<p>当前的人工智能应用开发状态被一个悖论所定义：大型语言模型（LLMs）功能强大，但基于它们构建的代理往往令人沮丧地脆弱。需要多步骤推理、外部工具使用或人工干预的生产系统，常常因状态丢失、网络超时或非确定性 LLM 输出而失败，迫使系统进行昂贵的重启。这种执行中的根本脆弱性正是 Vercel 首席工程师 Peter Wielander 在详细介绍公司新的开源 Workflows 平台及其配套的 Workflow DevKit 时所面对的挑战。Vercel 不仅仅是在提供另一种托管解决方案；他们的战略目标是拥有构建真正耐用的 AI 代理所需的关键编排层。</p>
<p>Wielander 谈到了平台的发布，将其定位为旨在推动 AI 应用超越简单请求 - 响应循环的基础设施元素。推动 Workflows 项目的核心洞察是认识到复杂软件的可靠性需要耐用的执行——能够持久化状态、自动重试步骤，并在没有人工干预或数据丢失的情况下优雅地从失败中恢复。对于试图部署生产级 AI 服务的创始人和工程领导者来说，这种耐用性是不可妥协的，特别是在处理可能持续数小时甚至数天的长时间运行的过程中。</p>
<p>Vercel Workflows 的方法利用了现有的基础设施概念，但将其直接应用于 AI 堆栈的独特不可预测性。传统的工作流引擎可以管理固定的、确定性的业务流程。然而，AI 代理引入了非确定性的步骤——LLM 调用本身、工具的输出或第三方 API 的延迟。Wielander 强调，Workflows 平台抽象了管理这些失败模式的复杂性。它提供了一种开发者体验，使工程师能够使用熟悉的 TypeScript 和 JavaScript 构造定义复杂的、有状态的流程，使编排感觉不再像基础设施工程，而更像是编写标准的应用逻辑。</p>
<p>该架构的核心是确保代理操作每一步之间的幂等性和状态持久性。这一点至关重要，因为正如 Wielander 所指出的，“如果你有一个复杂的代理在经历二十个步骤的过程中，第五步因网络故障而失败，你不应该从头开始重启。” Workflows DevKit 使开发者能够将这些步骤定义为工作流中的活动，确保系统始终能够从中断的地方恢复，无论是服务器崩溃还是服务间歇性降级。这种能力从根本上改变了 AI 驱动应用的可靠性特征，将容错的负担从应用开发者转移到基础设施层。</p>
<p>Workflows DevKit 专门为 LLM 交互的不可预测性而设计。它确保非确定性步骤，如 API 调用或人工审核，能够正确地进行检查点和恢复。</p>
<p>Vercel 在这一基础设施层的战略举措具有重要意义。Vercel 主要以简化前端部署和 React 生态系统而闻名，现在正将其开发者体验理念——使复杂基础设施变得简单——扩展到后端 AI 执行环境。这是直接捕捉下一代应用开发的举措。如果 AI 代理成为应用逻辑的主要单元，那么可靠运行和编排这些代理的基础设施将成为新的基础。通过将其 Workflows 平台开源，Vercel 遵循了一个熟悉的操作手册：建立一个基础设施标准，最终推动回到他们托管的、管理的执行环境。</p>
<p>Wielander 详细介绍了该平台如何与现有的 Vercel AI SDK 无缝集成，提供一个构建、测试和部署代理的统一工具链。这种集成简化了定义 LLM 可以调用的工具和函数的过程，然后将这些调用包装在一个耐用的工作流中。开发者不再需要手动管理复杂的队列、状态的数据库持久层或用于恢复的分布式追踪。“我们希望定义一个长时间运行的、有状态的工作流感觉就像在 JavaScript 中编写一个简单的异步函数，” Wielander 表示，强调了减少开发者认知负担的重点。</p>
<p>对于风险投资公司和创始人来说，这种工具提供了直接的杠杆作用。当基础设施摩擦被消除时，复杂、可靠的 AI 产品（如自主客户服务代理、自动化数据管道或多步骤分析工具）的上市时间显著缩短。团队可以完全专注于核心 AI 逻辑和商业价值，而不是将工程资源用于解决状态管理和恢复等分布式系统问题。保证高服务正常运行时间和执行保真度的能力对于企业采用至关重要，而 Workflows 平台直接满足了这一需求。</p>
<p>强调将人机协作（HITL）流程纳入是另一个关键要素。许多现实世界的代理在特定步骤需要手动审核或批准。Workflows 平台本质上支持暂停执行并等待外部信号——无论是来自人类用户还是单独的微服务——然后再恢复持久流程。这一能力对于敏感应用中的合规性和质量保证至关重要。这种结构化的编排方法确保复杂流程不仅仅是自动化的，而且是可审计和可控的，从而防止了通常与完全自主代理相关的 “黑箱” 问题。Vercel 将 Workflows DevKit 定位为不仅是提高速度的工具，更是构建负责任、稳健且适合生产的 AI 系统的关键组成部分，能够满足现实世界的需求。</p>

<p>Vercel 推出了其开源的 Workflows 平台和 Workflow DevKit，以应对 AI 应用开发中的挑战，特别是基于大型语言模型（LLMs）构建的代理的脆弱性。该平台旨在通过确保持久执行、状态持久性和自动重试来增强可靠性，使开发者能够使用熟悉的编程结构创建复杂的工作流程。这一战略举措使 Vercel 能够捕捉 AI 驱动应用程序不断变化的基础设施需求，缩短可靠 AI 产品的上市时间，并支持合规性和质量保证的人机协作流程</p>

<p>The current state of AI application development is defined by a paradox: large language models (LLMs) are incredibly powerful, yet the agents built atop them are often frustratingly brittle. Production systems that require multi-step reasoning, external tool use, or human intervention frequently fail due to lost state, network timeouts, or non-deterministic LLM output, forcing costly restarts. This fundamental fragility in execution is the precise challenge that Peter Wielander, Principal Engineer at Vercel, addressed when detailing the company’s new open-source Workflows platform and the accompanying Workflow DevKit. Vercel is not merely offering another hosting solution; they are strategically aiming to own the critical orchestration layer necessary for building truly durable AI agents.</p>
<div class="lb-trans"><p>当前的人工智能应用开发状态被一个悖论所定义：大型语言模型（LLMs）功能强大，但基于它们构建的代理往往令人沮丧地脆弱。需要多步骤推理、外部工具使用或人工干预的生产系统，常常因状态丢失、网络超时或非确定性 LLM 输出而失败，迫使系统进行昂贵的重启。这种执行中的根本脆弱性正是 Vercel 首席工程师 Peter Wielander 在详细介绍公司新的开源 Workflows 平台及其配套的 Workflow DevKit 时所面对的挑战。Vercel 不仅仅是在提供另一种托管解决方案；他们的战略目标是拥有构建真正耐用的 AI 代理所需的关键编排层。</p>
</div><p>Wielander spoke about the platform’s release, positioning it as a foundational infrastructure element designed to move AI applications beyond simple request-response cycles. The core insight driving the Workflows project is the recognition that reliability in complex software requires durable execution—the ability to persist state, retry steps automatically, and recover gracefully from failure without manual intervention or data loss. For founders and engineering leaders attempting to deploy production-grade AI services, this durability is non-negotiable, particularly when dealing with long-running processes that might span hours or even days.</p>
<div class="lb-trans"><p>Wielander 谈到了平台的发布，将其定位为旨在推动 AI 应用超越简单请求 - 响应循环的基础设施元素。推动 Workflows 项目的核心洞察是认识到复杂软件的可靠性需要耐用的执行——能够持久化状态、自动重试步骤，并在没有人工干预或数据丢失的情况下优雅地从失败中恢复。对于试图部署生产级 AI 服务的创始人和工程领导者来说，这种耐用性是不可妥协的，特别是在处理可能持续数小时甚至数天的长时间运行的过程中。</p>
</div><p>The Vercel Workflows approach leverages existing infrastructure concepts, but applies them directly to the unique unpredictability of the AI stack. Traditional workflow engines can manage fixed, deterministic business processes. AI agents, however, introduce non-deterministic steps—the LLM call itself, the output of a tool, or the latency of a third-party API. Wielander emphasized that the Workflows platform abstracts away the complexity of managing these failure modes. It provides a developer experience that allows engineers to define complex, stateful processes using familiar TypeScript and JavaScript constructs, making orchestration feel less like infrastructure engineering and more like writing standard application logic.</p>
<div class="lb-trans"><p>Vercel Workflows 的方法利用了现有的基础设施概念，但将其直接应用于 AI 堆栈的独特不可预测性。传统的工作流引擎可以管理固定的、确定性的业务流程。然而，AI 代理引入了非确定性的步骤——LLM 调用本身、工具的输出或第三方 API 的延迟。Wielander 强调，Workflows 平台抽象了管理这些失败模式的复杂性。它提供了一种开发者体验，使工程师能够使用熟悉的 TypeScript 和 JavaScript 构造定义复杂的、有状态的流程，使编排感觉不再像基础设施工程，而更像是编写标准的应用逻辑。</p>
</div><p>The architecture is centered on ensuring idempotency and state persistence between every step of an agent’s operation. This is critical because, as Wielander pointed out, “If you have a complex agent running through a twenty-step process and the fifth step fails because of a network hiccup, you shouldn’t have to restart from scratch.” The Workflows DevKit enables developers to define these steps as activities within a workflow, guaranteeing that the system can always resume exactly where it left off, regardless of server crashes or intermittent service degradation. This capability fundamentally transforms the reliability profile of AI-driven applications, shifting the burden of fault tolerance from the application developer to the infrastructure layer.</p>
<div class="lb-trans"><p>该架构的核心是确保代理操作每一步之间的幂等性和状态持久性。这一点至关重要，因为正如 Wielander 所指出的，“如果你有一个复杂的代理在经历二十个步骤的过程中，第五步因网络故障而失败，你不应该从头开始重启。” Workflows DevKit 使开发者能够将这些步骤定义为工作流中的活动，确保系统始终能够从中断的地方恢复，无论是服务器崩溃还是服务间歇性降级。这种能力从根本上改变了 AI 驱动应用的可靠性特征，将容错的负担从应用开发者转移到基础设施层。</p>
</div><p>The Workflows DevKit is designed specifically for the unpredictable nature of LLM interactions. It ensures that non-deterministic steps, like an API call or a human review, are properly checkpointed and recoverable.</p>
<div class="lb-trans"><p>Workflows DevKit 专门为 LLM 交互的不可预测性而设计。它确保非确定性步骤，如 API 调用或人工审核，能够正确地进行检查点和恢复。</p>
</div><p>Vercel’s strategic move into this infrastructure layer is highly significant. Known primarily for simplifying frontend deployment and the React ecosystem, Vercel is now extending its developer experience philosophy—making complex infrastructure simple—to the backend AI execution environment. This is a direct play to capture the next generation of application development. If AI agents become the primary unit of application logic, the infrastructure that reliably runs and orchestrates those agents becomes the new foundation. By making their Workflows platform open source, Vercel is following a familiar playbook: establishing a standard for infrastructure that eventually drives adoption back to their hosted, managed execution environment.</p>
<div class="lb-trans"><p>Vercel 在这一基础设施层的战略举措具有重要意义。Vercel 主要以简化前端部署和 React 生态系统而闻名，现在正将其开发者体验理念——使复杂基础设施变得简单——扩展到后端 AI 执行环境。这是直接捕捉下一代应用开发的举措。如果 AI 代理成为应用逻辑的主要单元，那么可靠运行和编排这些代理的基础设施将成为新的基础。通过将其 Workflows 平台开源，Vercel 遵循了一个熟悉的操作手册：建立一个基础设施标准，最终推动回到他们托管的、管理的执行环境。</p>
</div><p>Wielander detailed how the platform integrates seamlessly with the existing Vercel AI SDK, providing a cohesive toolchain for building, testing, and deploying agents. This integration simplifies the process of defining tools and functions that the LLM can call, and then wrapping those calls within a durable workflow. The developer no longer has to manually manage complex queues, database persistence layers for state, or distributed tracing for recovery. “We wanted to make defining a long-running, stateful workflow feel exactly like writing a simple asynchronous function in JavaScript,” Wielander stated, highlighting the focus on minimizing cognitive load for the developer.</p>
<div class="lb-trans"><p>Wielander 详细介绍了该平台如何与现有的 Vercel AI SDK 无缝集成，提供一个构建、测试和部署代理的统一工具链。这种集成简化了定义 LLM 可以调用的工具和函数的过程，然后将这些调用包装在一个耐用的工作流中。开发者不再需要手动管理复杂的队列、状态的数据库持久层或用于恢复的分布式追踪。“我们希望定义一个长时间运行的、有状态的工作流感觉就像在 JavaScript 中编写一个简单的异步函数，” Wielander 表示，强调了减少开发者认知负担的重点。</p>
</div><p>For VCs and founders, this tooling provides immediate leverage. The time-to-market for complex, reliable AI products—such as autonomous customer service agents, automated data pipelines, or multi-step analysis tools—is dramatically reduced when the infrastructure friction is removed. Instead of dedicating engineering resources to solving distributed systems problems like state management and recovery, teams can focus entirely on the core AI logic and business value. The ability to guarantee a high degree of service uptime and execution fidelity is paramount for enterprise adoption, and the Workflows platform directly addresses this need.</p>
<div class="lb-trans"><p>对于风险投资公司和创始人来说，这种工具提供了直接的杠杆作用。当基础设施摩擦被消除时，复杂、可靠的 AI 产品（如自主客户服务代理、自动化数据管道或多步骤分析工具）的上市时间显著缩短。团队可以完全专注于核心 AI 逻辑和商业价值，而不是将工程资源用于解决状态管理和恢复等分布式系统问题。保证高服务正常运行时间和执行保真度的能力对于企业采用至关重要，而 Workflows 平台直接满足了这一需求。</p>
</div><p>The emphasis on incorporating human-in-the-loop (HITL) processes is another crucial element. Many real-world agents require manual review or approval at specific steps. The Workflows platform inherently supports pausing execution and waiting for external signals—whether from a human user or a separate microservice—before resuming the durable flow. This capability is essential for compliance and quality assurance in sensitive applications. This structured approach to orchestration ensures that complex processes are not just automated, but also auditable and controllable, preventing the “black box” problem often associated with fully autonomous agents. Vercel is positioning the Workflows DevKit not just as a tool for speed, but as a critical component for building responsible, robust, and production-ready AI systems that can stand up to real-world demands.</p>
<div class="lb-trans"><p>强调将人机协作（HITL）流程纳入是另一个关键要素。许多现实世界的代理在特定步骤需要手动审核或批准。Workflows 平台本质上支持暂停执行并等待外部信号——无论是来自人类用户还是单独的微服务——然后再恢复持久流程。这一能力对于敏感应用中的合规性和质量保证至关重要。这种结构化的编排方法确保复杂流程不仅仅是自动化的，而且是可审计和可控的，从而防止了通常与完全自主代理相关的 “黑箱” 问题。Vercel 将 Workflows DevKit 定位为不仅是提高速度的工具，更是构建负责任、稳健且适合生产的 AI 系统的关键组成部分，能够满足现实世界的需求。</p>
</div>

Vercel 的工作流开发工具包解决了代理不稳定的问题