AI Engineering
Agent 工作流模式：先别急着做 Autonomous Agent
梳理 prompt chaining、routing、parallelization、orchestrator-workers、evaluator-optimizer 和 autonomous agent 的适用边界。
Agent 工程最重要的判断不是“用哪个框架”，而是这个任务到底需要多大自主性。很多场景用固定工作流就足够，强行做 autonomous agent 只会增加成本、延迟和不可控性。
核心原则
从最简单的确定性工作流开始。只有当固定路径无法覆盖任务变化时，再引入更高自主性的 agent。
模式对比
| 模式 | 适用场景 | 风险 |
|---|---|---|
| Prompt chaining | 可拆成固定步骤 | 延迟增加。 |
| Routing | 输入类型清晰 | 分类错会走错流程。 |
| Parallelization | 独立子任务或多评审 | 成本增加。 |
| Orchestrator-workers | 子任务数量不固定 | 编排更难调试。 |
| Evaluator-optimizer | 有清晰评价标准 | 可能循环过久。 |
| Autonomous agent | 开放任务、工具反馈明确 | 成本和错误会累积。 |
选择路径
结论
Agent 不是越自主越高级。生产系统更看重可预测、可观测、可回滚。能用 workflow 解决的，就不要先上 autonomous agent。
讨论
继续讨论这篇笔记
有问题、补充案例或不同观点，可以通过 GitHub Discussions 继续交流。