01

60 秒回答模板

我不会把所有 AI 需求都做成 Agent。判断标准是：如果任务步骤明确、规则稳定、失败成本高、合规要求强、用户需要确定结果，那更适合确定性工作流；如果任务目标明确但路径不确定，需要动态收集信息、选择工具、处理开放输入、多轮决策和自我修正，才适合 Agent。还要看失败是否可逆、过程是否可观测、是否能设置权限和人类确认。很多生产产品更适合混合方案：用确定性工作流承载关键路径、权限、状态流转和审计，用 Agent 处理信息理解、候选生成、异常分支和辅助决策。这样既利用 LLM 的灵活性，又保留业务链路的稳定性。

考点 规则稳定、失败成本高、审计强的任务优
难度 真实面经题
回答目标 判断 Agent 与工作流边界
02

深入解析

01

确定性工作流适合规则清晰任务

当流程步骤固定、输入输出明确、业务规则稳定、合规或审计要求高时，确定性工作流更合适。比如表单校验、审批流、固定数据同步、账务类操作或强状态流转任务，核心价值是可靠、可解释、可回放和低波动。

02

Agent 适合路径不确定任务

Agent 更适合目标清楚但路径开放的任务，例如需要读多份资料、动态选择工具、多轮澄清、生成候选方案、处理异常分支或根据中间结果继续规划。这里 LLM 的价值是理解、规划和适应，而不是替代所有业务规则。

03

失败成本决定自动化程度

如果错误会造成资金损失、权限泄露、法律风险或不可逆操作，应该优先工作流和人工确认。Agent 可以给建议或草稿，但不应直接执行高风险动作。低风险、可撤销、可重试的任务，可以给 Agent 更高自治度。

04

可观测和可控是上线前提

Agent 不是黑盒自动跑就可以上线。产品要能看到它为什么选择某工具、用了哪些输入、执行到哪一步、哪里失败、能否暂停和回滚。没有日志、权限、状态机和审计，Agent 的线上稳定性和用户信任都会很差。

05

混合架构通常更稳

很多需求可以设计为工作流骨架加 Agent 子步骤。工作流规定状态、权限、关键节点和最终提交；Agent 负责理解材料、生成候选、补全信息、解释异常或推荐下一步。这样把不确定性限制在局部，不让 Agent 控制全部关键路径。

06

用评估和灰度验证边界

决策后还要验证。Agent 方案看任务成功率、人工接管率、工具错误、不可控行为、用户信任和成本；工作流方案看完成效率、异常覆盖、规则维护成本和用户绕开率。灰度阶段可以逐步提高 Agent 自治权限，而不是一次放开。

03

易错点

  • 把 Agent 当成所有 AI 产品的默认答案。
  • 只说 Agent 更智能，不分析任务不确定性和失败成本。
  • 忽略权限、审计、暂停、回滚和人工确认。
  • 把确定性工作流说成落后方案，忽略其稳定性价值。
  • 没有提出混合架构，导致方案要么过度自动化要么太僵硬。
  • 上线前不设计评估和灰度，无法控制 Agent 自治风险。
04

面试官追问

一个需求从工作流升级为 Agent 的信号是什么？

当任务步骤可预测、规则清晰、失败成本高或合规要求强时，应优先做确定性工作流。比如审批、支付、权限变更和标准化数据处理，确定性路径更可控、可审计、可回滚。

Agent 执行高风险操作前应该有哪些产品保护？

当任务目标明确但路径不确定，需要理解上下文、规划步骤、选择工具或处理开放输入时，Agent 更有价值。比如复杂创作、研究分析、跨工具信息整合和异常问题定位。

如何评估 Agent 的不可控行为？

不矛盾。很多生产系统应采用工作流骨架加 Agent 子步骤：关键节点、权限和回滚保持确定性，在需要理解、生成或规划的局部使用 Agent，这样兼顾灵活性和可靠性。

为什么很多生产系统不应该把全链路交给 Agent？

可以从失败成本、可逆性、权限范围、用户确认、日志可追踪和降级能力评估。越高风险的任务，越要限制 Agent 自主决策，增加确认、沙箱、审批和回滚机制。

工作流骨架加 Agent 子步骤如何设计权限边界？

可以看任务完成率、人工接管率、步骤成功率、越权/误操作率、重试次数、用户确认率、平均耗时和成本。还要记录 Agent 的计划、工具调用和中间证据，方便审计。

如果用户觉得工作流太死板但 Agent 不稳定，你会怎么折中？

可以先用模板化流程或人工运营验证用户需求，再把不确定环节交给 Agent。初期限制工具、权限和任务范围，用灰度和日志确认稳定后再扩大自主程度。