Workflow vs Agent
一句话：Workflow = 显式编排的确定性流水线（人写图、Agent 走图）；Agent = LLM 自主决定下一步的动态循环（LLM 决策 + 工具调用 + 记忆）。企业落地 2026 主流是混合：用 workflow 做骨架 + 关键节点插入 agent。
核心区别
| 维度 | Workflow | Agent |
|---|---|---|
| 控制流 | 人预定义（DAG / BPMN） | LLM 动态决策 |
| 可预测性 | 高，跑一万次一样 | 低，同输入不同结果 |
| 成本 | Token 用量线性 | Token 用量爆炸（多轮循环） |
| 失败模式 | 节点错、参数缺 | 无限循环、幻觉、错工具 |
| 适合场景 | RPA、审批流、数据清洗 | 探索性问答、动态调查、代码修改 |
| 典型平台 | Coze / Dify / n8n | Claude Code / AutoGPT / CrewAI |
三种落地哲学
- 纯 workflow 派：Dify v1.x 用
Chatflow+Workflow双引擎，关键节点插 LLM - 纯 agent 派：Claude Code / AutoGPT，LLM 全权决策
- 混合派（主流）：Coze
工作流内嵌 Agent 节点/ DifyHITL v1.13—— workflow 骨架 + agent 补丁
关键洞察
- Workflow 是”信封”，Agent 是”信封里的字条” ——workflow 定合规边界，agent 处理不确定输入
- 成本反直觉：纯 agent 便宜的想法在生产环境被 token 账单打脸（见 AI-FinOps-Tokenomics）
- “什么时候该用哪个”：确定性任务用 workflow；非结构化输入 + 需要多轮探索的用 agent（详见 49-Coze-智能体-vs-工作流什么时候该用哪个）
- 可维护性差异：workflow 崩了改一个节点；agent 崩了得改 prompt + 重跑 eval
在本 Wiki 中的出现
- 低代码/高代码分野：低代码-vs-高代码-智能体建设 —— 低代码派更倾向 workflow 做骨架
- 平台对比：AI-工作流平台对比 · 国内智能体平台横评-2026
- 企业架构：Enterprise-Agent-Architecture-2026 —— workflow 层 + agent 层的双层设计
- Harness 视角：Harness-Engineering —— 用 harness 承载 workflow 的确定性 + agent 的探索性
相关
- Agentic-AI · AI-工作流平台对比 · 低代码-vs-高代码-智能体建设
- Coze · Dify · LangGraph · AutoGen · CrewAI