Agent vs Workflow 怎么选?

这道题其实问的是，什么时候该让系统自己做决定，而不是照着剧本走。传统Workflow和智能[[Agent]]的本质区别，一句话：Workflow是按预定义规则执行，而Agent是理解目标后自主规划、动态决策。Workflow像流水线，每个步骤和分支都画好了，输入输出格式固定，异常要么人工兜底要么直接失败。Agent更像一个有经验的员工，你给他一个目标，他会自己拆任务、选工具、根据中间结果调整，甚至从错误中学习。

那什么场景下必须上Agent呢？我总结几个特征：信息动态变化、多步骤推理复杂、工具组合不确定、容错要求高。举个例子，电商大促时的动态定价。传统Workflow可以写死规则，比如竞品降价5%我就跟降。但真实情况复杂得多，竞品可能满减叠加优惠券，库存不同，用户画像不同，甚至还有突发舆情。这时候Agent就能发挥作用，它先理解业务目标，比如'在利润不低于X的前提下提升转化率'，然后自己去抓竞品价格、分析促销策略、评估库存，再调用定价API，中间如果某个数据源挂了，它还能自动降级用历史数据或换一个API。反过来，固定审批流、定时报表、简单ETL这些场景，用Workflow更可靠，成本也低。

Agent的核心能力，我重点说三个。先说规划，把复杂目标拆成子任务序列，比如写一份行业报告，Agent会先规划搜集数据、分析趋势、生成图表、撰写结论。然后看推理，比如用 [[Chain-of-Thought]] 或 [[ReAct]] 模式处理隐含条件，这在法律合同审查里特别关键，它要能推理出'如果违约金条款和仲裁地冲突，哪个优先'。另外还要看工具使用，Agent能动态选择、组合、调用外部API或函数，像 [[Function Calling]] 就是这样。记忆和自适应也很重要，但落地时最常出问题的是规划和工具使用。

这里有个坑很多人会踩：觉得Agent能搞定一切，直接全盘替代Workflow。实际落地我倾向混合架构，用Workflow做确定性骨架，比如订单处理的主流程，然后在关键节点[[嵌入]]Agent，比如异常处理、个性化推荐。前提是Agent的推理质量要可控，否则会出现不可预期的行为。上线前我会特别关注几个点：Agent的规划是否产生死循环、工具调用的权限边界、以及失败时的降级策略。常见失败场景是Agent在开放环境里调用了不该调的API，或者规划太复杂导致token爆炸。

所以我会把Agent看成Workflow的增强，而不是替代。我的取舍是：能用规则解决的问题，绝不引入Agent；但当规则写不清楚或写不完时，果断上Agent。