请停止构建 Agent智能体！工作流才适合多数场合

寂静回声

文章作者Hugo表示：只有很少的情况需要构建智能体，大多数时候，工作流更好。
工作流是一种旨在帮助组织和管理业务流程的自动化工具，它通过将工作任务按照一定的顺序和逻辑进行编排，从而实现任务的自动化执行和监控。这种软件能够连接不同的系统、应用程序以及人员，以确保信息能够在整个流程中流畅地传递，并且每个步骤都能够被正确地执行。
工作流广泛应用于各种行业和领域，如金融、医疗保健、制造、零售等，用于客户服务、采购、人力资源管理、项目管理等多种业务场景。
常见的工作流软件包括企业资源规划（ERP）系统、客户关系管理（CRM）系统中的流程管理模块、以及专门的工作流自动化平台等。

智能体系统需要满足4个特征：
1. 记忆（Memory）——记住过去交互
2. 信息检索（Retrieval）——查外部数据给上下文
3. 工具调用（Tool Use）——接入API或函数
4. 流程控制（Workflow Control）——LLM自己控制使用哪些工具、什么时候调用、怎么走流
前3项我们叫“增强型（Augmented）LLM”，第4项才是智能体的核心：LLM主导整个决策流程，动态适配任务。
智能体听上去很智能，但问题是：它太灵活，很容易失控。

Hugo用一个真实例子，来说明智能体系统的“优雅溃败”：他用CrewAI搭建了一个研究型智能体团队
一个Research智能体去网上查资料
一个Summarizer智能体总结内容并引用来源
一个Coordinator智能体分配任
逻辑上很完美，但现实是：
研究智能体常忽略专门配置好的爬虫工具；
总结智能体在长文档里忘记引用，忽略上下文；
协调智能体一遇到模糊任务就卡死，一整个放弃。

那么问题来了，“智能体们”为什么失败？作者Hugo解释道——
智能体本身无法准确识别哪些工具适用于当前场景；
智能体之间缺少人类监督，协调成本高；
系统看似模块清晰，实际上出错难以追踪、缺乏可控性。
Hugo表示：只有当任务需要系统“动态改变执行路径”时，才需要智能体。而这种需求，极少。

最后Hugo强调，任务复杂度高、路径难以预定义的任务，如果一定要用智能体，则需要有人类把控，例如：
数据分析：写SQL→可视化→总结 → 需要人判断输出合理性
创意任务：生成标题、重写文案、建议排版 → 需要人反馈
高不确定性环境下快速迭代 →人可中途调整智能体行为
值得注意的是，智能体无论如何都不适合稳定的企业系统，如财务、医疗、法律等对流程确定性要求高，这样的生产系统中，智能体自由度太高，会导致不可预测的行为。

论文地址：https://decodingml.substack.com/p/stop-building-ai-agents