<p>當前的人工智能應用開發狀態被一個悖論所定義：大型語言模型（LLMs）功能強大，但基於它們構建的代理往往令人沮喪地脆弱。需要多步驟推理、外部工具使用或人工干預的生產系統，常常因狀態丟失、網絡超時或非確定性 LLM 輸出而失敗，迫使系統進行昂貴的重啓。這種執行中的根本脆弱性正是 Vercel 首席工程師 Peter Wielander 在詳細介紹公司新的開源 Workflows 平台及其配套的 Workflow DevKit 時所面對的挑戰。Vercel 不僅僅是在提供另一種託管解決方案；他們的戰略目標是擁有構建真正耐用的 AI 代理所需的關鍵編排層。</p>
<p>Wielander 談到了平台的發佈，將其定位為旨在推動 AI 應用超越簡單請求 - 響應循環的基礎設施元素。推動 Workflows 項目的核心洞察是認識到複雜軟件的可靠性需要耐用的執行——能夠持久化狀態、自動重試步驟，並在沒有人工干預或數據丟失的情況下優雅地從失敗中恢復。對於試圖部署生產級 AI 服務的創始人和工程領導者來説，這種耐用性是不可妥協的，特別是在處理可能持續數小時甚至數天的長時間運行的過程中。</p>
<p>Vercel Workflows 的方法利用了現有的基礎設施概念，但將其直接應用於 AI 堆棧的獨特不可預測性。傳統的工作流引擎可以管理固定的、確定性的業務流程。然而，AI 代理引入了非確定性的步驟——LLM 調用本身、工具的輸出或第三方 API 的延遲。Wielander 強調，Workflows 平台抽象了管理這些失敗模式的複雜性。它提供了一種開發者體驗，使工程師能夠使用熟悉的 TypeScript 和 JavaScript 構造定義複雜的、有狀態的流程，使編排感覺不再像基礎設施工程，而更像是編寫標準的應用邏輯。</p>
<p>該架構的核心是確保代理操作每一步之間的冪等性和狀態持久性。這一點至關重要，因為正如 Wielander 所指出的，“如果你有一個複雜的代理在經歷二十個步驟的過程中，第五步因網絡故障而失敗，你不應該從頭開始重啓。” Workflows DevKit 使開發者能夠將這些步驟定義為工作流中的活動，確保系統始終能夠從中斷的地方恢復，無論是服務器崩潰還是服務間歇性降級。這種能力從根本上改變了 AI 驅動應用的可靠性特徵，將容錯的負擔從應用開發者轉移到基礎設施層。</p>
<p>Workflows DevKit 專門為 LLM 交互的不可預測性而設計。它確保非確定性步驟，如 API 調用或人工審核，能夠正確地進行檢查點和恢復。</p>
<p>Vercel 在這一基礎設施層的戰略舉措具有重要意義。Vercel 主要以簡化前端部署和 React 生態系統而聞名，現在正將其開發者體驗理念——使複雜基礎設施變得簡單——擴展到後端 AI 執行環境。這是直接捕捉下一代應用開發的舉措。如果 AI 代理成為應用邏輯的主要單元，那麼可靠運行和編排這些代理的基礎設施將成為新的基礎。通過將其 Workflows 平台開源，Vercel 遵循了一個熟悉的操作手冊：建立一個基礎設施標準，最終推動回到他們託管的、管理的執行環境。</p>
<p>Wielander 詳細介紹了該平台如何與現有的 Vercel AI SDK 無縫集成，提供一個構建、測試和部署代理的統一工具鏈。這種集成簡化了定義 LLM 可以調用的工具和函數的過程，然後將這些調用包裝在一個耐用的工作流中。開發者不再需要手動管理複雜的隊列、狀態的數據庫持久層或用於恢復的分佈式追蹤。“我們希望定義一個長時間運行的、有狀態的工作流感覺就像在 JavaScript 中編寫一個簡單的異步函數，” Wielander 表示，強調了減少開發者認知負擔的重點。</p>
<p>對於風險投資公司和創始人來説，這種工具提供了直接的槓桿作用。當基礎設施摩擦被消除時，複雜、可靠的 AI 產品（如自主客户服務代理、自動化數據管道或多步驟分析工具）的上市時間顯著縮短。團隊可以完全專注於核心 AI 邏輯和商業價值，而不是將工程資源用於解決狀態管理和恢復等分佈式系統問題。保證高服務正常運行時間和執行保真度的能力對於企業採用至關重要，而 Workflows 平台直接滿足了這一需求。</p>
<p>強調將人機協作（HITL）流程納入是另一個關鍵要素。許多現實世界的代理在特定步驟需要手動審核或批准。Workflows 平台本質上支持暫停執行並等待外部信號——無論是來自人類用户還是單獨的微服務——然後再恢復持久流程。這一能力對於敏感應用中的合規性和質量保證至關重要。這種結構化的編排方法確保複雜流程不僅僅是自動化的，而且是可審計和可控的，從而防止了通常與完全自主代理相關的 “黑箱” 問題。Vercel 將 Workflows DevKit 定位為不僅是提高速度的工具，更是構建負責任、穩健且適合生產的 AI 系統的關鍵組成部分，能夠滿足現實世界的需求。</p>

<p>Vercel 推出了其開源的 Workflows 平台和 Workflow DevKit，以應對 AI 應用開發中的挑戰，特別是基於大型語言模型（LLMs）構建的代理的脆弱性。該平台旨在通過確保持久執行、狀態持久性和自動重試來增強可靠性，使開發者能夠使用熟悉的編程結構創建複雜的工作流程。這一戰略舉措使 Vercel 能夠捕捉 AI 驅動應用程序不斷變化的基礎設施需求，縮短可靠 AI 產品的上市時間，並支持合規性和質量保證的人機協作流程</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>當前的人工智能應用開發狀態被一個悖論所定義：大型語言模型（LLMs）功能強大，但基於它們構建的代理往往令人沮喪地脆弱。需要多步驟推理、外部工具使用或人工干預的生產系統，常常因狀態丟失、網絡超時或非確定性 LLM 輸出而失敗，迫使系統進行昂貴的重啓。這種執行中的根本脆弱性正是 Vercel 首席工程師 Peter Wielander 在詳細介紹公司新的開源 Workflows 平台及其配套的 Workflow DevKit 時所面對的挑戰。Vercel 不僅僅是在提供另一種託管解決方案；他們的戰略目標是擁有構建真正耐用的 AI 代理所需的關鍵編排層。</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 談到了平台的發佈，將其定位為旨在推動 AI 應用超越簡單請求 - 響應循環的基礎設施元素。推動 Workflows 項目的核心洞察是認識到複雜軟件的可靠性需要耐用的執行——能夠持久化狀態、自動重試步驟，並在沒有人工干預或數據丟失的情況下優雅地從失敗中恢復。對於試圖部署生產級 AI 服務的創始人和工程領導者來説，這種耐用性是不可妥協的，特別是在處理可能持續數小時甚至數天的長時間運行的過程中。</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 的方法利用了現有的基礎設施概念，但將其直接應用於 AI 堆棧的獨特不可預測性。傳統的工作流引擎可以管理固定的、確定性的業務流程。然而，AI 代理引入了非確定性的步驟——LLM 調用本身、工具的輸出或第三方 API 的延遲。Wielander 強調，Workflows 平台抽象了管理這些失敗模式的複雜性。它提供了一種開發者體驗，使工程師能夠使用熟悉的 TypeScript 和 JavaScript 構造定義複雜的、有狀態的流程，使編排感覺不再像基礎設施工程，而更像是編寫標準的應用邏輯。</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>該架構的核心是確保代理操作每一步之間的冪等性和狀態持久性。這一點至關重要，因為正如 Wielander 所指出的，“如果你有一個複雜的代理在經歷二十個步驟的過程中，第五步因網絡故障而失敗，你不應該從頭開始重啓。” Workflows DevKit 使開發者能夠將這些步驟定義為工作流中的活動，確保系統始終能夠從中斷的地方恢復，無論是服務器崩潰還是服務間歇性降級。這種能力從根本上改變了 AI 驅動應用的可靠性特徵，將容錯的負擔從應用開發者轉移到基礎設施層。</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 專門為 LLM 交互的不可預測性而設計。它確保非確定性步驟，如 API 調用或人工審核，能夠正確地進行檢查點和恢復。</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 在這一基礎設施層的戰略舉措具有重要意義。Vercel 主要以簡化前端部署和 React 生態系統而聞名，現在正將其開發者體驗理念——使複雜基礎設施變得簡單——擴展到後端 AI 執行環境。這是直接捕捉下一代應用開發的舉措。如果 AI 代理成為應用邏輯的主要單元，那麼可靠運行和編排這些代理的基礎設施將成為新的基礎。通過將其 Workflows 平台開源，Vercel 遵循了一個熟悉的操作手冊：建立一個基礎設施標準，最終推動回到他們託管的、管理的執行環境。</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 詳細介紹了該平台如何與現有的 Vercel AI SDK 無縫集成，提供一個構建、測試和部署代理的統一工具鏈。這種集成簡化了定義 LLM 可以調用的工具和函數的過程，然後將這些調用包裝在一個耐用的工作流中。開發者不再需要手動管理複雜的隊列、狀態的數據庫持久層或用於恢復的分佈式追蹤。“我們希望定義一個長時間運行的、有狀態的工作流感覺就像在 JavaScript 中編寫一個簡單的異步函數，” Wielander 表示，強調了減少開發者認知負擔的重點。</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>對於風險投資公司和創始人來説，這種工具提供了直接的槓桿作用。當基礎設施摩擦被消除時，複雜、可靠的 AI 產品（如自主客户服務代理、自動化數據管道或多步驟分析工具）的上市時間顯著縮短。團隊可以完全專注於核心 AI 邏輯和商業價值，而不是將工程資源用於解決狀態管理和恢復等分佈式系統問題。保證高服務正常運行時間和執行保真度的能力對於企業採用至關重要，而 Workflows 平台直接滿足了這一需求。</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>強調將人機協作（HITL）流程納入是另一個關鍵要素。許多現實世界的代理在特定步驟需要手動審核或批准。Workflows 平台本質上支持暫停執行並等待外部信號——無論是來自人類用户還是單獨的微服務——然後再恢復持久流程。這一能力對於敏感應用中的合規性和質量保證至關重要。這種結構化的編排方法確保複雜流程不僅僅是自動化的，而且是可審計和可控的，從而防止了通常與完全自主代理相關的 “黑箱” 問題。Vercel 將 Workflows DevKit 定位為不僅是提高速度的工具，更是構建負責任、穩健且適合生產的 AI 系統的關鍵組成部分，能夠滿足現實世界的需求。</p>
</div>

Vercel 的工作流開發工具包解決了代理不穩定的問題