Workflow 和 Agent 有什么区别？

核心回答

Workflow 和 Agent 的主要区别是谁来组织任务的执行过程。

• Workflow 由开发者预先设计主要步骤和转移规则，模型可以在节点里做分类、生成或评价。它也能分支、并行和循环，只是这些处理路径由程序约束。
• Agent 由模型结合目标和执行反馈，持续决定使用什么工具、还需要查什么、何时结束。程序仍会限制它的工具、权限和调用预算。

例如写一份市场报告，按预设来源检索、生成、审核，属于工作流；如果需要模型发现资料冲突后，判断应该补查哪个时间段、换什么来源，就适合引入 Agent。前者更容易约束路径和排查问题，后者能处理难以提前列全的调查过程，但也增加了成本和执行的不确定性。

实际项目可以组合使用：工作流控制固定步骤和审核，Agent 处理其中需要根据新证据调整行动的部分。

同一份市场报告，可以怎样实现？

以“小米 SU7 市场分析报告”为例，假设要求覆盖产品价格、用户反馈和竞品对比。

用 Workflow： 程序规定先检索指定来源，再生成草稿，然后检查三项内容是否齐全；缺哪一项，就按预设规则补查对应材料，最后审核输出。模型可以判断“竞品价格这一项不完整”，但后面进入哪个补查节点、最多执行几轮，由开发者设计的控制结构决定。

用 Agent： 给模型报告目标、可用工具和执行边界，由它判断当前最缺什么。假设搜索结果中两份价格资料相互冲突，模型先查发布日期和车型版本；发现材料来自不同时间，就补查同一时点的价格。资料齐了但草稿难读，下一步可能直接重排结构，不再继续搜索。关键在于反馈改变了调查动作。

这两种实现针对同一份报告需求，资料冲突是假设情形。区别在于开发者是否预先规定了主要处理路径，还是让模型围绕目标持续组织行动。例如“模型分类后从三条预设路线里选一条”，通常仍算路由工作流；把调查过程交给模型，让它决定接着查证、换工具或结束，才更接近这里讨论的 Agent。实际系统的自主程度可以介于两端。

比较项	Workflow	Agent
控制方式	预先设计步骤与转移规则	模型在允许范围内决定动作和继续条件
更合适的任务	输入类别、输出要求、处理路线稳定	后续调查依赖中间证据，难以列全路线
主要代价	新情况可能要补节点和规则	路径更易变化，可能重复查找或提前结束
验证重点	节点结果、分支、回退及异常出口	还要看工具选择、无效循环和任务总成本

这里的“路径由程序约束”，不代表每次输出都相同。工作流节点里如果调用模型，生成内容或分类结果仍可能变化；预设的“评价后修改”循环也能根据反馈纠错。因此，输出有变化或会纠错，都不足以单独证明系统是 Agent，仍要看主要行动怎样被选择和组织。

追问

用了 LangGraph，是不是就是 Agent？

不是。LangGraph 的 State 保存资料和草稿，Node 执行检索或写作，Edge 控制去向，它可以承载上述两种实现。框架解决“怎么组织执行”，系统把多少决策权交给模型，才决定它的行为特点。

单 Agent、多 Agent 又怎么区分？

这是另一维度。单 Agent 可以使用多个工具；多 Agent 进一步拆分角色、上下文和调度职责。比如研搜项目由主智能体统筹网络、数据库、知识库三个助手，拿到结果后再判断是否继续查。这样做适合各角色需要独立上下文或不同工具权限的情况，但也增加交接和汇总成本。多个模型固定并行写作再汇总，整体仍可能主要是工作流；只是复用模板、检查清单时，单 Agent 加按需加载的 Skills 就可能够用。

如果需求既有固定步骤，又经常出现新情况，怎么选？

先保留固定骨架，把无法穷举的部分开放给 Agent。例如报告格式和发布审核固定，中间调查允许动态选工具。再拿同一组报告任务比较：结论有没有依据、是否漏项、需要多少人工修改、总耗时和费用如何。只有动态部分带来实际收益才扩大范围，并为它设置调用预算和失败出口；耗尽轮数意味着需要退出或接管，不意味着报告合格。

对应教程

参考资料