智能体与工作流已慢慢变成串联大模型、工具与实际业务场景的主要载体。业务场景的实际落地离不开标准化流程，而Agent则为标准化流程提供了智能升级的新方法。Agent和Workflow二者既存在本质差异，又相互融合建立高效的Agentic程序。主要聊Agentic程序的主要原因，说明如何基于工作流搭建稳定可落地的业务流程。

1. Agent & Workflow 的区别和Agentic 程序介绍
2. 多种不同工作的搭建方式和适用场景
3. 开源框架Dify、N8N和Coze中的工作流

. Workflow 和 Agent 的区别

Workflow与Agent的主要差异在于流程的控制权与灵活性。Workflow是 “按既定流程执行”，而Agent是“按场景动态执行”。这种差异决定了二者在业务场景中的适用边界。

Workflow 工作流

工作流是一种预编排的标准化流程。说起来，通过预设的路线、规则与步骤。对大模型能力、外部工具等进行有序编排，最终达成既定业务任务目标。

您可能遇到的痛点：

• "需要固定且可控制的任务处理方式" —— 工作流满足您对可预测性和合规性的需求；
• "我们希望确保所有审批过程都按照公司规定严格执行" —— 工作流确保每个环节都符合标准；
• "我们担心员工自由裁量会导致风险" —— 工作流提供明确且安全的操作方法。

Agent 智能体

Agent 是具备自主决策能力的AI实体。依靠大模型的认知与推理能力，执行策略。

• "客户需要千变万化，固定脚本无法应对复杂交互" —— Agent通过实时理解和灵活响应满足多样化需求；
• "传统规则难以覆盖所有特殊情况" —— Agent在特殊情况下仍能做出正确判断；其实，
• "人力成本过高且效率低下" —— Agent降低重复劳动并提高问题解决效率。

Agentic 程序

Agentic 程序是通过“智能体化”设计将大模型、工具与流程整合实现任务自动化或半自动化执行。其主要并非“是否自主决策”，而是“以智能体为主要串联资源达成任务目标”。无论是预编排工作或具有自主决策权限之AIs都属于此类程序.

. Agentic 程序中的工作流

. 提高型LLM

当单纯裸模型知识不足完成时,可以搜索知识/调用工具/辅助记忆来辅助完成.此时要求大模型具有使用该类功能之能力即:判断是否需要进行外部信息获取还有选择何种途径获取最佳结果.

. 提示词链接 Prompt chaining

. 路由 Routing

. 并行 Parallelization

. 编排工作者 Orchestrator-workers

. 评估者-调整者 Evaluator-optimizer

. 自主智能体-Agent