AI Agent 与 Workflow 有什么区别？应该如何选型？
简化版
核心区别是谁控制流程：Workflow 的执行路径主要由代码预先定义（代码决定下一步），Agent 让模型根据上下文和工具结果动态决定下一步（模型在边界内决定）。路径稳定、合规要求高 → 优先 Workflow；步骤难预知、需要探索和适应 → 用 Agent，但要接受更高的成本、延迟和不确定性。原则：从最简单的确定性方案开始，只在固定流程覆盖不了任务变化时才增加自主决策。
详细版
- Workflow：程序控制分支、顺序、重试、结束；
- Agent：模型在运行时选择部分步骤、工具、子任务；
- 可混合：固定审批流程内部嵌一个受限 Agent。
选型比五项：路径是否可枚举、失败代价、可审计要求、时延与成本预算、环境变化程度。
完整版教学
一、Workflow 的优势：可控、可测、可审计
固定流程容易做单元测试、容量规划、权限审计、故障恢复。看一个确定性流程：
读取发票 → 校验字段 → 查重 → 进入审批
每一步都是代码写死的分支，输入相同则路径相同 → 可复现、可测试、可审计关键认知：Workflow 里某一步调用模型做分类/抽取/生成，不会让整个系统变成 Agent——只要流程控制权在代码手里，它就是 Workflow。
二、Agent 的优势：应对不可预知的路径
开放式任务的下一步取决于刚获得的信息，很难预写所有分支：
故障诊断：
先查指标 → 发现 CPU 异常 → 决定查进程列表（若是内存异常则会查别的）
↑ 下一步取决于上一步的结果，无法预先写死所有分支Agent 能在工具白名单和预算内动态调整路径。代价：非确定性、更多模型调用、更长尾延迟、更复杂的安全与评估。
三、它们不是二选一，而是一条连续谱
自主程度应按需逐级增加，别把多 Agent 当默认终点：
① 单次模型调用
② 固定顺序的模型链
③ 带条件分支和循环的工作流
④ 受限 Agent 选择局部路径
⑤ 多 Agent 协作
← 复杂度、成本、不确定性递增；能用左边解决就别用右边四、选型问题清单（五连问）
| 问题 | 偏 Workflow | 偏 Agent |
|---|---|---|
| 步骤能否由业务规则完整描述？ | 能 | 不能 |
| 错误动作是否可逆、影响多大？ | 不可逆/影响大 | 可逆/影响小 |
| 是否需要稳定复现每次路径？ | 需要 | 可接受变化 |
| 动态规划的成功率提升能否覆盖成本？ | 不能 | 能 |
| 有无工具权限/超时/预算/人工审批？ | —— | 必须有 |
前三项偏确定和高风险 → 让代码掌控主流程。
五、混合架构示例（最实用）
现实系统往往是「Workflow 为主干、Agent 为局部」：
售后系统：
[Workflow] 身份校验 → 订单读取 → 退款审批 → 提交（确定性代码校验金额/权限）
└─ 中间嵌一个 [受限 Agent]：理解用户复杂诉求、收集缺失信息
高风险动作（退款金额、账户权限、最终提交）仍由确定性代码把关既保留语言交互的灵活，又把高风险动作锁在稳定边界内——这是生产级 Agent 系统的典型形态。
六、常见误区与追问
- 误区：用了大模型就是 Agent。 Workflow 里调模型做分类/抽取，流程控制权仍在代码，就是 Workflow。
- 误区：Agent 比 Workflow 先进、该优先用。 应优先确定性方案，只在固定流程覆盖不了时才上 Agent。
- 误区：多 Agent 是终极形态。 自主程度按需增加，多 Agent 成本和失控风险最高，非默认选择。
- 误区：Agent 和 Workflow 二选一。 常混合——Workflow 主干 + 局部受限 Agent。
- 追问：两者核心区别？ 谁控制流程——Workflow 是代码决定下一步，Agent 是模型在边界内决定下一步。
- 追问：什么时候选 Workflow？ 路径可枚举、失败代价高、需稳定复现、合规审计强的场景。
- 追问：Agent 的代价有哪些？ 非确定性、更多模型调用、更长尾延迟、更复杂的安全和评估。
- 追问：混合架构怎么设计？ Workflow 管主干和高风险动作，Agent 只负责确实无法预写的局部（理解/收集信息）。
七、加强记忆
Agent vs Workflow 记「谁控制下一步」：Workflow=代码决定下一步（可测/可审计/可复现，稳定高风险场景首选）、Agent=模型在边界内决定下一步（应对不可预知路径，代价是非确定性和成本）。核心心法钉死：优先确定性流程，只把确实无法预写的部分交给 Agent；两者是连续谱（单次调用→模型链→工作流→受限 Agent→多 Agent），按需逐级增加、别把多 Agent 当默认。最实用的是混合——Workflow 主干 + 局部受限 Agent，高风险动作锁在确定性边界内。