代理工作流与自主代理：有什么区别？
本文通过聚焦控制流的归属——是人类预先编写代码，还是模型在运行时推理——来区分代理工作流和自主代理。涵盖了确定性工作流、编排工作流、反应式代理和自主多智能体系统，并提供了可运行的代码示例。文章指出，真正的轴心是可预测性与自主性，而非是否使用LLM。在生产中，工作流（而非完全自主的代理）占据主导地位，而混合架构是实际有效的模式。
德勤预测，到2027年，多达50%使用生成式AI的公司将启动代理AI试点或概念验证。“代理”一词已变得过于宽泛，几乎涵盖所有包含LLM调用的系统，从固定的五步流水线到完全自我导向的系统。然而，这两者截然不同。混淆它们会导致过度工程化或工程不足。Anthropic在其文章《Building Effective Agents》中划定了基准线：工作流是通过预定义代码路径编排LLM和工具的系统；而代理则是LLM动态指导自身过程和工具使用的系统。真正的轴心并非“是否使用AI”，而是可预测性与自主性。关键问题在于：过程是否需要可重复、可审计、可逐步解释？正确的路径是否事先已知，还是需要在运行时发现？一个系统可能大量使用LLM，但其结构仍是完全确定性的；反之，一个系统可能仅含少量自主性。控制权的归属才是信号。
确定性工作流是基线。步骤序列在设计时由人类决定，并在代码中固定。LLM可以位于任何步骤内部，但它不决定下一步操作。编排工作流则更进一步：它仍有一个由人类预先定义的可能路径图，但具体路径取决于运行时决策（通常由LLM做出）。LLM从菜单中选分支，而非创建新分支。反应式代理（ReAct模式）是真正自主的开始。模型在每一步根据之前的观察决定下一步行动，没有预写分支覆盖所有情况。路径和步数在运行时未知。自主多智能体系统在此基础上嵌套：一个协调器运行自己的ReAct循环，其“动作”之一就是调用另一个代理，该代理再运行其自身的ReAct循环。
这一区别在生产中至关重要。尽管自主代理备受炒作，但AI工作流在2025年赢得了生产之战：工作流仍是成功生成式AI部署的主导模式，而完全自主的多智能体系统在多数领域仍处于探索阶段。原因直接映射到可预测性：代理系统本质上是非确定性的，相同输入可能产生不同输出，这在受监管、可审计或高风险过程中是严重缺陷。成熟的系统采用混合模式：高层代理设定目标并协调整体任务，而关键、充分理解的计算则在确定性模块中运行。例如，医疗诊断系统可能使用代理解释模糊症状并决定测试顺序，但每个测试本身通过一个经过验证的确定性流水线运行。
结论是，“代理工作流”和“自主代理”并非竞争技术，而是同一频谱的两端。确定性工作流提供审计性和可重复性；反应式和多智能体系统则放弃这种保证，以换取处理无法预知问题的能力。生产中最稳健的系统不会选择频谱的一端，而是将问题的每一部分放置在合适的点上。