Dify 里的工作流和智能体,到底什么时候用哪个
流程固定、步骤清楚的用工作流;需要随机应变、自己决定下一步的用智能体。选错了,事倍功半。
用 Dify 的人迟早会碰到一个选择题:同样一件事,用工作流(Workflow)做,还是用智能体(Agent)做?两者都能跑通,但选错了,后面维护起来会很别扭。
一句话区分
工作流是你把步骤一步步画好,模型只在指定的环节出力,整条路径是确定的;智能体是你给它目标和一套工具,让它自己判断先做什么、再做什么。前者像流水线,后者像一个能随机应变的助理。
什么时候用工作流
当一件事的步骤是固定的、可预测的,就用工作流。比如:收到一份文档,先提取关键字段,再分类,再生成摘要,最后存档。每一步都清清楚楚,顺序也不会变。这种场景用工作流,稳定、好调试、出了问题一眼能看出卡在哪一步。
- 步骤固定、顺序不变的批处理
- 对稳定性和可预期性要求高的场景
- 需要精确控制每一步、方便排查的流程
“能用工作流解决的,就别上智能体。确定性是生产环境里最值钱的东西之一。
什么时候用智能体
当面对的问题千变万化、没法提前把所有路径都画出来时,才轮到智能体登场。比如一个客服助理,用户问什么的都有,它需要自己判断该查知识库、还是该调订单接口、还是该转人工。这种「下一步取决于上一步的结果」的场景,智能体的灵活性才用得上。
一个常见的误区
很多人觉得智能体更「高级」,于是什么都想用智能体做。结果一个本该是固定流程的任务,交给智能体后,它今天这么走、明天那么走,输出飘忽不定,排查问题也无从下手。记住:灵活是有代价的,代价就是不可预测。
别忘了成本和调试的差别
除了灵活性,工作流和智能体在成本、速度上也不一样。智能体为了自己做决策,往往要多轮调用模型,token 消耗和响应时间都更高;工作流路径固定,该调几次模型一清二楚,成本可控、速度也快。在高频、对延迟敏感的场景里,这笔账不能不算。
调试也是。工作流出问题,你能一眼看出卡在第几个节点;智能体出问题,你得去翻它这一次「想了什么、为什么这么走」,排查链路长得多。对需要长期维护、还要交接给别人的系统,可预测、好排查,本身就是一种重要的能力。
也可以「先固定,后放开」
还有个折中的玩法:先用工作流把一件事的标准流程固定下来跑稳,等积累了足够多真实 case、摸清了它会遇到哪些变化,再在最需要灵活的那一两个环节换上智能体。这样既不会一上来就被智能体的不可预测性坑到,又能在确实需要的地方逐步放开。从确定到灵活,是个可以分步走的过程,不必一步到位。
说到底,工作流和智能体不是「谁更先进」的问题,而是「这件事的不确定性有多大」的问题。不确定性低,就用工作流锁住它;不确定性高,才值得为智能体的灵活,付出可预测性的代价。把这个判断练成直觉,你搭东西会又快又稳。
实际项目里,我们经常两者混用:用工作流搭主干、保证整体可控,在某个确实需要临场判断的环节,再嵌一个智能体。先想清楚哪些步骤是确定的、哪些需要随机应变,这个选择题就不难了。
