企业需要 AI 智能体还是固定工作流？从任务变化和执行成本判断

任务路径清楚时，固定工作流通常更容易解释和验收；路径随信息变化时，可以评估让智能体选择部分步骤。这是设计判断，不是技术等级。系统的自主程度应由业务需要决定，而不是由产品名称决定。

先区分三类能力

聊天助手主要围绕问题形成回答；固定工作流按预设步骤组合模型和工具；智能体在约定范围内根据结果选择后续步骤与工具。实际产品可能混合这些方式。

例如，先抽取字段、再查询资料、再形成草稿，可以用固定流程完成。研究任务需要根据新发现决定继续查什么，可能适合有限自主探索。但即使允许探索，发送结果或更新系统仍可要求人工确认。

用任务变化程度判断

一项工作往往只有部分步骤需要灵活选择。可以保留外层流程，由模型在某个节点处理不确定性，而不是把所有控制都交给一个自主循环。

自主程度增加了什么成本

系统可能发起更多查询，经过更多模型调用，也可能沿错误方向继续。结果质量、耗时和成本需要一起评估。工具多不代表解决问题更好，反而可能增加选择歧义。

还要考虑调试：失败发生在任务理解、计划、工具、资料还是汇总？如果只能看到最后答案，团队很难定位问题。应保留适当的步骤与工具记录，而不是要求保存模型不可获取的内部推理。

如何设置可控边界

明确允许工具、任务范围、调用预算、最大步骤、超时和转人工条件。对执行动作单独校验权限与参数。模型认为“已经批准”不能替代系统中的真实审批记录。

当资料不足、工具持续失败、目标发生冲突或成本达到阈值时，应停止或请求人工。不能把“继续努力”当作通用恢复策略，否则一个简单错误可能消耗大量调用。

用同一批任务比较方案

先建立简单基线，例如固定检索与草稿流程，再比较增加路由或自主探索后的效果。使用相同任务、资料和质量标准，记录成功、错误、耗时、成本与人工干预。

若智能体只在少数复杂任务上有优势，可以只让这些任务进入该路径。无需让全部请求承担复杂方案的成本，也无需为了架构统一牺牲可控性。

一个询盘任务怎样分层

假设系统先识别产品线，按固定流程读取授权手册。若型号缺失，生成补问；若资料冲突，转人工；若条件齐全，起草答复。这个方案未必需要长期自主智能体。

如果任务还需要比较多种方案、查询不同系统并根据返回内容继续调查，可以对探索部分增加选择能力。但报价审批和外发仍留在明确流程中。此处为设计示例，不代表已实现的客户应用。

上线前评审哪些问题

1. 为什么固定流程不能满足目标？
2. 哪些步骤确实需要动态决定？
3. 每个工具能访问或修改什么？
4. 何时停止、谁接手、如何恢复？
5. 新方案是否在代表任务上优于基线？

不能回答第一项时，应先尝试更简单方案。简单不是缺少能力，而是减少不必要的失败路径。下一步可用工具执行清单和试点验收落实边界。