Storylines：有状态、以图编排、交付一整套流程的智能体

大多数智能体做的是单点任务：回答一个问题、订一个时段、收集一个细节。它们坐在业务周围，让业务更快。教学本身、辅导本身、咨询本身——业务所卖东西的内核——仍然需要一个真人。一条 storyline 正是让智能体能接手那个内核的东西：一个多步骤、有状态的流程，它与每一个个体一起运行，记住他们走到了哪里，并随他们的推进而调整。一所语言学校的 storyline 不只是帮你订课；它把课教了。

storyline 不是“一个技能更多的智能体”

这是首先要厘清的一点，因为两者看起来相似，其实不然。技能是模型能够伸手去取的一种能力；storyline 是事情发生的顺序。

	一个带若干技能的智能体	一个运行 storyline 的智能体
顺序	任意技能，任意时刻——无先后	“A 没做完就到不了 B”
状态	不记得你走到了哪	每个人的进度都被保存并续接
由什么驱动	模型每一轮自己决定	由图及其条件决定
确定性	顺序活在模型脑子里	顺序被画成一张图——带版本、可度量

技能回答的是一个智能体能做什么。storyline 管的是什么按什么顺序发生，以及这个特定的人此刻在哪里。两者并非对手——storyline 是技能之上的一层：每个节点仍然挂着它自己的技能、知识和工具。而且因为顺序活在一张显式的图里，而非模型的工作记忆里，一条 storyline 会随流程变长而保持可靠——模型只需处理当前这一步，而不必一步不错地记住一套十二步的流程。

storyline vs. 工作流

因为一条 storyline 也是一张由步骤组成的图，很容易把它归到工作流搭建器那一类——世上的那些 Dify、n8n、Zapier。它们是另一种东西。工作流自动化的是系统之间的一个流程：一条固定的流水线，由触发器点燃，每次以相同方式运行，把数据从一个工具搬到下一个。它对为谁运行没有记忆，因为它并不是为任何人运行的——它是机器对机器的管道。

一条 storyline 的状态就是一个人。每个个体的进度、档案和在流程中所处的位置都被保存并续接，于是同一张图会为每个终端用户产生一条不同的、可续接的路径，而智能体在每一步把这场对话撑住，而不是在各个应用之间倒腾数据。工作流自动化一个任务；storyline 向某个人交付一项服务，并记住他。

	工作流（Dify、n8n、Zapier）	一条 storyline
流经它的是什么	数据，在系统之间	一个人，穿过一个流程
状态	无状态——每次同样地运行	有状态——每个个体一条保存的路径
它为谁运行	谁也不为；它由事件触发	一个特定的终端用户，跨会话跨渠道被记住
工作的单元	一个自动化步骤（“调这个 API”）	一个对话步骤（“智能体处理这一阶段”）
你在什么时候用它	两个系统需要互相通话	一项服务需要大规模交付给人

界线很简单：如果活儿是“当 X 发生时，对数据做 Y”，那是工作流。如果活儿是“带每个人走过这一程，并适应他所处的位置”，那是 storyline。你仍然可以两者并用——一个 storyline 节点可以调出一个工作流，去做一步背后的机器对机器工作。

组成部件

• **Nodes（节点）**是步骤。每个节点为那一步重新配置同一个智能体：自己的任务提示、知识库、技能和工具（叠加在智能体的基底之上，或就此一步替换掉）。智能体的身份与安全边界，在节点之间从不改变。
• **Exits（出口）**是节点前进的方式，每个都携带一个条件：一条针对档案的规则（listening ≥ 70）、用户点击一个按钮、AI 对某个模糊标准的判断（“当他们能不经提示地造出句子时”）、来自外部系统的信号，或跳转到另一条 storyline。
• **A profile（档案）**随人同行——你为每个主题定义的维度（语言的听、说、读、写；换成历史科目则完全是别的东西），跨 storyline 累积，外加一块自由格式的交接便签，从一个节点传给下一个。
• **Chaining（串接）**把 storyline 首尾相连——一年级流入二年级——于是你可以逐步长成一段庞大的旅程，而不必一次性全建完，还能按结果分支到另一条 storyline（一个没通过考试的用户进入补习线，而不是下一个年级）。

进度是按人、而非按会话记的，所以有人可以中途离开，再从他离开的确切位置接着来——在网页、Telegram 或 WhatsApp 上，无论他从哪里回来。

编排模式

一条 storyline 作为一个 token 沿图行走而运行，而这一个模型就能表达每一种常见的控制流形态。顺序活在图里——带版本、可检视——而非模型的短期记忆里，所以它会随流程变长、分支变多而保持可靠。

分支——if / else / switch。 一个带若干规则出口的节点，自上而下逐一尝试；第一个条件成立的胜出。确定性、基于已保存状态求值、无需模型猜测。

循环——带上限的重试。 一条回边加一个计数器：每次尝试给某个维度加一，一条规则给它封顶并转向。重试由图自己写下的状态所限，而非靠指望模型自己数着。

并行——全做 / AND-合并。 若干个此人可按任意顺序完成的子流程，各有自己不同的步骤；只有当每一条分支都完成后，storyline 才前进。

让这些具备确定性的，是一个出口在被走过时能设置或递增档案的一部分——一个完成标志、一个重试计数、一个路由结果。分支与合并随后读取的，是图自己在前一步写下的状态，而绝非某个 LLM 对发生过什么的回忆。模型处理当前这一步的对话；图处理接下来发生什么。

可以展开成计划的步骤

有些步骤太依赖具体情形，没法预先写全。比如「收集材料」这一步，对一个住在美国的中国创始人和一个待在本国的德国创始人来说，就是两份不同的清单。把这样的步骤标记为可展开，用户走到它时智能体就会提出把它展开——针对这个用户、就在当下——变成一份由 Dynamic Planner 生成的临时子计划：有自己的步骤、清单和看得见的进度。计划以嵌套方式运行：你的 storyline 在这一步暂停，子计划执行，完成后 storyline 从它离开的确切位置继续。有两条规则让角色分得清楚：手工编写的 storyline 永远优先于任何生成出来的东西，而每一次展开都是被提出的、绝不被强加——用户先确认。（Dynamic Planner 是一项 Pro 能力，它自己的概念页还讲了在 storyline 之外计划是怎么被触发的。）

引入外部系统

一个节点可以交接给第三方，并对返回的结果采取行动：一份评分过的测评、一次 KYC 核验、一个内嵌小游戏。那个结果——一个分数、一个裁定、一次支付确认——可以更新档案或满足某个出口。有两种形态：一次后端交接（数据流出到某个工具，一个结果流回，全程不可见）和一次跳转并等待的交接（对话显示一个链接、锁住，待外部步骤完成后续接——正如支付流程那样）。

它适合放在哪里

Storylines 适合任何其核心服务本身就是一场结构化、分阶段、按人进行的对话的业务：辅导与语言练习、教练与督促计划、分阶段咨询与引导式销售、申请受理与预审、认证与培训。凡是价值如今被一个人的工时所封顶的地方，storyline 都能让一个智能体同时为成千上万人运行那套流程——而那些真正需要真人的部分，仍留给真人。

Storylines 是一项 Pro 能力，按租户开启。它们在 console 里被作为一张图来编写（或通过 API，好让一个向导或一个助手来搭建），带版本并发布，进行中的用户被固定在他们开始时所用的版本上。