08 · 什么时候需要 Agent
先画出任务的分支，再决定自主程度。
本站原创入门导读与合成教学示例。原始资料核实：2026-09-05。建议先读：07 · 训练、推理与适配方法。
理解概念
工作流由程序预先安排主要步骤；Agent 在环境反馈下选择后续行动。二者是一条连续谱，不必追求最大自主性。固定 CSV 汇总用函数即可，先检索再总结可以用工作流；未知文件错误的逐步定位才可能需要动态循环。
任何方案都要定义目标、可观察状态、允许动作、停止条件和预算。把“帮我安排学习”缩成“读取三项作业，给出不超过 90 分钟的计划草稿”，才能评价是否成功。模型负责选择不代表模型拥有全部权限，真实写操作仍由程序控制。
一个最小例子
代码
目标：生成 90 分钟以内的学习计划草稿
固定工作流：读取作业 → 校验时长 → 排序 → 汇总 → 展示
可能的 Agent 分支：缺时长 → 询问用户；冲突 → 比较两种安排
停止：方案符合约束，或信息不足，或达到 4 次工具调用
副作用：只生成草稿，不自动创建日历事件
动手练习
选一个身边任务，分别写规则程序、固定工作流和 Agent 三种方案。列出哪些分支必须在运行时决定，以及增加模型调用的收益。
验收与预期结果
每种方案都有可判定成功标准；最简单方案已成为基线。能举出“用 Agent 反而更慢、更贵”的具体原因。
- 我能解释输入、过程与结果。
- 我保留了一个失败例与运行记录。
常见误区
给聊天机器人加一个工具按钮并不自动解决规划与可靠性。多次调用也不自动构成有用的自主决策。
延伸阅读
以下是相关方向的原始资料；本站练习不是官方课程作业或逐字翻译。
理解需要时间，记录让每一步都有迹可循。
回到学习路线图