Workflow vs Agent 架構解析：Anthropic Building Effective Agents 重點整理

今天來看下這篇文章，第一次看的時候沒意識到重要性，後來看某個面試官在闡述 agent 工程師的區別時特地説到這篇文章才想起來

Anthropic building-effective-agents

Anthropic 觀察了幾十個在生產環境落地的 LLM 系統，發現一個反直覺的規律：最成功的實作往往不是用最複雜的框架，而是用最簡單、可組合的模式。

他們把所有涉及 LLM 自主行動的系統統稱為 agentic system，但在這個概念下做了一個關鍵的架構區分——

Workflow

控制流由工程師寫死在程式碼中
LLM 是其中一個執行節點
行為可預測、可重複
適合任務邊界清晰的場景

Agent

LLM 自己決定下一步怎麼做
工程師設計工具與邊界，不寫路徑
行為具有彈性、開放性
適合任務路徑不可預先知道的場景

核心差異不是「有沒有用 LLM」，而是控制流的所有權歸誰。Workflow 是工程師擁有控制流，Agent 是 LLM 擁有控制流。

Workflow 的五種標準模式

文章列出了五種在生產環境被反覆驗證的 workflow 模式，每一個都有清晰的適用場景：

Prompt chaining

任務拆解成固定的串列步驟，前一步的輸出作為下一步的輸入。適合需要換精確度換延遲的場景。

Routing

先分類輸入，再導向不同的下游處理路徑。讓不同類型的任務各自優化，互不干擾。

Parallelization

同時跑多個 LLM call，結果再彙整。分為任務切分（sectioning）和多數決（voting）兩種形式。

Orchestrator-workers

一個 LLM 負責拆解任務、分配工作，多個 worker LLM 執行。子任務動態決定，不是預先寫死。

Evaluator-optimizer

一個 LLM 生成、另一個評估並給回饋，形成迴圈。適合輸出品質有明確評判標準的任務。

值得注意的是：orchestrator-workers 雖然看起來很像「agent」，但如果整個 orchestration 邏輯是由工程師寫死，LLM 只是按指令執行，它本質上仍是 workflow，只是更靈活的那種。

Agent 的本質：LLM 在環境回饋中自主循環

文章對 agent 的定義很精簡：LLM 在一個迴圈中，根據環境回饋（工具呼叫結果、程式執行結果）自主決策，直到任務完成或達到停止條件。

Agents can handle sophisticated tasks, but their implementation is often straightforward. They are typically just LLMs using tools based on environmental feedback in a loop.

Agent 的適用場景有兩個核心特徵：任務所需的步驟數量無法預先知道，以及正確路徑不能被硬編碼。

代價也很清楚：更高的延遲與成本、錯誤可能累積、需要更多測試與 guardrail。

我認為 workflow 和 agent 的區別，不只是技術架構的選擇，更是工程師思維方式的分水嶺。

Workflow 工程師的核心能力

Workflow 工程師的工作本質是系統設計與流程分解。他們需要把模糊的業務需求拆解成 LLM 可以處理的固定步驟，在每個節點插入適當的驗證與 gate，設計出可預測、可觀測、可維護的流程。這更接近傳統軟體工程的思維。

Agent 工程師的核心能力

Agent 工程師的工作核心則轉向工具介面設計（ACI）與信任邊界管理。你不再寫「做 A 然後做 B 然後做 C」，而是設計「給 LLM 什麼工具、工具的文件怎麼寫、失敗的時候怎麼恢復、在哪些節點需要人工確認」。

文章最犀利的觀察之一：他們在開發 SWE-bench agent 時，花在優化工具上的時間比花在優化 prompt 上的時間還要多。這個細節揭示了 agent 工程的重心所在——不是提示詞魔法，而是介面設計。

兩者都需要的判斷力

文章反覆強調的一個原則是：不要過度建構。很多時候，一個被良好優化的單一 LLM 呼叫就夠了。真正困難的判斷是——什麼時候從 workflow 升級到 agent？

判斷標準很明確：如果任務的正確路徑可以被預先寫下來，用 workflow。如果連「需要哪些步驟」本身都是未知的，才需要 agent 的自主性。

三個核心原則

文章最後給出三條設計 agent 的指導方針，我認為這三條同樣適用於評估一個 agent 工程師的成熟度：

1、Simplicity：保持 agent 設計的簡潔。複雜性應該因需求增長，而非因工程師的偏好增長。

2、Transparency：明確展示 agent 的規劃步驟。可觀測性是信任的基礎，也是除錯的前提。

3、ACI（Agent-Computer Interface）：像對待 HCI 一樣用心設計工具介面。工具文件、參數命名、錯誤防護，是 agent 可靠性的根本。