外观
Agent 与普通工作流有什么区别？
3 分钟速学卡
30 秒口述： 我把普通工作流定义为由开发者预先确定步骤和分支的控制流，把 Agent 定义为模型根据目标、当前状态和工具反馈动态选择下一步的受控循环。Agent 适合路径难以穷举、需要语义判断和工具协作的任务，但不等于完全自治，权限、预算、终止与高风险动作仍应由确定性系统约束。对于审批、扣款、数据迁移等固定高风险链路，我优先工作流；对研究、排障和开放任务，才在边界内引入 Agent。
- 本质： 工作流预先写死下一步，Agent 动态选择下一步，但两者都必须受确定性边界约束。
- 核心机制： 选择依据是路径开放度与错误代价；Agent 需要状态、工具、观察和终止闭环。
- 关键判断： 高风险动作应保留审批和幂等；生产系统常采用工作流包住 Agent。
- 项目落地： 示例项目：工单处理外层用状态机保证“受理—调查—审批—关闭”，调查节点允许 Agent 查日志与知识库；写生产配置必须产生变更计划并人工审批。
- 边界与坑： “Agent 就是会调用工具的 Chatbot。” 还需状态、循环、终止和权限边界；“Agent 比工作流更智能，所以都该用 Agent。” 固定高风险流程更需要确定性。
目录
面试官为什么问
面试官在考察控制权归属、适用边界和风险意识，而不是候选人会不会调用某个 Agent 框架。
小白先看懂
流水线食堂按固定菜单做菜，顺序稳定；旅行管家则根据天气、预算和临时关门不断改路线。前者对应工作流，后者对应 Agent，但旅行管家仍不能越过预算或替你签高风险合同。
| 生活元素 | 技术映射 |
|---|---|
| 固定菜谱 | 预定义工作流 |
| 根据反馈改路线 | Agent 动态决策 |
| 天气与门店状态 | Observation |
| 预算和授权 | Guardrail 与权限 |
专业机制的差别在“下一步由谁决定”。类比忽略了模型的不确定性与外部工具副作用。
主题教学图片
图：教学图片｜Agent 与普通工作流有什么区别？
替代文本： 围绕“Agent 与普通工作流有什么区别？”组织的中文教学图，通过分区、箭头和标签解释核心机制。
读图结论： Agent 动态选路，但不能越过确定性边界。
这张图片用于建立主题机制的直觉。精确公式、参数、失败分支和事实边界仍以正文与 Mermaid 为准。
图片生成记录： model=gpt-image-2，generated=2026-07-15，prompt_version=v1，reviewed=2026-07-16，review_basis=user-confirmed；查看生成 Prompt。
图：架构｜确定性工作流与受控 Agent
替代文本： 工作流沿预定义节点执行，Agent 在目标、状态和观察之间循环选择工具，但共同受权限、预算和审批边界约束。
图表加载中…
读图结论： Agent 增加的是动态决策能力，不是取消确定性边界。
工作流可预测、易审计；Agent 能适应开放路径但需要更强 Trace、评测和故障恢复。二者常组合使用：外层工作流管关键状态，局部节点交给 Agent。
核心原理
Agent 循环可抽象为 state -> decide -> act -> observe -> state。关键组件包括目标、状态、模型决策、工具契约、记忆、终止条件与权限控制；工作流则把转移函数主要写在代码或状态机中。
选型要看任务路径是否可枚举、错误代价、审计要求和收益是否覆盖额外不确定性。概念与具体框架无关。
项目和生产视角
示例项目： 工单处理外层用状态机保证“受理—调查—审批—关闭”，调查节点允许 Agent 查日志与知识库；写生产配置必须产生变更计划并人工审批。验证指标包括任务完成率、工具错误率、人工接管率、循环步数和成本；当前仅为设计示例。
常见错误回答
- “Agent 就是会调用工具的 Chatbot。” 还需状态、循环、终止和权限边界。
- “Agent 比工作流更智能，所以都该用 Agent。” 固定高风险流程更需要确定性。
- “用了框架就有 Agent。” 框架不替代控制模型与验收标准。
递进追问
- 如何判断任务路径是否值得用 Agent？
- 为什么外层状态机、内层 Agent 是常见组合？
- 高风险工具怎样加入人工审批？
- 如何评估 Agent 相比工作流的增量价值？
关联阅读
总结
一句话记忆： 工作流预先写死下一步，Agent 动态选择下一步，但两者都必须受确定性边界约束。
- 选择依据是路径开放度与错误代价；
- Agent 需要状态、工具、观察和终止闭环；
- 高风险动作应保留审批和幂等；
- 生产系统常采用工作流包住 Agent。