WAT 框架 (Workflows, Agents, Tools)
WAT 框架是 MindStudio 提出的用于设计、拆解与组织 Agentic AI 系统架构的模块化心智模型。它将复杂的端到端任务分解为三层结构，确保每层具备清晰、专一的职责分工，从而解决无结构智能体系统在复杂任务中容易迷失和死循环的问题。
graph TD W[Workflows 工作流: 顶层控制与状态编排] --> A1[Agent 1 智能体: 推理与决策] W --> A2[Agent 2 智能体: 推理与决策] A1 --> T1[Tool 1 工具: 具体调用行为] A1 --> T2[Tool 2 工具: 具体调用行为] A2 --> T3[Tool 3 工具: 具体调用行为]
1. 核心三层架构
- W — Workflows (工作流 / 编排逻辑)：
- 定义：定义系统“发生了什么”、“以什么顺序”以及“在什么条件下”发生的编排逻辑。
- 职责：作为系统的顶层控制“主脑”，管理流程的状态转换和顺序控制。在 MindStudio 中，工作流通常在可视化的“Automations Canvas（自动化画布）”中定义，用于把控任务的整体走向和约束条件。
- A — Agents (智能体 / 推理大脑)：
- 定义：利用大语言模型（LLM）的推理能力，负责在特定步骤中接收上下文、思考、决策并产出行动的 AI 组件。
- 职责：不同于死板的代码脚本，智能体可以理解意图、分配策略并应对流程中的变数与异质性数据。在一个工作流中可以有多个 specialized agents（分工智能体，如研究员、撰稿人、校验员）协同工作。
- T — Tools (工具 / 身体与双手)：
- 定义：智能体可以调用来与物理世界、数据库或外部 API 发生交互的原子能力。
- 职责：包括搜索引擎、计算器、PDF阅读器、数据库写入接口以及与第三方软件（如 Google Workspace、Slack 等）的集成。工具本身没有推理能力，只由 Agent 根据推理需要来调配和使用。
2. 为什么需要 WAT 框架
- 规避无结构 Agent 的预测性失效：直接让 AI Agent 面对庞大模糊的端到端任务（如“写一个完整功能”），AI 极易在几轮交互后丢失上下文、偏离目标，或者因为工具返回错误而在死循环里消耗 Token。WAT 框架通过 Workflow 约束 Agent，确保 Agent 的动作不脱轨。
- 职责清晰，防止工具凌乱：WAT 自上而下的设计理念（先明确整体业务流，再细化所需 Agent 大脑，最后提供特定 Tools 设备）规避了“拿着锤子找钉子”的杂乱设计，降低了多 Agent 协作系统（Multi-Agent System）的维护和调试门槛。
Source: 2026-06-29-article-www-mindstudio-ai-blog-what-is-wat-framework-workflows-agent（来源未公开）