为了Agent而Agent？

看到[腾讯技术工程]公众号的一篇文章。主要讲的是如何选取Agent主流框架的逻辑。

讨论了两种路径，workflows和agent。

说了一个观点：只要问题不可完全穷举，要跨多个系统查证，需要在多轮对话过程中澄清的，就需要用Agent，而非workflow。

这个观点猛听起来似乎很符合逻辑。

文中举了个例子：

看到这个例子，我第一反应就是，没有Agent的时候，人工是怎么解决这种问题的？

感觉人工也是同样的方式吧，不断问用户各种问题。

说实话，这些信息都可以从系统中查得到的。

如果可以查得到，不需要和用户问询，那么Agent为什么需要和用户问询呢？

如果通过问询的方式才能拿到这些信息，说实话就不是技术的问题，而是产品或者业务流程的问题，Agent不需要背这个锅。

文中还举了一个例子：

虽然他说这是Agent的强项，但我看下来，这不就是明显的workflow吗？

步骤很清晰啊，第一步意图识别，第二步跨系统取证，第三步正常推理合规，第四步方案生成与协商，第五步执行与闭环。

怎么没办法事前确定分支呢，LLM确实擅长在对话上下文里面做决策，再调用工具，但这个不等于workflow做不到，workflow节点也可以做上下文决策和工具调用啊。

所以这个例子，我也没有看到必须用Agent的必要性。

反而workflow的形式清晰可理解，研发、产品、业务、运营、老板层面都好理解，反而没有清晰的workflow只有LLM自己理解，其他人理解不了。

最经典的是意图识别流程，为了提高意图识别准确度，要求又快有准，还能抗住长尾，一般的逻辑是高频交给规则，主流样本交给内训的ML，模糊长尾的交给LLM兜底，兼顾了速度、准确度、覆盖度和成本。

识别完意图之后，再做槽位填充，如果参数缺失再做一轮reflection。

你看，还是workflow的思路，定义好分几步，以及每一步要做啥。

我是坚定的workflow拥护者，能用workflow就用workflow，实在不行才选择Agent，意思是大部分场景都可以抽象出workflow，极少部分场景需要用纯Agent。

Dify创始人张路宇也是始终坚定 Workflow 的价值。

说回来，大部分场景上Agent无外乎是炫耀的，并不一定是最适合的。

这个场景抽象好，我理解也是可以通过workflow的方式解决的。

无外乎分成三个阶段：

首先拿订单元数据，比如例子中的承运商状态，发货SLA，节假日政策，是否会员，是否叠加优惠券，这些通过订单上下文是可以一口气查询出来的，直接给到大模型就可以了。

第二个阶段是获取物流配送提供商状态，比如是否部分签收，是否报缺货，大概率通过调用供应商接口的方式获得相关数据。

第三个才是需要和用户确认的，比如是否签收等。

你看还是一个workflow的逻辑，只不过每个workflow阶段需要定义好这个阶段的元数据和上下文是啥，我不知道为啥需要810潜在路径分支。

我理解大概率是为了Agent而Agent所找的一个所谓具有代表性的例子吧。

而且你现在用Agent，未来扩展性也是一个问题。

业务想要扩展一个新的场景逻辑，你敢直接用Agent承接吗？

你大概率不敢。

有人说，我们会在Agent上线之前，充分评估模型，确保Agent可以适配新的业务场景需求。

但是业务不会等你Agent ready之后再开量啊。

所以在业务开量到你Agent被评测具备上线能力这段时间，你大概了还是靠一堆规则性的workflow去承接的。

所以从业务扩展性上来说，Agent并没有workflow形式靠谱。

而且Agent其实是没有规则可言的，他是泛化能力强，同时具有所谓的定性价值观。

但这就造成了业务运营人员，根本说不清楚线上的Agent是怎么跑的，以及如何想优化其中一个关键的过程指标，也拿不出迭代抓手，因为你看不见，存在不确定性。

最近正好看到了阿里小蜜过去两年的技术变迁。

整个变迁分为三个阶段：多轮定位（pipeline）->多智能体（multi-agent）->单智能体（single-agent workflow）。

第一阶段打破了传统NLP小模型的局限，提升了意图识别和反问能力，让对话的追问更清晰。

第二阶段引入了多策略和多智能体的协作，在多轮对话中可以提供更清晰的解释与引导。

第三阶段则针对具体场景进行高度策略定制，比如订单场景提供专门的workflow完成方案择优与反馈，提升用户体验。

比如用户问“我要退款”，阿里小蜜会弹出提示，让你确认几个信息“买贵了”、“协商一致退款”、“颜色尺码与描述不符”。

接下来你可以选择对应订单操作退款，它会问你“未收到货，无法退货”、“已收到货，继续退货”、“已寄回，催促退款”等选项，选择之后，它会继续让你确认退货地址。

你看这个流程是妥妥的workflow。

反正我没见到过真正在业务场景落地AI过程中，workflow无法承接的情况，闲聊场景除外。

大部分场景用langchain和langgraph基本的都可以解决了。

而Agent更适合人机协作，比如AI Coding或其他chatbot，因为有个人在旁边可以为Agent的不可控进行兜底。

大家用Agent的目的很多时候并不是从第一性原理出发，很多时候都是为了Agent而Agent，想一想Agent真的比workflow好吗？