让 AI 写一份旅行计划，与让一个系统查天气、比较开放时间、调整路线，再把结果交给你，是不同层次的能力。理解 Agent 时，最重要的是分清：谁负责生成内容，谁负责安排步骤，谁实际执行动作。
模型负责计算，系统负责执行
语言模型可以根据输入生成回答、计划或工具调用参数，但“输出一段查询指令”不表示外部查询已经发生。运行环境需要识别请求、校验权限、执行工具，再把结果传回后续步骤。
同样，能写出一段代码，不等于代码已经保存、运行并通过测试。模型输出、工具执行成功和业务目标完成，是三个不同状态。产品把这些环节组织在一起，才形成我们实际使用的助手。
固定工作流与 Agent 的区别在控制权
固定工作流先规定步骤和分支，Agent 则可以让模型根据中间观察决定下一步。在工程上二者经常组合，而不是互相排斥。Anthropic 对两者的区分
| 方式 | 适合的需求示例 | 主要关注点 |
|---|---|---|
| 规则或脚本 | 定时汇总、字段校验、按明确条件分发 | 输入规则与异常处理 |
| 含模型调用的工作流 | 邮件分类后生成回复初稿 | 每一步的契约与输出检查 |
| 有自主决策环节的 Agent | 检索线索不断变化的资料调研 | 工具选择、状态、预算与停止条件 |
固定流程也可以调用模型处理自然语言。反过来，Agent 内部也可以用确定性的计算和严格的校验。因此，不能仅按“是不是文字输入”或“任务看起来复杂不复杂”分类。
用旅行规划看一次动作循环
假设目标是“准备一个三天行程，考虑天气和预算”。一个有搜索工具的系统可以按下面的方式工作：
- 明确日期、出发地、人数和预算口径；缺少关键信息时先询问。
- 查询对应日期和地点的天气、景点开放安排。
- 根据返回信息提出路线，计算已知费用。
- 发现时间冲突或预算不足时，再查询替代选项。
- 汇总方案，标明来源日期、未确定费用和需要用户决定的事项。
这是流程示意，不代表任何一个产品都默认具备这些工具。提供行程建议也不等于获得订酒店或买票的授权；有支付、取消费用或个人资料提交的步骤应单独确认。
调研和写代码也是同样的道理
资料调研可以拆成提出问题、搜索、读来源、对照事实、整理结论。Agent 的灵活性在于根据已找到的线索决定再查什么，但它也可能反复搜索却没有新证据，需要有明确的终止条件。
编码任务则包括理解需求、修改文件、运行检查和解释结果。生成代码只是其中一步；工具报错时，系统应看实际错误再决定下一步，不能因为模型说“已经修好”就认定测试通过。
ReAct 论文研究了推理与动作交错的方式：动作带回外部观察，帮助后续决策。它解释了一种工作模式，不是对所有任务可靠完成的保证。
什么时候用简单流程更好
如果步骤和判断标准很明确，例如每天汇总一张表，再按模板发给固定人员，脚本或工作流往往更容易测试和排查。引入自主决策不一定带来价值，反而可能增加延迟、成本和不可预测性。
邮件助手可以混合实现：固定规则筛除无关内容，模型判断主题并生成初稿，确定性程序检查字段，最后由人确认发送。每个部分都做自己擅长的工作，不必把整套系统都交给模型决定。
让系统能停下，比“直到成功”更重要
Agent 可能规划错误、重复调用工具、遇到权限不足，或者把工具的失败响应当作成功。运行时应限制调用次数、耗时和费用，说明哪些失败可以重试、哪些应立即交回人工。
权限同样属于运行环境，不是写在提示词里就足够。只读任务不授予写入能力；需要发邮件、修改单据时，工具层仍应检查用户、范围和确认状态。
从小任务开始的具体配置与验证方式，见 Agent 小规模试点。