# 智能体还是工作流？按任务的不确定程度选择

比较 Agent、工作流和普通工具的适用情况，明确哪些步骤需要模型判断。

要点：步骤和分支规则明确时，优先采用工作流；需要根据上下文判断下一步时，可以考虑智能体。两者可以组合：让工作流管理稳定的业务步骤，让 AI 处理其中需要理解、整理或选择的部分。

![团队对照三组任务卡讨论步骤与交接（AI概念配图）](/images/guides/scenes/v152-on-site.jpg)

## 区分固定规则与临场判断

收到表单后检查必填项、按部门分配、保存结果，这些规则可以提前确定。阅读一段模糊需求、判断应查哪类资料，则可能需要模型理解内容。不要为了使用 Agent 而将已有清楚规则变成自由判断。

普通工具完成单一动作，如格式转换或查询记录；工作流规定动作的顺序；智能体可以在约束内选择工具或下一步。实际产品的命名各异，比较时应看执行方式而不是名称。

## 在同一项业务中组合使用

以询价整理为例，模型提取客户需求，程序检查字段，业务人员补充缺失信息，再按规则进入处理队列。这里的读取、提取、校验和交接各有明确作用。

只有当任务确实需要多轮判断，例如发现缺失条件后选择进一步检索，才增加智能体的自主范围。同时说明允许的工具、最大执行范围和停止条件，避免无限追加操作。

## 按维护能力决定复杂度

能够运行的原型还需要日志、失败处理与版本记录。团队没有能力定位多轮调用问题时，较明确的流程通常更便于交接和维护。复杂度应随实际需求增加。

Dify 与 n8n 等平台都提供应用或流程编排能力，具体功能因版本和部署方式不同。选型时用自己的任务样例比较，检查结果与运行记录，不把官方示例当作企业环境已经验证的效果。

## 把业务责任与模型判断拆开设计

设计前列出三种决定：可以由规则直接判断的、需要模型理解材料的、必须由业务负责人作出的。比如客户编码是否存在可以查询系统，邮件里哪段表达交货要求需要语言理解，是否承诺某个交期则取决于企业授权。三个决定即使出现在同一页面，也不宜交给同一种执行方式。

智能体的自主程度可以逐步增加。先让它提出下一步建议，由确定流程执行；确认建议质量与权限控制可用后，再开放有限工具选择。团队应能解释每一项自主能力解决了什么问题，以及错误发生时由谁发现和处理。

## 以询价整理为例，画出可交接的执行链

入口接收邮件后，先分配业务标识并保存来源，再提取型号、数量和条件。程序核对字段与产品目录，缺失项进入待补充状态。只有资料齐全且经过适当确认，才将结果交给后续业务。该例用于说明设计方法，不代表某个产品已接入企业邮件或订单系统。

如果客户使用含糊称呼，可以让模型选择查找产品目录或历史术语表，但检索范围和可返回字段必须明确。检索后仍无法确定型号，应把不确定项返回业务人员。智能体有能力继续查找，不意味着它有权代替客户决定需求。

| 处理事项 | 适合的执行方式 | 核对重点 |

| --- | --- | --- |

| 接收与去重 | 程序规则 | 同一事项只处理一次 |

| 理解客户表达 | 模型辅助 | 提取结果有原文依据 |

| 匹配产品与字段 | 查询和规则校验 | 编码、数量和单位有效 |

| 缺失条件处理 | 有限检索或人工澄清 | 不能自行补造事实 |

| 正式业务动作 | 授权流程 | 对象与内容经过确认 |

## 工具越多，越需要清楚的停止条件

为每个工具说明用途、输入字段、返回内容和可能的副作用。相似名称却含义不同的工具会增加选择错误；一个工具承担过多业务动作，则让审核和恢复变得困难。优先使能力职责清楚，再考虑是否需要统一包装。

运行限制可以包括允许访问的对象、最大调用次数、等待时间和费用范围。限制触发时返回当前完成部分、未完成事项与原因。不能以“继续努力完成任务”替代停止策略，否则模型可能反复检索同一资料或重复尝试已明确失败的接口。

## 让中间状态成为可以检查的业务记录

执行状态至少应区分已接收、处理中、等待资料、等待确认、已完成与失败。保存状态时同时保留业务标识和相关版本，避免使用者只看到聊天窗口里的自然语言描述。对关键动作，可额外记录目标对象与系统返回的结果标识。

人工修改提取结果后，后续步骤应使用确认后的值，并保留原始结果以便追查。工作流重跑时要知道哪些结果可以复用、哪些需要重新审核。尤其不要让一个旧的确认动作自动覆盖后来变化的客户、金额或发送内容。

![任务草稿、审核等待与执行结果的状态检查](/images/guides/details/workflow-state-review.svg)

维护人员需要看见执行到了哪里，以及接下来由谁处理。

## 平台比较应使用同一任务与同一验收条件

比较 Dify、n8n 或代码实现时，准备同一组脱敏输入，核对连接现有系统的方式、日志可见范围、权限控制与维护难度。平台提供的能力名称只是入口，实际版本、套餐和部署环境才决定可用范围。价格和配额应单独查询当前服务说明。

演示之后，安排未参与搭建的人根据说明修改一个字段、定位一次失败并重跑任务。能否完成这些操作，可以帮助判断方案是否适合长期维护。对尚未验证的功能，写入待核验清单，避免把未来可以开发的能力作为当前交付内容。

## 先画询盘的确定步骤与判断步骤

把接收去重、提取需求、字段检查、人工补缺和正式处理分别画出。规则明确的交给程序，需要理解的由模型辅助；只有确实需要选择下一步时才增加自主范围，并记录停止与接手机制。

## 参考来源

- [Dify｜Knowledge Pipeline](https://www.dify.ai/rag)：资料处理、检索与来源引用的产品说明

- [n8n Docs｜为什么需要评估 AI 工作流](https://docs.n8n.io/build/integrate-ai/test-and-improve-ai-workflows/understand-why-to-test)：利用固定样例比较输出与回归变化

- [Anthropic｜Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)：工作流、工具与智能体设计原则；不作为本站产品效果证据

## 按判断方式选择实现

- 单一动作：使用明确职责的工具

- 顺序确定：工作流管理规则与交接

- 需要判断：智能体在边界内选动作

![按判断方式选择实现](/images/guides/diagrams/agent-or-workflow.svg)

## 继续阅读

- [AI 输出要进入业务系统，先把字段与校验说明白](/guides/structured-output)

- [一个任务需要多个智能体吗？先看是否存在独立职责](/guides/multi-agent)

- [智能体的计划什么时候需要改变](/guides/agent-planning)

围绕当前问题查看任务、资料与人工确认示例，再用企业样例验证。

下一步：[按业务环节查看沙盘](/library)

原文：/guides/agent-or-workflow

内容版本：guide:agent-or-workflow:v1

<!-- version:guide:agent-or-workflow:v1 -->

[结合企业情况咨询](/intake?source=%2Fguides%2Fagent-or-workflow&articleId=guide%3Aagent-or-workflow&versionId=guide%3Aagent-or-workflow%3Av1)