面试官会问你为什么用 Agent为什么不用 WorkflowWorkflow 在哪些场景更合适或者如何判断一个任务该用 Agent 还是 Workflow1、本质区别Workflow与Agent的本质区别在于控制权的归属Workflow的控制权归代码开发人员提前写死全部路径与分支运行时按固定 DAG 流转Agent的控制权归大模型只给定最终目标运行时由大模型自主规划、选工具、调整步骤。可简单理解为Workflow由代码控制流程固定Agent由LLM控制自主决策。2、Workflow 工作流可以通俗理解为按剧本演戏。提前人为定义完整的执行步骤、流转规则、分支逻辑系统严格按照预设路径线性执行全程规则驱动流程、节点、跳转条件全部固定。优点是全程可控缺点是面对未知场景毫无应变能力。23、Agent 智能体本质是自主思考完成目标。以最终任务目标为核心依托大模型LLM 完成自主规划、环境观察、逻辑思考、工具调用、结果反思动态调整执行路径不需要人为写死全流程步骤能够自主应对多变的环境与模糊需求。4、LLM在两者中的角色差异在Workflow中LLM只是流程里某一个节点的执行工具被动接收上游传入数据完成计算没有任务主导权全程由流程框架调度。在Agent中LLM是任务的核心大脑自主拆解总目标、规划执行步骤、筛选适配工具、全流程主导任务闭环具备完整的主观执行逻辑。5、 实际生产中混合架构最常见真实的企业级AI系统极少纯Workflow或纯Agent落地二者结合才是最优解分工逻辑如下交由Workflow处理的环节数据采集、格式转换、基础数据校验、质量管控、结果格式化输出、日志存档、权限通知等确定性强的固定操作用来保障系统稳定性。交由Agent处理的环节自然语言理解、复杂逻辑推理、多工具联动调用、创意内容生成、非结构化信息处理等不确定性环节用来提升系统智能化。双向联动机制Workflow运行时遇到无法处理的复杂问题可以回传给Agent重新规划处理Agent产出的结果流入Workflow做标准化校验与落地归档兼顾智能与稳定。6、维度对比维度WorkflowAgent控制权代码/开发者LLMToken 消耗低约1x高约4-8x可预测性高低灵活性低高适合任务固定流程开放式目标调试难度容易困难典型场景订单处理/报表研究分析/客服
