摘要
工作流执行预定义的顺序。智能体在变化的条件下追求一个目标。大多数真实系统都处于这两种极端之间。为什么这很重要
许多产品和工程错误都源于选择了错误的控制模型。- 如果任务是稳定的，使用智能体会增加成本和不可预测性。
- 如果任务是模糊且不断变化的，只使用僵硬的工作流会让系统变得脆弱且难以维护。
心智模型
最清晰的区别在于下一步由谁来决定。- 在
workflow中，设计者拥有下一步。系统沿着带有显式分支的脚本化路径运行。 - 在
agent中，运行时拥有下一步。系统根据当前状态、工具和目标选择动作。
- 路径已知
- 规则稳定
- 可审计性比灵活性更重要
- 路径无法提前完全知道
- 系统需要搜索、探索或适应
- 任务运行期间环境可能发生变化
架构图
工具生态
最有用的产品通常是混合体，而不是任一侧的纯粹示例。- 工作流可能会在某个模糊步骤调用智能体。
- 智能体可能在一个更大的工作流中运行，并带有严格的进入、审批和退出点。
- 研究或编码系统可能在每个阶段使用类似工作流的阶段，但在阶段内部采用智能体式决策。
取舍
- 工作流更容易测试和审计，但当边界情况不断增多时，维护成本会很高。
- 智能体适应性更强，但它们需要更强的安全措施、可观测性和回退设计。
- 混合系统在实践中通常最好，但它们需要比任一极端都更清晰的接口边界。
- 对于确定性的业务策略，选择工作流
- 对于有限范围内的探索和判断，选择智能体
- 当合规、审批或不可逆操作很重要时，用工作流控制来包裹智能体
引用
延伸阅读
更新日志
- 2026-04-21：基于导入的参考材料和实验室重写规则形成的仓库原生初稿。