AI Agent 还是工作流:该搭哪个

工作流和 AI agent 都用 LLM,但工作流按你预先定好的固定步骤依次执行,agent 则在运行时自己决定步骤去达成目标。路径已知、可重复时选工作流;只有当下一步真的取决于它当场发现的东西时,才选 agent。

这两个词被当作「agent 是升级、工作流是老办法」来卖。并不是。它们是两种取舍不同的架构,默认伸手去拿更自主的那个,正是团队最后搭出一个比任务本身更慢、更贵、更难排查的东西的原因。

唯一真正的区别:谁来决定下一步

Anthropic 的工程指南把这条线画得很准。工作流是「LLM 和工具通过预先定义的代码路径来编排」的系统;agent 是「LLM 自己动态主导流程和工具调用、掌控如何完成任务」的系统。工作流里,是写好了顺序,模型只填空;agent 里,是模型决定顺序。

这正是本集群里每一组对比背后的那条轴——聊天机器人的回应还是行动copilot 的辅助还是执行RPA 的固定规则还是推理。Anthropic 把它称作「自主性的程度」,并直言更多不等于更好:它建议找到「尽可能最简单的方案」,只在任务需要时才加自主性,因为自主性会带来延迟、成本和新的出错方式。

什么时候该用工作流

如果你能提前把步骤写下来,工作流几乎总是赢家。同时提供两者的 Retool 说得直白:「工作流由一组预先定义、结果可预测的步骤组成,而 AI agent 自主工作。」固定路径的回报是你拿到「可预测性、可审计性和成本控制」——你能精确追踪跑了什么、复现一个 bug、知道每次运行调用多少次模型。

当步骤已知、可重复、歧义低时用工作流:给线索补充信息、把报告排版归档、按规则给工单分流。它也是准确度最重要时更安全的选择,因为固定路径不会跑偏。人们口中的「某某 AI agent」,大多其实是中间夹了一个 LLM 步骤的工作流——这是优点,不是缺陷。

什么时候你真的需要 agent

当路径无法提前写下来时,agent 才配得上它的复杂度。Retool 列出了它的适用场景:「开放式、模糊的任务,比如调研、调试,以及从不断变化的来源里收集和汇总数据」。如果下一步有用的动作取决于上一步查到了什么,没有哪条预定义路径能覆盖所有分支——这就是该让模型来掌舵的情形。

Issue #001 的 Gmail 分流 agent 就是这条线的真实例子。读每封邮件、判断它要不要回,是 agent 形状的——收件箱每天早上都不一样。但发送那一步仍卡在人工审批闸门后面,围着它的管道则是纯工作流。自主性只花在真正需要的地方。

大多数真实系统是混合的

选择不是二选一。Retool 指出最好的生产系统「把两者结合,用确定性的边界在关键处约束 agent 的自主性」——工作流为那一个开放式步骤调用 agent,然后收回控制权处理确定性的步骤。Anthropic 的指南指向同一方向:从简单起步,只在真正会变化的那部分加一个 agent 循环。

在你动手搭任何东西之前,一个实用的判断方法:

  • 能提前把步骤列出来吗? 能 → 工作流。不能 → 那个模糊的部分要 agent。
  • 下一步取决于上一步发现的东西吗? 不取决 → 工作流。取决 → agent。
  • 需要廉价地复现和审计每次运行吗? 这拉向工作流,或拉向一个有硬边界的收紧型 agent。
  • 有不可逆的动作吗——发送、付款、删除? 无论哪种都给它加闸门;自主性抬高了走错一步的代价。

刚入门?从 Agent 101 开始,再看在职场站得住脚的五种 agent 模式——其中好几种就是套着「agent」这个词的工作流,这没关系。

FAQ

AI agent 和工作流有什么区别? 工作流按你写好的一组预定义步骤执行,结果可预测;AI agent 在运行时自己决定步骤去达成目标。Anthropic 把它描述为通过「预先定义的代码路径」编排,对比一个「自己动态主导流程」的模型。分界线是谁来决定下一步——你还是模型。

agent 比工作流更好吗? 不——它们是不同的工具。Anthropic 建议用「尽可能最简单的方案」,只在任务需要时才加自主性,因为自主性会带来更多成本、延迟和出错方式。如果你能把步骤写下来,工作流通常更可预测、更便宜、更易审计。

什么时候该用工作流而不是 agent? 当步骤已知、可重复、歧义低,且你需要可预测性、可审计性和成本控制时用工作流。给线索补信息、归档排好版的报告、按规则分流工单都是工作流的活——固定路径不会跑偏。

什么时候我才真的需要 agent? 当路径无法提前写下来,因为下一步取决于上一步查到了什么——开放式的活,比如调研、调试或汇总不断变化的数据。如果预定义序列要为每种可能都开一个分支,就让模型来掌那一段。

能把工作流和 agent 结合起来吗? 能,而且大多数真实系统都这么做。套路是工作流把那一个开放式步骤交给 agent,再收回确定性的控制权——用确定性边界在关键处约束 agent 的自主性。给任何会发送、付款或删除的步骤留一道人工闸门


想看职场人真正在跑的 agent 的一手记录——具体配置、成本和翻车点?免费订阅,每周的搭建直接送到你邮箱。