面试官会问："你为什么用 Agent，为什么不用 Workflow？Workflow 在哪些场景更合适？"或者"如何判断一个任务该用 Agent 还是 Workflow？"
1、本质区别
Workflow与Agent的本质区别，体现在流程主导权的分配与响应机制的弹性上：Workflow遵循"按既定流程执行"的确定性逻辑，而Agent则依托"按场景动态执行"的自适应能力。
可简单理解为：Workflow由代码控制，流程固定；Agent由LLM控制，自主性强。
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 | Workflow | Agent |
|---|---|---|
| 主导者 | 代码/开发者 | LLM |
| Token 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 |