固定工作流还是 AI Agent?先决定谁控制下一步
用真实任务判断固定流程是否足够;只有需要根据工具反馈选择下一步时,才设计有预算、停止条件和人工接手的 Agent。
所属问题主题任务定义↗先带着一个真实任务阅读,再完成页面中的工作台。能让另一位同事复核你的产物,才算完成本课。
固定工作流与 AI Agent 的关键区别,是谁决定下一步。固定工作流由设计者预先规定顺序和分支,模型可以在某一步做分类、抽取或起草。Agent 则根据执行中得到的观察结果,继续选择动作,直到完成或触发停止条件。只有下一步很难预先写清、而环境又能给出可用反馈时,自主选择才可能带来价值。
这是对一项具体任务的架构判断,不是给整个产品贴标签。同一个客服系统,可以用固定路线分配工单,再用范围受限的调查循环处理少数技术异常。先按动作划清控制权,再把各段连起来。
从真实工作轨迹判断,而不是从框架名称判断
找同类任务最近的五个实例,依次写出操作者做了什么、做完看到了什么、为什么改变原计划。标记哪些分支在看见案例之前就能列出。如果大部分路径已知,先把路径明确实现。输入语言有变化,并不等于必须让模型控制整条流程。
| 判断问题 | 更适合固定工作流的证据 | 值得试受限 Agent 的证据 |
|---|---|---|
| 下一步能否提前写出? | 总是重复少数判断 | 新发现决定下一步该查什么 |
| 环境能否反馈进展? | 最后检查一次结果即可 | 工具结果能指出还缺哪项证据 |
| 探索动作会造成什么后果? | 动作和影响范围都很稳定 | 探索有价值,但每个动作都要限权 |
| 能否安全停止? | 异常分支能进入明确队列 | 有步数或时间预算、停止信号、轨迹和接手人 |
如果 Agent 得不到有用反馈,它只会反复猜测。如果工作流必须塞入越来越多临时例外,它所谓的固定路径也可能不真实。两种情况都应该先回到工作轨迹,弄清任务本身。
设计恰好够用的控制循环
先写交付结果和验收方法,再列出能提供新观察的工具。对每个工具动作标记:只读、修改草稿,还是改变外部状态。接着设置最大步数、时间或成本上限、必须转交人的条件,以及接手人需要看到的执行记录。
选择固定流程时,要写清每个分支和维护负责人。选择 Agent 时,要写清它的可探索范围:允许使用哪些工具、记录和动作。发送消息、发布修改、付款等会影响他人的动作,需要在结果仍可改变的位置取得人工批准;工具本身也必须落实权限限制,不能只靠提示词约束。
常见而实用的方案是“外层固定流程,内层窄范围 Agent”:外层验证输入、管理审批并保存结果;内层在只读范围内查找原因。不要把一整条流程压成一个笼统的“自主等级”。
案例一:发票录入应当走固定路线
运营团队收到邮件发票。流程步骤早已明确:确认发件人、抽取字段、匹配采购单、标出差异、请负责人批准付款。发票格式会变化,但下一步做什么并不需要开放式探索。模型可以抽取明细、解释异常;固定分支把金额不符的单据送审。模型不能临时创造一种付款路径。
团队拿十张历史发票测试,其中包含重复单、缺采购单和币种不符。验收要求每个必填字段都能指向原始位置,异常必须显示,付款前必须有人批准。流程控制顺序,模型只负责限定的一步解释。如果新格式导致抽取失败,就把案例交给复核者,而不是启动无限制的工具循环。
案例二:依赖故障排查可以试受限 Agent
软件团队排查服务部署失败。最先看到的错误可能指向配置变化、缺少依赖,也可能是上游服务故障。读完第一份日志后,下一步该查哪里才会清楚。一个只读 Agent 可以在允许范围内查看日志与配置、对比上次正常部署,并给出带证据的诊断。外层流程仍然负责选定仓库、遮蔽敏感信息、限制最多六次工具调用,并把修复建议交给人审查。
评测样例应包括明显缺失的变量、误导性的错误信息、日志里无关的秘密,以及现有资料不足以确定原因的情况。通过标准是:留有检查轨迹、假设有材料支持、证据不足时明确说“不知道”。修改生产配置不在这条循环里。只有多次运行积累了证据,团队才考虑另外建立带审批的修改路径。
用同一组案例比较,再决定是否增加自主性
先让最简单的可行方案跑同一组案例,记录任务完成情况、人工改判、工具调用次数、耗时和严重失败。如果固定分支能稳定处理常规与异常案例,额外自由度就还没有证明值得承担运行成本。如果操作者不断遇到合理但难以预写的分支,而安全的工具反馈确实能引导后续动作,再用同一组案例评测受限 Agent。
架构选择可以调整:Agent 经常走通的路径可以固化为明确步骤;只有确实需要探索的案例才保留循环。若这条路径连触发条件和输入也稳定,可用Skill 设计判断卡检验是否值得做成可复用的指令包。上线前,请没有参与设计的同事看执行记录并复述:系统看到了什么,为什么进行下一动作,何时必须停下,以及无权限的工具调用会怎样被阻止。复述不了,说明设计还不可复核。
常见问题
工作流里调用了模型,就已经是 Agent 吗?
不是。分类、抽取和起草都可以放在预定路线的一步里。重点是模型有没有根据观察自行选择后续动作。
多步骤工作流一定更安全吗?
未必。只有分支、权限与失败状态明确,它才容易受控。写死的流程同样可能泄露数据或跳过不可逆动作的审批。
什么时候提高自主程度?
真实案例要先证明计划外分支有价值,工具反馈能可靠引导下一步,且受限循环在验收和成本上优于固定方案。是否增加动作权限,还需要单独判断。
不适用边界
这张判断表不代表组织授权,也不能证明 Agent 已经安全。涉及受监管决定、付款、生产写入或个人信息时,仍需要相应负责人和具体控制措施。如果输出是否合格、何时停止都无法检查,应先重新定义任务,不要急着选工作流或 Agent。
核验来源
这篇内容参考了哪些一手资料?
来源用于核对定义、风险边界或操作事实;判断框架和工作台由 AI Vista 独立编写。
- Anthropic Engineering — Building effective agents核验于 2026-10-01
- OpenAI API documentation — Agents核验于 2026-10-01
AI 工具可能协助研究、提纲和语言编辑;事实、案例和最终措辞由编辑复核。发现错误请通过联系页提交更正。
可带走的工具
工作流或 Agent 控制循环决策表
从真实工作轨迹判断谁应控制下一步。
- 01写任务摘要用脱敏摘要写明要交付的结果。
- 02补齐判断字段写清输入类别、风险、证据位置和接手方式。
- 03交给同事复核对方能复述结论,工具才算完成。
本课已读
完成工作台,再标记已读。
已读状态会更新课程目录与学习进度。
- 01字段齐全
- 02案例走过
- 03可以复核
文章实践笔记
读到这里,留下一条可复核的判断。
下方虚构示例展示写法;你的笔记只保存在当前浏览器。记录哪一步有效、哪个边界不成立,或一个值得测试的问题。
这篇文章还没有示例或本机笔记。你可以记录第一条具体观察。