Loading…

Agent vs Workflow

不是二元对立，而是"agentic 程度"的连续谱系——把"让模型决定"与"让图决定"放进一条尺子里。

Core Curriculum Level 1 · 概念理解阅读时间 · 8 分钟练习 · 建议必做低波动 Last reviewed · 2026-04-22

你将学会什么

建议先读《Tool Calling 机制》；如果你是跳读，至少先看本章索引与本页 TL;DR。

这页在课程中的位置

课程理论地基，用来建立后续所有判断语言。

本页 1 句话结论

不是二元对立，而是"agentic 程度"的连续谱系——把"让模型决定"与"让图决定"放进一条尺子里。

带走的判断法

先问控制流、动作空间、终止时机，再谈 agent 能力。

Source Policy

课程主线：稳定概念 + 经典论文 + 官方机制。

TL;DR

Agent vs Workflow 不是二元判断，是程度问题。Anthropic Building Effective Agents 给出经典对照（"workflows orchestrate via predefined paths" vs "agents direct their own processes"），但实际系统是七档谱系。
用 00 章的 ABC 三轴量化：每档系统在三轴上的下放程度不同；越往右，A/B/C 都越下放给 LLM。
"agentic 程度高 ≠ 更好"。失控成本随 A 和 C 下放成倍上升；选型不是选"高级 vs 低级"，是选"任务结构是否要求那么多自由度"。
真实系统大多是混合形态：DAG 里嵌 agent 节点（subagent as node），或 agent 里嵌 DAG（call_workflow 作为 tool）。

把"workflow / agent"做二分有两个问题：

边界系统无处安放：一个 LangGraph 图里，路由节点用 LLM 选边——它是 workflow（图固定）还是 agent（LLM 决策）？二分回答不了。
掩盖真正的设计变量："用 agent" 这个决策不是单一的，它至少由三件事独立决定：A 是否下放、B 是否开放、C 是否自宣。每件单独翻动，得到的系统形态完全不同。

谱系视角 + 三轴量化才能精准描述设计空间。

从"全代码控制"到"全 LLM 自治"排列。每档配一个"在 A/B/C 上的下放程度"评分（○ = 不下放；◐ = 部分；● = 下放）。

档位	形态	A	B	C	典型场景
L0	Hardcoded DAG（固定流水线，节点全是确定性代码）	○	○	○	ETL 流水线、传统 NLP 流水线
L1	LLM-augmented DAG（路径写死，节点里有 LLM 但不做选择）	○	○	○	RAG 流水线（retrieve→rerank→generate）
L2	LLM-routed DAG（图里有 router 节点，LLM 在枚举边集里选 1）	◐