该用 workflow 还是 Agent?业务负责人上线前要回答的四个问题

一、先分清：workflow 和 Agent 的分界线只有一条

Anthropic《Building effective agents》给的定义是全行业引用最多的版本，原话值得背下来：

"Workflows are systems where LLMs and tools are orchestrated through predefined code paths. Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage, maintaining control over how they accomplish tasks."

翻译成业务语言：路径是不是预先写死的，是唯一的分界线。workflow 里，LLM 和工具按代码写好的固定路径跑；Agent 里，LLM 自己决定下一步干什么、调哪个工具。

OpenAI 的官方指南《A practical guide to building agents》补了一条判定清单，帮你识别"哪些不是 Agent"："Applications that integrate LLMs but don't use them to control workflow execution—think simple chatbots, single-turn LLMs, or sentiment classifiers—are not agents."（集成了 LLM 但不用它控制流程执行的——比如简单聊天机器人、单轮问答、情感分类——都不是 Agent。）真正的 Agent 要同时满足三条：LLM 管理流程执行并做决策；能动态选择工具、在明确护栏内行动；失败时能主动纠错或转交人工。

分不清这条线，就会犯两个方向的错误：该用 workflow 的场景硬上 Agent，白烧钱、还不稳定；该用 Agent 的场景只做了个聊天框，解决不了问题。

二、上线前必答的四个问题（检查清单）

问题 1：任务路径能不能预先写死？

• [ ] 如果任务步骤是固定的（收单 → 校验 → 入库 → 通知），答案是 workflow。Anthropic 原话："For many applications, however, optimizing single LLM calls with retrieval and in-context examples is usually enough."（很多场景，一次 LLM 调用加检索和示例就够了。）
• [ ] 只有当"下一步取决于上一步的结果，且分支多到写不完规则"时，才考虑 Agent。

问题 2：有没有明确的成功标准、反馈回路和人类监督？

Anthropic 附录 1 指出，Agent 最能发挥价值的任务有四个特征，缺一个都要打问号：

• [ ] 需要对话和行动结合（不只是回答问题，还要操作）
• [ ] 有明确的成功标准（事后能判定成没成）
• [ ] 能建立反馈回路（从结果中学习、迭代）
• [ ] 有有意义的人类监督（关键节点有人把关）

问题 3：是不是符合"值得建 Agent"的三信号？

OpenAI 指南给的"三信号准则"，建议打印贴墙上：

• [ ] 复杂决策（Complex decision-making）：比如客服退款审批，条件组合多、需要判断
• [ ] 规则系统难以维护（Difficult-to-maintain rules）：比如供应商安全审查，规则越写越长、越改越怕
• [ ] 重度依赖非结构化数据（Heavy reliance on unstructured data）：比如家庭保险理赔处理，输入全是杂乱文档

指南里的警告同样值得背："Before committing to building an agent, validate that your use case can meet these criteria clearly. Otherwise, a deterministic solution may suffice."（动手建 Agent 之前，先确认你的场景 clearly 符合这些标准，否则确定性方案可能就够了。）

问题 4：失败的代价扛不扛得住？

• [ ] Anthropic 的提醒很实在："The autonomous nature of agents means higher costs, and the potential for compounding errors."（Agent 的自主性意味着更高的成本，以及错误层层放大的可能。）验收前必须在沙盒环境充分测试，并配好护栏（guardrails）。
• [ ] 高风险动作（扣款、取消订阅、对外承诺）必须设人工确认节点。Anthropic 官方安全框架里举的例子就是：Agent 取消订阅之前，应该先经过人批准。

三、三个"不要"

1. 不要把简单聊天机器人包装成 Agent 汇报。按 OpenAI 的定义，它不是 Agent，验收标准也不该按 Agent 定。
2. 不要默认上多 Agent。OpenAI 指南明确建议从单 Agent 起步："A single agent can handle many tasks by incrementally adding tools."（单个 Agent 通过逐步加工具就能处理很多任务。）多 Agent 是复杂度翻倍，不是能力翻倍。
3. 不要跳过沙盒测试直接上线。Agent 的错误会复利，workflow 的错误是线性的——这是两者在运维成本上最本质的区别。

---