固定编排与 LLM Agent 的边界是什么

一句话速记

固定编排（workflow、DAG、状态机）：边与条件在部署前写死，运行时只填参、走已定义分支。LLM Agent：****至少一步的「下一步选什么动作或子目标」由模型依当轮观测决定，不是全图先验可枚举。**

中间态：半固定（允许 LLM 只在受控枚举里选、或仅在少数节点生成自然语言，其余代码定序）。

对比轴（速查表）

维度	固定编排	LLM Agent
控制流	人/配置预写	模型+规则 动态
可预测性	高（可测、可回归）	中低（需日志与护栏）
环境变化	改配置/发版	可在上下文内适应（不保证对）
成本/延迟	低且稳	步数、重试、工具费 波动大
合规/审计	易对齐流程图	需逐步留痕、工具白名单
适合	强流程、已SOP 化	弱结构、探索、多源信息

「伪 Agent」识别（答题可用）

• 每一步 LLM 输出都被硬编码 if-else 映射到唯一动作 → 像 Agent，实为 分支模板。
• 全程无外反馈、仅自举续写 → 偏 CoT，不闭环。
• Tool 列表 1 个且无失败分支 → 实质 单工具调用。

真 Agent 边界不用追求哲学纯度——产品上常要答：在可控枚举**、强护栏、人在环** 下，仍承认「动态选步」的 Agent 特性。

延伸追问

• Q：「可视化拉节点」的低代码工作流是 Agent 吗？
  答：若节点全是预定义 API 与条件，是强编排；只有在若干节点嵌入「LLM 决定下一跳或工具」的环，那一段是 Agent 式；整体常称混合。

• Q：何时代价不值得 Agent？
  答：流程可穷举、SLA 严、错误代价高（资金、法合规）而无人审——慎用全开放 Agent，用 编排** + 局部 模型。

• Q：如何测试 Agent？
  答：模拟环境、regression 轨迹、工具 mock、红队提示；比单测 API 更重。

我的记法

TODO

状态

• 已背速记
• 能讲通俗版
• 能答追问

参考资料

• 产品文档中 Workflow vs Agent 对比页；无统一定义标准，以「动态控制流+外反馈**」为判据即可。