工作流与智能体选择

学习目标

读完本课你能回答一个架构问题：这个任务该写成固定步骤的工作流，还是交给模型自主决策的智能体？并且能给出可检验的理由，而不是「智能体更智能」这种空话。

问题场景

两个需求摆在你面前：

• 需求一：每天把导入的资料做一次「解析 → 切分 → 索引 → 出报告」，步骤固定，错了要能查。
• 需求二：用户随口问「帮我整理这份文档的要点，顺便查查和站里哪门课相关」——下一步做什么，事先列不全。

第一个用智能体是浪费：每步都让模型「想」一遍，又贵又不稳定。第二个用死流程是灾难：路径因问题而变，写死哪条都会漏。选择的标准不是哪个更先进，而是任务的结构化程度。

核心解释

两者定义：

• 工作流（workflow）：步骤预先定义，代码控制流转，模型只负责每个步骤内部的生成任务。输入确定、路径确定、输出形态确定。
• 智能体（agent）：给模型一组工具和一个目标，由模型决定下一步调用什么、循环到何时（A17 的工具循环就是最小智能体）。路径在运行时才确定。

选择看三个标准：

标准	偏向工作流	偏向智能体
步骤能否预先列出	能	不能，因问题而变
单步错误的代价	高（写库、发钱）	低（只读、可重来）
可解释性要求	高（每步要能审计）	中（结果导向）

// 工作流：路径写死在代码里，模型只是步骤内部的函数
async function importPipeline(file: File) {
  const text = await extractText(file);      // 步骤 1：解析
  const chunks = chunkText(text);            // 步骤 2：切分
  await indexChunks(chunks);                 // 步骤 3：索引
  return { chunks: chunks.length };          // 每步成败可单独审计
}

// 智能体：路径由模型运行时决定（A17 的循环 + 白名单 + 上限）
while (!done && rounds < MAX_ROUNDS) {
  const res = await chatWithTools(messages, ASSISTANT_TOOLS); // 模型自主选择工具
  if (res.finish_reason === "tool_calls") messages.push(...runTools(res));
  else done = true;
}

本站的选择是「受限智能体」：学习助手需要处理千奇百怪的问题（路径不可预列，选智能体形态），但把自主性收进三个笼子——工具白名单（只有三个只读检索工具，模型提名了名单外的直接拒绝）、轮次上限（A17，超限强制基于已有信息作答）、只读约束（再怎么「自主」也写不了库）。自主性负责覆盖问题的多样性，约束负责兜住错误的下限。

如何验证选型：把任务的「预期路径」写出来。写得出来且覆盖 90% 以上场景 → 工作流；写出来发现分支爆炸 → 智能体。选完再问一句：它出错时我能不能不看代码就说出「错在第几步」？

示例拆解

同一个「整理资料」需求，两种实现的对比：

// 工作流版：路径固定，适合「每次都要做完所有事」
const report = [
  summarizeAll(await getAllChunks()),     // 1. 汇总全部片段
  matchCourses(report),                   // 2. 匹配站内课程
];

// 智能体版：按问题需要挑工具，适合「问什么做什么」
// 用户问「这份文档和哪门课相关」→ 模型只调 search_courses，不碰 summarize

关键点：

• 混合形态是常态：本站资料导入是纯工作流（A24 走过的链路），学习助手是受限智能体，两者共存于同一应用。不必全站二选一。
• 可解释性的差异是本质的：工作流出错看日志就能定位到步骤；智能体出错要回放模型的决策序列（为什么调这个工具）——这就是 A26 要做的执行轨迹。
• 「智能体更强」是错觉：路径可预列的任务，工作流的每次输出都一样、每步都能测，稳定性碾压智能体。模型只有在「你不知道路」时才比流程图有用。

动手任务

1. 把 A24 的导入流程列成步骤表，逐条标注「这步模型做了什么决策」——验证它其实一步都没有，是纯工作流。
2. 观察站内助手：问两个不同类型的问题（一个查课程、一个查资料库），从服务端日志记录它分别调了哪些工具——验证「路径因问题而变」。
3. 判断任务：给「自动给练习打分并写入库」选形态，用三个标准说明理由（提示：写库 = 错误代价高，路径可预列 = 工作流，模型只负责其中「判断对错」一步）。

常见错误

• 什么都上智能体：能写成三行流程的事交给模型「自主规划」，成本翻倍、结果不可复现、出错没法审计。
• 什么都写成流程：用户问题的多样性超出流程分支，最后 if-else 树比智能体还难维护。
• 给智能体挂上写操作：自主决策 + 直接写库 = 错误直接落库。写操作必须先过 A29 的人工确认。
• 受限形同虚设：白名单不校验、轮次没上限，「受限」只剩注释。约束要在代码里，不在文档里。

检查与复盘

自查清单：

• 能用三个标准（步骤可预列、错误代价、可解释性）为任意新需求选形态并说理由
• 能指出本站助手的三个「笼子」分别限制什么
• 能说出混合形态为什么是常态

参考资料

• Anthropic：Building effective agents —— 工作流与智能体的边界与选型标准（业界口径的主要出处）
• OpenAI 文档：Function calling —— 智能体形态的底层机制
• 下一课 A26 讲智能体跑起来之后怎么看清它：状态与执行轨迹。