本文收录于专栏《AI Agent原理与实战》2026版—— 专栏系统覆盖 AI Agent 的记忆、工具、插件与实战点击订阅可跟踪后续更新。本课定位前三课搭好了概念地基现在回答一个工程上最贵的问题这个需求到底该不该上 Agent本课把第 1 课的判定框架升级成决策工具分界线判据、复杂度阶梯、成本模型。答错这一题后面 28 课的努力方向都会错。阶段 1概念与基础 来源【微软课程·1 延伸 Anthropic】 知识更新至 2026-10关键字Agent选型、决策框架、工作流与智能体分界、复杂度阶梯、成本模型、Agent适用场景、技术决策、自动化判断本节目录4.1 分界线流程可预定义 vs 需要动态决策4.2 复杂度阶梯从单次调用到自主 Agent4.3 成本模型延迟、token、错误恢复4.4 与第 1 课框架的衔接概念讲解4.1 分界线流程可预定义 vs 需要动态决策微软第 1 课的提醒是本节的第一原则“Just because youcanuse an AI Agent doesn’t mean you alwaysshould”——能用不代表该用。落到工程上就是下面这条分界线。一条最重要的分界线值得单独成节如果你能画出这个任务的完整流程图含所有分支它就不需要 Agent——用代码把流程写死workflow。只有当下一步做什么必须依赖执行中间结果才能决定时Agent 才有不可替代性。两种情况的判别问题“这个任务会不会出现开发者没预料到的路径”——不会 → workflow会且频繁 → 考虑 Agent。“分支条件是人能事先写清楚的规则还是需要读一段文本/看一个结果才能判断”——规则能写清 → workflow要理解语义 → 模型上场。注意中间态大量存在workflow 里嵌一次模型调用做语义判断如工单分类后走不同固定流程这是routing 模式第 9 课它仍是 workflow——不要因为用了 LLM就叫 Agent、就上自主循环。命名混乱是这一行最大的预算黑洞。4.2 复杂度阶梯从单次调用到自主 Agent把解决方案按复杂度排成阶梯选型时从下往上够用即停L0-L5 的共同点结构由代码预先定义模型只填内容。L6 的结构本身交给模型。每上一级灵活性 可预测性 −测试难度 成本 详见 4.3错误传播面变大L6 一步错可能带偏后续全部步骤一个选型经验本课程归纳非统计数字多数生产场景的Agent 需求在 L2-L5 就能解决——Anthropic 的工程建议同向能用简单组合就不上自主系统。L6 留给两类任务路径空间真的开放深度研究、探索性数据分析或价值密度高到值得为成功率多烧一个数量级的 token自动化编码、复杂运营决策。4.3 成本模型延迟、token、错误恢复上 Agent 前先算三笔账① 延迟账。Agent 是串行循环N 次工具往返 ≈ N × (模型推理时延 工具执行时延)。单轮推理 2-10 秒的话10 步任务半分钟起步用户能接受吗对比L2 链式同样串行但步数固定L4 并行可压延迟。② token 账第 2 课的 O(N²) 增长在这里兑现累计输入 token ≈ Σ(第 k 轮历史长度) ≈ 平均单轮增量 × 轮数²/2再加工具结果的不可控性一次网页抓取返回 30k token两轮就吃掉一个 128k 窗口的一大半。预算必须按最坏路径估算不能按平均。③ 错误恢复账。workflow 出错定位到节点重跑该节点代价可控。Agent 出错错误藏在轨迹里可能第 3 步的误判在第 9 步才显形重跑代价是整条轨迹。工程上要为 L6 配套检查点可从中间状态恢复、评估器每步或收尾校验、护栏最大迭代/预算/人工确认——这些配套的开发成本常被低估往往超过 Agent 本体。三笔账合成一张决策速查表信号倾向步骤 ≤3 且固定L0-L2别上 Agent分支规则可人工枚举L3 路由子任务相互独立、可并行L4/L5下一步依赖对中间结果的语义理解L6 候选错误代价高且难以自动检测降一级 人工闸门高频调用、单次低价值降级Agent 成本摊不平低频、高价值、路径开放L6 正面案例4.4 与第 1 课框架的衔接第 1 课的三维度复杂度/容错/成本回答值不值得本课阶梯回答做到哪一级。合起来构成完整决策流三维度过滤 → 阶梯定位 → 三笔账验证 → 写下判定依据含护栏清单。护栏设计哪些动作必须人工确认在第 25 课展开token 预算的实操账本在第 13/26 课。案例实战三个典型业务场景的判定目标用决策框架走完三个典型业务场景示意场景为构造的典型需求判定逻辑可迁移到真实项目产出用/不用 Agent的判定书。三个场景覆盖明显不用 / 中间态 / 明显用三种结论。场景 A发票信息抽取财务共享中心日均 2 万张任务从发票图片/PDF 抽取 20 个结构化字段入库。阶梯定位字段清单固定、无中间依赖 →L0-L1VLM 抽取 规则校验。三笔账日均 2 万次 × Agent 化后每张 5 次往返 10 万次模型调用/天纯烧钱无收益workflow 单次调用 OCR 兜底重试错误可按张隔离。判定不用 Agent。这是高频固定结构的典型Agent 化只会放大成本与延迟。抽取不确定的字段用置信度分级送人工复核即可。场景 B客服工单处理SaaS 公司日均 3000 单任务读工单 → 判断类型退款/bug/咨询→ 执行对应流程退款要查订单、核资格、走审批bug 要建 issue、问复现步骤。阶梯定位类型集合可枚举但每类的后续步骤里有语义判断点“用户描述算不算 7 天无理由”。结构选择L3 路由 每支路 L2-L4 混合。分类用一次模型调用支路内固定流程语义判断点嵌单次模型调用。护栏退款类动作真金白银加人工确认闸门第 25 课模式。判定不用自主 Agent用带工具调用的 workflow。判定依据路径 90% 可枚举剩余 10% 的开放分支转人工的成本远低于为它引入自主循环的稳定性代价。场景 C竞品动态监控周报战略团队每周 1 次任务追踪 12 家竞品的博客/发版/融资动态归纳本周变化产出带引用的分析报告。阶梯定位信源半固定但**本周有什么值得写的依赖对内容的理解**报告结构也要随内容变化。结构选择L5-L6 混合。固定部分抓取 12 个信源用定时 workflow分析部分归纳主题、决定深挖谁、组织报告用自主 Agent配 max_iters 与 token 预算护栏。三笔账每周 1 次单次几万 token 相对人力成本分析师一天忽略不计延迟不敏感后台跑。判定分析段用 Agent抓取段不用。这是低频高价值路径开放的正面案例。同型产品即各家深度研究功能。输出模板三个场景共用可直接复用到你的项目## Agent 选型判定书模板 - 场景与频次 - 任务步骤可枚举程度____%可画流程图的部分 - 语义判断点位置 - 阶梯定位L_结构 - 三笔账延迟____s / 单次 token____ / 错误恢复代价____ - 护栏max_iters____预算____人工确认____ - 判定结论与一句理由预期输出三份判定书。注意场景 B 的教训用了 LLM/工具调用与需要自主 Agent是两回事——这也是本课最常被违反的一条。小结分界线流程图画得出来就写代码workflow下一步依赖语义理解才上 Agent。六级阶梯从下往上选够用即停生产中大部分需求停在 L2-L5。三笔账延迟 O(N)、token O(N²)、错误恢复连带全轨迹要在立项前算按最坏路径估。带 LLM 判断的 workflow≠ Agent——命名混乱会造成预算黑洞。判定要留痕判定书 护栏清单进设计文档举证责任在建设方。交叉引用三维度初版见第 1 课阶梯中 L2-L5 的五种 workflow 模式实现见第 9 课护栏与人工闸门见第 25 课token 账本实操见第 13 课。扩展阅读 网络提示github.com 需代理clone 可走 ghproxy 加速、push 优先 SSHanthropic.com 需代理核心结论已摘进本课正文。详见总纲附录《国内网络访问与国产适配指南》。Anthropic《Building Effective Agents》When to use agents一节https://www.anthropic.com/engineering/building-effective-agents微软 AI Agents for Beginners 第 1 课哪些任务适合 Agenthttps://github.com/microsoft/ai-agents-for-beginners/tree/main/01-intro-to-ai-agents我的专栏蛋白 / 抗体 / 多肽 / 核酸分子模拟 / 动力学 / 对接药物 / 设计 / 案例AI / Agent / 大模型开源蛋白结构预测分子模拟基础小分子药物设计案例AI Agent系列开源蛋白生成方法实践分子动力学模拟-Amber蛋白药物设计案例化学大模型开源多肽设计模型分子动力学模拟-Gromacs多肽药物设计案例《AI Agent原理与实战》开源多肽性质预测分子动力学模拟-OpenMM开源小分子生成设计CADD中的机器学习模型DNA/RNA药物设计結合自由能高效计算配置《MCP 入门实战》siRNA药物设计模型UCSF DOCK系列我胡师兄说药《AI入门实战2026》ASO药物设计模型rDock系列 LeDock系列 gnina系列《经典机器学习实战》