能包）给封装起来，供需求方调用。
·
25
3
49
32
Read 25 replies