Skip to content

OV02：Agent、Workflow 与 Agentic System

它解决什么问题

一个产品接入大模型、知识库和工具后，是不是 Agent？答案取决于谁拥有下一步决策权，而不是组件数量。代码规定“先分类，再查询，最后生成”是 Workflow；模型能根据观察动态决定查询、追问、修改计划或停止，更接近 Agent。Agentic System 是包含二者的上位概念。

核心定义

概念 控制权 适合的问题 主要风险
LLM Feature 调用方 局部生成、抽取、分类 输出错误
Workflow 代码或规则 路径已知、可分解任务 分支遗漏、步骤失败
Agent 模型在边界内动态决策 路径未知、需要观察环境 误操作、循环、成本漂移
Agentic System 代码、模型和人共同控制 混合确定性与自主性 边界不清、难以运营

Anthropic 将 Workflow 描述为由预定义代码路径编排模型与工具的系统，将 Agent 描述为由模型动态指导过程和工具使用的系统。这个区分比“有没有工具调用”更有解释力。

工作原理

Code control  : if / switch / DAG / state transition
Model control : choose_tool / choose_next_step / revise_plan / stop
Human control : approve / edit / cancel / take_over

真实产品常采用混合控制：代码定义安全边界和关键流程，模型在局部选择行动，人对高风险操作保留否决权。

架构视图

Architecture View

Workflow: Request -> A -> Router(code) -> B/C -> Result

Agent:    Request -> Model -> Action -> Observation
                     ^                    |
                     +------ decide ------+

Hybrid:   Request -> Policy -> Workflow Shell -> Agent Zone -> Approval

Product View

User -> state goal -> see progress -> approve risky action -> result
                         |                       |
                         +-- cancel / correct ---+

最小可运行实践

运行 examples/overview/architecture_decision.py。示例根据路径可预知性、动态决策、副作用和风险级别，给出 workflow、agent 或 hybrid 建议。它不调用模型，目的是把架构判断变成显式规则。

正常场景

合同字段抽取与校验路径稳定，适合 Workflow；研究陌生市场并根据发现继续追查，适合受预算约束的 Agent；起草采购单并提交，需要 Agent 处理信息、Workflow 验证格式、人审批提交，适合 Hybrid。

失败与恢复场景

常见错误是把开放式语言输入误认为开放式执行。用户能自由描述需求，不意味着模型必须拥有流程控制权。若任务只有有限分支，应把理解交给模型，把分支和副作用留给代码。

恢复方法是缩小 Agent Zone：将稳定步骤下沉为 Workflow，把模型输出改为结构化决策，并为未知状态设置澄清、失败和人工接管出口。

什么时候使用

  • Workflow：步骤可枚举、验收清晰、监管要求高。
  • Agent：路径依赖中间观察，规则难覆盖，错误可恢复。
  • Hybrid：既要动态探索，又包含资金、消息、权限或数据变更。

什么时候不要使用

单次生成能解决时不要引入循环；固定流程不要为了“智能感”改为模型路由；无法检测成功、限制预算或撤销副作用时，不要给予高自主性。

Trade-offs

自主性提高长尾覆盖，却降低确定性；代码控制容易测试，却增加流程维护；人工审批降低风险，却可能形成新队列。目标不是最大化 Agent 程度，而是让每一份自主性对应用户价值。

产品视角

用户与业务问题

先问“用户目标是否需要系统在运行中做新决定”，再问是否需要 Agent。

产品价值

升级应提高长尾任务完成率、减少用户拆步骤的工作，或处理此前无法自动化的任务。

用户体验

Workflow 可展示固定阶段；Agent 应展示当前目标、关键行动、可信进度和停止原因，不伪造精确百分比。

自主性边界

读取和分析通常可自动进行；发送、购买、删除、授权等不可逆动作默认需要预览或确认。

数据与权限

每个工具采用最小权限。动态决策不能绕过产品层身份、策略和审计。

失败与降级

Agent 应能降级为有限分支、只读、草稿或人工处理，并保留中间成果。

产品指标

观察任务成功率、长尾覆盖、用户修正率、非预期行动率、完成时间和单成功任务成本。

框架中的对应实现

OpenAI Agents SDK 区分模型驱动与代码驱动编排；Google ADK 同时提供 LLM Agent 与 Sequential、Parallel、Loop 等 Workflow Agent；LangGraph 用图和显式状态承载混合控制。框架名不是架构答案。

前置：Architecture Map。后续：Sequential、Routing、ReAct、Human-in-the-Loop、State Machine。

检查清单

  • 下一步由代码、模型还是人决定？
  • 自主性新增价值能否测量？
  • 是否定义预算、停止和澄清？
  • 副作用是否有权限与确认？
  • 失败时能否降级并保留中间结果？

延伸练习与参考资料

为自己的产品标注每个步骤的控制权，并尝试把 Agent Zone 缩小一半。