工作流与智能代理上一节课我们学习了开发者如何将大模型调用和工具集成构建AI 工作流。 在工作流里由你预先定义完整流程包含哪些步骤、执行顺序、何时终止任务。 就像在出发前你就已经画好了全程路线图。但如果没办法提前画出完整路线图该怎么办 举几个场景 客户发来邮件称账户被重复扣款。想要排查问题你需要先调取支付记录而记录里查到的内容会决定下一步操作可能要查看订阅信息、核对退款政策或是检索已存在的客服工单。只有深入问题后你才知道下一步该做什么。再比如用户提问“帮我找下周末飞往伦敦的低价机票。” 如果没有符合条件的航班是直接终止流程、查询下一周末的航班还是检索邻近机场最优操作完全取决于当前查询结果。还有开发者向 AI 提问“这次测试为什么失败” 想要回答问题AI 可能要读取代码文件、运行终端命令、查看运行日志。不同 bug 的排查路径完全没有统一标准。以上所有场景都无法提前固定执行步骤。必须由人或程序实时、动态判断下一步行动。这就是我们本节课要讲的内容。工作流和智能代理都属于具备自主执行能力的系统二者都结合大模型与工具完成任务核心区别在于谁掌控流程走向。1. AI 工作流Workflow开发者提前定义全部执行步骤。 大模型仅负责执行单步任务但流程顺序、分支逻辑、终止规则全部写在你的代码中。 代码会硬性规定第一步调用大模型分类用户输入第二步根据分类结果调用大模型生成回复第三步调用模型翻译输出内容。 单步内大模型推理能力很强但无权决定下一步做什么决策权完全属于代码。2. 智能代理Agent由大模型自主决定下一步行动。 它会综合当前全部上下文自主选择要调用的工具根据工具返回结果继续规划后续操作循环执行直到任务完成。 举个示例逻辑 大模型判断“我需要先查询日程表”→ 调用日程工具 拿到冲突结果后自主决策“存在时间冲突我去检索备选方案”→ 调用搜索工具 找到可行方案后自主终止工具调用生成最终答复。 开发者只负责提供可用工具、设置安全约束边界如何调用、按什么顺序调用工具全部由大模型自主判断。二者核心对比AI 工作流步骤由开发者预先定义执行结果可预测大模型调用次数固定可控智能 Agent步骤由大模型实时自主决策执行逻辑动态变化模型调用次数随任务复杂度浮动二者并非非黑即白的二元对立现实业务系统大多处于一条连续渐变区间内区间最左端纯工作流所有路径、步骤硬编码预设模型无任何流程决策权向右过渡逐步下放权限给大模型第一层模型仅负责路由分支选择路由分发模式第二层模型自主拆分子任务协调者 - 工作者 Orchestrator 范式区间最右端完全自主智能代理循环运行完整掌控全流程权限下放的取舍规律向区间右侧移动 给予大模型更多流程控制权 收益系统灵活性大幅提升适配无固定路径的复杂开放式任务 代价调用成本更高、响应延迟更长、问题排查与调试难度显著上升快速判断标准原文核心总结自问在程序运行之前我能否画出覆盖所有执行可能性的完整流程图能 → 选用工作流 Workflow不能 → 需要智能代理 Agent一、核心背景两种 AI 任务执行模式的诞生前提1AI 工作流适用前提任务路径完全可提前预知所有步骤、分支、结束条件能提前写死像固定路线图。2智能代理Agent适用前提任务路径无法预先完整定义每一步操作依赖上一步工具返回结果动态变化没有统一固定流程客服对账扣款问题的排查分支随账单数据变化机票查询无低价航班时动态决定换时间 / 换机场代码排错不同 Bug 对应完全不同的日志、代码、终端操作二、核心定义与权责划分本质差异流程决策权归属1. AI 工作流 Workflow决策权开发者代码全权掌控执行逻辑所有步骤、顺序、分支、终止规则硬编码预设大模型角色只负责完成单一步骤内部推理无权决定下一步操作特征执行链路固定、模型调用次数可控、输出结果高度可预测举例固定三段流程输入分类→生成回复→翻译输出每一步由代码强制触发2. 智能代理 Agent决策权大模型自主掌控全流程走向执行逻辑模型读取完整上下文自主选工具、自主规划后续子任务循环调用工具直到满足结束条件开发者角色仅提供可用工具、设置安全限制不规定调用顺序特征链路动态可变模型调用次数随任务难度浮动灵活性极强示例逻辑链模型判断需查日程 → 调用日程工具查到时间冲突自主决定搜备选方案 → 调用搜索工具找到可行方案主动停止工具调用输出最终答案三、二者核心对比表表格维度AI 工作流 Workflow智能代理 Agent流程控制权代码 / 开发者预先定义大模型实时自主决策执行路径固定全路径可提前绘图动态变化无固定流程图LLM 权限仅执行单步无路由决策权自主拆分任务、选工具、分支判断调用成本低调用次数固定可控高多轮循环调用延迟更高调试维护简单链路透明易排查复杂多轮推理链路难追溯适配场景标准化、流程固定的闭环任务开放式、未知路径、复杂多变任务四、现实业务连续渐变区间不是二选一两种模式不存在绝对割裂业务系统是一条权限渐变区间最左端纯硬编码工作流所有分支、步骤全部写死模型完全不参与流程决策中间层 1路由分发模式基础流程固定仅把分支选择交给大模型判断中间层 2协调者 - 工作者范式Orchestrator模型自主拆解多个子任务分配执行最右端完全自主 Agent模型循环思考、工具调用、自我规划全权掌控完整任务流程。权限下放取舍规律越靠右给模型越多流程控制权收益系统灵活性拉满适配无标准答案、无固定路径的复杂业务代价API 调用成本上涨、响应变慢、问题定位、调试难度大幅增加五、万能快速选型判断标准核心总结自问程序运行前能不能画出覆盖全部可能性的完整流程图能完整画出所有分支、步骤、终止情况 → 选 AI 工作流 Workflow无法提前穷举所有执行路径结果决定下一步操作 → 选 智能代理 Agent六、速记精简版复习用工作流路线提前画好代码指路模型只干活不决策稳定低成本智能代理边走边规划模型自己判断下一步灵活但贵、难调试选型关键流程可提前全覆盖用工作流路径未知、动态分支用 Agent。