# 客户要 Agent 之前，先问清谁决定下一步

> 运行前能画出所有分支的就是工作流；步骤无法预先列出时，Agent 才值得它的成本。

原文: https://fdetimes.net/zh/guides/workflow-vs-agent-design-pattern/

与客户的第一次会议，常常以一个信心满满的需求开场：“我们想要一个 Agent 来处理客户邮件。”他们看过演示，读过新闻，在他们眼里，“Agent”就是最先进的东西。

前线部署工程师（FDE）的工作不是点头附和，而是找到一种设计模式，在客户能接受的延迟、成本和可靠性下解决问题。这一步选错了，三个月后你就会在调试一个谁也解释不清的系统，琢磨它为什么今天的回答和昨天不一样。

本文讲的技能不算大，但几乎每周都用得上：读懂客户的问题，判断它需要的是工作流、Agent，还是比两者都更简单的东西。

## 下一步由谁决定？

Anthropic 给过一个简洁的定义。工作流是通过预定义代码路径编排 LLM 和工具的系统。Agent 是由 LLM 自主决定流程和工具使用的系统，也就是说，任务怎么完成由模型掌控。

LangGraph 的文档划的是同一条线：工作流有预先确定的路径，按设计好的顺序运行；Agent 适用于问题和解法都无法事先预测的场景。

所以分类的问题很简单：**下一步由谁决定，你的代码还是模型？**如果在任何东西运行之前，你就能坐下来画出分支图，那就是工作流。如果你列不出步骤，因为它们取决于模型在过程中发现了什么，那才是 Agent 的用武之地。

## 复杂度阶梯

Anthropic 的核心建议是：找到尽可能简单的方案，只在确实需要时才增加复杂度。它还明确指出，对许多应用来说，优化一次 LLM 调用，再配上检索和上下文示例，通常就够了。

原因在于取舍。Agent 类系统通常以更高的延迟和成本换取更好的质量；工作流则为定义清晰的任务提供可预测性和一致性。对企业客户而言，“一致”往往是他们最需要的，只是他们不这么说。

阶梯的最顶层是多智能体，即多个 Agent 并行运行。Anthropic 称，其多智能体系统消耗的 token 约为普通对话的 15 倍。在它看来，这类系统适合可以很好并行的高价值工作，而大多数编码任务比研究任务更难并行。

**要点:** 只有在下一级已经用真实数据试过、且没能解决问题时，才往上爬一级。

## 一个完整的例子

设想一家物流公司想自动回复客户邮件。你要来 50 封真实邮件，手工分类。假设结果是：大多数在问订单状态，一部分是 FAQ 里有答案的政策问题，还有一小部分是复杂投诉。

前两类的步骤可以马上写在纸上：识别意图，提取订单号，查询数据库，起草回复。这里没有意外，所以这是工作流：

```python
# 工作流：路径由代码决定
def handle_email(email):
    intent = classify(email)  # 1 次 LLM 调用，只返回固定标签
    if intent == "order_status":
        order = db.get_order(extract_order_id(email))
        return draft_reply(email, context=order)
    if intent == "policy":
        return draft_reply(email, context=search_faq(email))
    if intent == "complaint":
        return investigate_complaint(email)  # 唯一使用 Agent 的分支
    return escalate_to_human(email)
```

客户心目中的 Agent 版本，通常是一个配齐全套工具的 `while True` 循环，其中包括 `issue_refund`。这样一来，要不要退款就由循环里的模型决定，没有任何一行代码能提前拦住它。

在工作流版本里，每封邮件经过的 LLM 调用次数是固定的，所以你能估算成本、测量延迟，出了问题也能立刻知道是哪个分支错了。

Agent 并没有被扔掉，而是被收窄了。如果投诉类确实需要按不可预测的顺序查多个来源，就只在这一个分支上放 Agent，并限制工具集、设定步数上限：

```python
# 只在投诉分支使用 Agent：路径由模型决定，但有护栏
COMPLAINT_TOOLS = [get_order, search_faq]  # 只读，不含 issue_refund
MAX_STEPS = 6

def investigate_complaint(email):
    messages = [COMPLAINT_PROMPT, email]
    for _ in range(MAX_STEPS):
        step = llm(messages, tools=COMPLAINT_TOOLS)
        if step.is_final:
            return draft_for_human_review(email, findings=step.text)
        messages.append(run_tool(step))
    return escalate_to_human(email)  # 步数用完：转交人工
```

这是一个能在客户面前讲得通的混合设计：可预测的部分交给代码，只有不可预测的部分交给模型。即便在这一部分，模型也只负责读取和提出建议，退款决定仍然由人来做。

## 自己动手的五个步骤

第一步：收集真实样本，而不是听客户描述。30 到 50 个真实案例就能告诉你问题有多可预测，这是第一次会议永远看不出来的。

第二步：先试最低一级。写一个好的提示词，加上检索和几个示例，然后在样本集上跑一遍。结果够好，就到此为止。

第三步：为第一级没解决的案例画分支图。凡是能画出来的分支，都做成工作流。

第四步：只对剩下的部分使用 Agent，也就是确实列不出步骤的那部分。给循环次数设上限，只放必要的工具，就像上面的 `investigate_complaint` 函数那样。

第五步：只有当任务能拆成可并行运行的独立部分，且结果的价值足以承担额外的 token 时，才考虑多智能体。

## 常见错误

最常见的错误是因为演示效果好就选 Agent。演示只跑几个简单案例；生产环境要跑成千上万个，而客户需要每次都得到同样的结果。

第二个错误是把工作拆给多个 Agent，却不共享上下文。Devin 背后的公司 Cognition 建议共享上下文，并共享完整的 Agent 轨迹，而不只是单条消息。

它还指出，每个动作都隐含着一个决策；当并行的 Agent 做出相互冲突的决策时，结果就会很差。

第三个错误是不做测量。如果你不知道每个请求要花多少次调用、要等多久，就没法向客户解释为什么该再往上爬一级，或者为什么不该。

## 把这项技能变成求职优势

如果你瞄准的岗位描述里提到了 Agent，就要准备好解释你为什么选择这种架构，而不只是说你做过 Agent。你如何权衡取舍，才是值得谈的东西。

所以简历上别只写“构建了 AI Agent”。要描述决策过程：你试过哪几级，测量了什么，为什么停在工作流，或者为什么升级到了 Agent。

像“将查询从 Agent 循环迁移到固定工作流，以获得一致的结果”这样一句话，说明你理解其中的取舍。这也正是你坐在客户身边、每周都要做的判断。

## 练习：让 Agent 告诉你哪些部分该做成工作流

拿一个现成的 Agent 循环，或者针对上面的邮件问题写一个类似 `investigate_complaint` 的循环。用 20 个不同的输入跑 20 次，记录模型每次调用工具的顺序。

然后把这些序列并排对比。几乎一模一样重复出现的序列，可以考虑改写成工作流分支；每次都不同的序列，才是值得留给 Agent 的部分。同时记录每次运行的平均步数，以确定 `MAX_STEPS` 该设多少。

下次客户再说“我们想要一个 Agent”，先向他们要最近五十封邮件。很可能，这些邮件就会给出答案。

**本周动手试试:**

- 从公司某个流程中取 20 个真实请求，逐一写下处理步骤，再标出哪些请求的步骤可以提前列出。
- 用两种方式实现同一个功能：一个用 if/else 的工作流函数，一个带工具的 Agent 循环，然后分别测量 LLM 调用次数和运行时间。
- 在简历上加一行，描述你做过的一个设计模式决策，以及做这个决策的原因。

## 信源

- [Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)

- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system)

- [Don't Build Multi-Agents](https://cognition.com/blog/dont-build-multi-agents)

- [Workflows and agents (LangGraph docs)](https://docs.langchain.com/oss/python/langgraph/workflows-agents)
