Workflow vs Agent选型

Workflow vs Agent 选型判断

本条目是「Agent 产品化思维」的第 1 部分，对应学习清单条目 7.1.1。

前置依赖：认知升级：四层模型、Context Engineering、Harness Engineering、Loop Engineering 为以下铺垫：简单任务最简方案、幻觉递归陷阱

---

一、核心观点

选型口诀：路径固定用 Workflow，路径不确定用 Agent，拿不准就先 Workflow 再混合。 别一上来就造一个”自主智能体”——那是给开放性问题准备的奢侈品，日常绝大多数活儿用 Workflow 就够，还更便宜、更可控。

---

2.1 Workflow 与 Agent 到底是什么

• Workflow（工作流）：LLM 和工具沿着预定义的代码路径编排运行。每一步走哪儿，代码说了算。
• Agent（智能体）：LLM 自己动态决定下一步干什么、用哪个工具，直到任务完成。

类比：Workflow 像商场里的自动扶梯——路线固定、稳稳当当，你只要站上去；Agent 像出租车——目的地相同，但司机（模型）得自己看路况选路，灵活但可能绕远、可能违章、还可能把你扔错地方。

Anthropic 把这两类统称为 agentic systems（智能体化系统），但刻意区分了” workflows（写死路径）“和” agents（模型自主）“——这个区分是后面所有选型决策的基石。

2.2 选型决策树

graph TD
    Q["任务路径能提前写死吗？"] -->|能| W["Workflow<br/>固定/可控/便宜/易调试"]
    Q -->|不能| R["还需模型自主决策吗？"]
    R -->|需要| A["Agent<br/>灵活/贵/需护栏+人工确认"]
    R -->|不需要| W2["单次 LLM 调用 + 检索<br/>（最简方案，见下篇）"]
    W --> M["混合：Workflow 为主<br/>关键分支交给 Agent"]
    A --> M

铁律（Anthropic）：从最简单的方案开始，只在简单方案不够时才加复杂度。 很多场景把单次 LLM 调用做好（加检索、加示例）就够，根本不需要 Agent。

---

三、实践：五大 Workflow 模式

当路径可写死时，Anthropic 总结了五种可组合的基础模式，从简单到灵活：

模式	一句话	适用	类比
Prompt Chaining（提示链）	大任务拆成固定几步，步间可插检查	能干净拆步的任务	流水线工序
Routing（路由）	先分类输入，再分流到专门处理	输入类别分明	医院分诊台
Parallelization（并行）	分段并行或多次投票取共识	可并行 / 需多视角	多人同时审稿
Orchestrator-Workers（编排-工作者）	中央动态拆活派给 worker	子任务事先未知	包工头派活
Evaluator-Optimizer（评估-优化）	一个写、一个挑刺、循环改到达标	标准清晰、迭代能提质	作者+责编

Routing 省钱小技巧：简单问题路由给小模型（如 Claude Haiku），难题才给强模型（如 Opus）。把”分类”和”处理”解耦，比用一个 prompt 硬扛所有输入效果更好。

---

四、示例

场景：客服系统进来一条消息，怎么用 Routing 省成本？

graph LR
    In["用户消息"] --> C{"分类器<br/>Routing"}
    C -->|一般咨询| H["小模型 Haiku<br/>低成本秒回"]
    C -->|退款/技术| O["强模型 Opus<br/>保证质量"]
    C -->|高危操作| HITL["转人工 + 权限审批"]

代码骨架（极简）：

def route(msg):
    kind = classifier(msg)          # 第一步：分类
    if kind == "trivial":
        return haiku.generate(msg)  # 便宜
    elif kind == "hard":
        return opus.generate(msg)   # 贵但准
    else:
        return escalate_to_human(msg)

---

五、优劣势

维度	Workflow	Agent
可控性	高，路径写死可调试	低，模型自主难预测
成本	低、可预估	高、易 token 爆表
灵活性	只适合已知路径	能应对开放问题
复合错误率	低（步数可控）	高（错误会递归累积）
适用	步骤可枚举的任务	路径无法预知的难题

一句话总结：能写死的别交给模型自由发挥；Agent 是”不得不灵活”时的最后选择，不是默认选项。

---

六、核心要点

• 🎯 选型第一问：这条任务的路径能提前写死吗？能 → Workflow；不能 → Agent。
• 🪜 加复杂度有次序：单 LLM 调用 → Workflow → 混合 → 全自主 Agent，每一步都要”简单方案不够”才升级。
• 💰 Routing 省钱：分类后小模型干杂活、强模型攻难题，是性价比最高的模式之一。
• 🔗 五大模式：提示链、路由、并行、编排-工作者、评估-优化，按需组合。
• 🧱 混合优先：真实系统几乎都是 Workflow 打底、关键分支放 Agent，而非纯自主。

---

七、最新研究与企业数据

• “从简单开始”是行业共识：Anthropic 在《Building Effective Agents》(2024-12) 中明确建议——“找到最简单的可行方案，只在需要时才加复杂度”，并给出上述五种 Workflow 模式作为默认积木。
• 多 Agent 确实更强，但烧 token：Anthropic 多 Agent 研究系统（2025）中，以 Opus 4 为主、Sonnet 4 为子 Agent 的架构，在内部研究评测上比单 Agent Opus 4 高 90.2%；但代价是多 Agent 系统 token 消耗约为聊天的 15 倍、普通 Agent 的约 4 倍——所以只有当任务价值够高才划算。

---

八、学习资源

• 权威一手：Anthropic《Building Effective Agents》——五种模式 + Workflow/Agent 区分的源头
• 延伸：简单任务最简方案——下一步讲”别为翻译任务造四步 Agent”
• 进阶：Harness Engineering 理解 Agent 运行环境

---

下一篇：简单任务最简方案——选型讲完，下篇讲”简单任务就用最简方案，别过度设计”。

---

参考来源（一手链接 · 可溯源深挖）

• Anthropic (2024-12)《Building Effective Agents》：anthropic.com/engineering/building-effective-agents（Workflow/Agent 区分、五种模式、start-simple 原则）
• Anthropic (2025)《How we built our multi-agent research system》：anthropic.com/engineering/multi-agent-research-system（多 Agent +90.2%、token 15× 数据）
• llmbestpractices (2026) Agentic workflow patterns 汇总（五种模式对照）：llmbestpractices.com/ai-agents/agentic-workflow-patterns

速记卡（面试闪卡）

Q1：一句话讲清「Workflow vs Agent 选型判断」到底是什么？ A：选型口诀：路径固定用 Workflow，路径不确定用 Agent，拿不准先 Workflow 再混合——Agent 是开放难题的最后选择，不是默认项。

Q2：核心观点：先 Workflow 再混合 —— 怎么理解？ —— 怎么理解？ A：选型口诀：路径固定用 Workflow，路径不确定用 Agent，拿不准就先 Workflow 再混合。别一上来就造”自主智能体”——那是给开放性问题准备的奢侈品，日常绝大多数活儿用 Workflow 就够，还更便宜、更可控。生活类比：先用自动扶梯（Workflow）解决九成通勤，别动不动叫出租车（Agent）。英文术语：agentic systems（智能体化系统）、start simple（从简开始）。

Q3：定义与决策树：扶梯 vs 出租车 —— 怎么理解？ —— 怎么理解？ A：Workflow 是 LLM 和工具沿预定义代码路径编排，每步走哪代码说了算；Agent 是 LLM 自己动态决定下一步干啥、用啥工具。生活类比：Workflow 像商场自动扶梯——路线固定、稳稳当当，你只站上去；Agent 像出租车——目的地相同，但司机（模型）自己看路况选路，灵活但可能绕远、违章、把你扔错地方。决策树：能写死→Workflow；不能→还需自主决策→Agent。英文术语：predefined path（预定义路径）、dynamic decision（动态决策）。

Q4：五大 Workflow 模式 —— 怎么理解？ —— 怎么理解？ A：路径可写死时，Anthropic 总结五种可组合模式：Prompt Chaining（大任务拆固定几步，像流水线工序）、Routing（先分类再分流，像医院分诊台）、Parallelization（分段并行或投票，像多人同时审稿）、Orchestrator-Workers（中央动态派活，像包工头）、Evaluator-Optimizer（一个写一个挑刺循环改，像作者+责编）。生活类比：五种乐高积木，按需拼。英文术语：Prompt Chaining、Routing、Orchestrator-Workers、Evaluator-Optimizer。

Q5：示例与优劣势：Routing 省钱 —— 怎么理解？ —— 怎么理解？ A：客服消息进来用 Routing 分类：简单咨询给小模型 Haiku（便宜秒回）、难的技术/退款给强模型 Opus（保质量）、高危操作转人工+权限审批。优劣势：Workflow 可控、便宜、复合错误率低，但只适合已知路径；Agent 灵活能应对开放问题，但贵、易 token 爆表、错误会递归累积。生活类比：把”分类”和”处理”解耦，比一个大 prompt 硬扛所有输入更省。英文术语：Routing、model routing（模型路由）、compounding error（复合错误）。

Q6：核心速记主线有哪些？

• 口诀：路径固定 Workflow，不确定 Agent，拿不准先 Workflow 再混合
• 类比：Workflow 像扶梯固定，Agent 像出租车自主
• 五模式：提示链/路由/并行/编排-工作者/评估-优化
• 省钱：Routing 分类后小模型干杂活，强模型攻难题

口诀 A：选型先问路短长，固定 Workflow 稳又强； 路径不定上 Agent，灵活但贵需护栏防； 五大模式组合用，路由分诊省银两； 混合优先打底稿，关键分支放 Agent 上。

相关链接

• 系列清单：Agent 方法论与产品思维学习路线图
• 上一层级：Agent 产品化思维 · 索引
• 同主题：简单任务最简方案 · 幻觉递归陷阱