代理工作流與自主代理：有什麼區別？
本文通過聚焦控制流的歸屬——是人類預先編寫代碼，還是模型在運行時推理——來區分代理工作流和自主代理。涵蓋了確定性工作流、編排工作流、反應式代理和自主多智能體系統，並提供了可運行的代碼示例。文章指出，真正的軸心是可預測性與自主性，而非是否使用LLM。在生產中，工作流（而非完全自主的代理）佔據主導地位，而混合架構是實際有效的模式。
德勤預測，到2027年，多達50%使用生成式AI的公司將啓動代理AI試點或概念驗證。“代理”一詞已變得過於寬泛，幾乎涵蓋所有包含LLM調用的系統，從固定的五步流水線到完全自我導向的系統。然而，這兩者截然不同。混淆它們會導致過度工程化或工程不足。Anthropic在其文章《Building Effective Agents》中劃定了基準線：工作流是通過預定義代碼路徑編排LLM和工具的系統；而代理則是LLM動態指導自身過程和工具使用的系統。真正的軸心並非“是否使用AI”，而是可預測性與自主性。關鍵問題在於：過程是否需要可重複、可審計、可逐步解釋？正確的路徑是否事先已知，還是需要在運行時發現？一個系統可能大量使用LLM，但其結構仍是完全確定性的；反之，一個系統可能僅含少量自主性。控制權的歸屬才是信號。
確定性工作流是基線。步驟序列在設計時由人類決定，並在代碼中固定。LLM可以位於任何步驟內部，但它不決定下一步操作。編排工作流則更進一步：它仍有一個由人類預先定義的可能路徑圖，但具體路徑取決於運行時決策（通常由LLM做出）。LLM從菜單中選分支，而非創建新分支。反應式代理（ReAct模式）是真正自主的開始。模型在每一步根據之前的觀察決定下一步行動，沒有預寫分支覆蓋所有情況。路徑和步數在運行時未知。自主多智能體系統在此基礎上嵌套：一個協調器運行自己的ReAct循環，其“動作”之一就是調用另一個代理，該代理再運行其自身的ReAct循環。
這一區別在生產中至關重要。儘管自主代理備受炒作，但AI工作流在2025年贏得了生產之戰：工作流仍是成功生成式AI部署的主導模式，而完全自主的多智能體系統在多數領域仍處於探索階段。原因直接映射到可預測性：代理系統本質上是非確定性的，相同輸入可能產生不同輸出，這在受監管、可審計或高風險過程中是嚴重缺陷。成熟的系統採用混合模式：高層代理設定目標並協調整體任務，而關鍵、充分理解的計算則在確定性模塊中運行。例如，醫療診斷系統可能使用代理解釋模糊症狀並決定測試順序，但每個測試本身通過一個經過驗證的確定性流水線運行。
結論是，“代理工作流”和“自主代理”並非競爭技術，而是同一頻譜的兩端。確定性工作流提供審計性和可重複性；反應式和多智能體系統則放棄這種保證，以換取處理無法預知問題的能力。生產中最穩健的系統不會選擇頻譜的一端，而是將問題的每一部分放置在合適的點上。