企业该上工作流，还是上 Agent

2024 年底，Anthropic 工程博客把市面上混用的 “Agent” 拆成了两种完全不同的系统。这个分法后来被 OpenAI 的实践指南、微软和 LangChain 的文档沿用，到 2026 年，认真做落地的团队已经不太为定义吵架，而是用它来决定：这件事该写成一条固定流程，还是交给模型自己走。

工作流和 Agent 差在谁掌舵

工作流是人把路径写死。模型负责每一步里的判断：抽取字段、生成回复、给一段文字打分。下一步去哪，由代码决定。同样的输入，走同样的路，费用和耗时事先就算得出来，出了问题也能按步骤回放。

Agent 是模型自己掌舵。它看着当前结果决定要不要再调一个工具、再读一份材料、再改一稿。步骤数事先写不出来。灵活是真的，但每一轮都在叠加延迟、token 费用，以及 “上一步理解错了、后面全部跟着错” 的可能。Anthropic 的原话很直：这种自主权意味着更高的成本和错误被放大的风险，用它是一笔交换，不是免费的升级。

OpenAI 的实践指南把同一件事说成准入条件：规则复杂到维护不动、严重依赖非结构化材料、或者每单都有判断空间，才值得上 Agent。其余情况，一套确定的流程就够了。三家写给工程师的指南，结论收敛成同一句话：先把一次模型调用做对，不够再编排，最后才考虑自主循环。

大多数业务停在工作流

客服回复可以拆成：识别意图、查订单、套话术、敏感词检查。财务月结可以拆成：拉三张表、对差异、生成说明、交给人确认。路径清楚，验收标准也清楚，写成工作流，稳定性和成本都更好。

真正需要 Agent 的，是路径在做到一半之前写不出来的活。改一个跨很多文件的功能，要先读代码才知道动哪几个文件；处理一封说不清问题的客户邮件，可能要来回查工单、合同和聊天记录。编码助手是这类任务里最典型的例子：文件怎么建、依赖加不加，开始时并不知道。

还有一种 2026 年更常见的做法：外面是工作流，中间某一格是一个有上限的 Agent。整条链路仍然可审计，只在 “图上画不出来” 的那一步放权。纯自主、从第一句就自己决定一切的系统，在生产里反而是少数。

放权之前先回答三个问题

1. 步骤数和顺序，能不能在动手前写下来？能写下来，就不要用 Agent。
2. 做错了有没有办法发现？有测试、有对账、有人工抽检，才谈得上让它多走几步。没有验收，自主循环只是在无人看管的情况下反复出错。
3. 多出来的费用和等待，换到的结果值不值？如果一次调用加上检索和几个例子就能完成，就停在那里。Anthropic 写得很明确：很多应用优化单次调用就够了，根本不必做成 agentic 系统。

对应到一个 AI 员工

可易里，重复、路径固定的岗位，适合做成技能加固定步骤：输入、工具、输出、人工确认点都定好。开放、做到一半才知道下一步的岗位，才让 AI 员工自己决定调用哪个技能，并给它次数上限和单次预算。先招一个能把一条业务跑完的员工，而不是先搭一个 “什么都能自己决定” 的系统。

本文依据

论点来自下列公开工程文章，本文是据此整理的中文说明，不是原文译文。

• Anthropic，Building effective agents（2024 年 12 月）
• OpenAI，A practical guide to building agents（2025 年）