作者：做了两年企业AI交付，我有个越来越确定的感受：AI Agent 和工作流的区别没弄清楚就做选型，是这类项目预算浪费的头号来源。客户拿着Agent的需求来，十次里有七八次，最后我们给落的是一套普通自动化流程，中间插一两个AI判断点。客户一开始多少有点失落，觉得“付的是AI的钱，怎么买回来一套流程”。但这恰恰是对的，这个浪费还特别隐蔽——项目往往“成功上线”了，只是花了三倍的钱买了同样的效果。这篇把两者掰开，再给一个三问选型法。
一句话区分：路径是画好的，还是临场走的
工作流是地铁：线路固定，站点固定，每一站干什么、出错走哪条备运线，全都事先写好，跑起来确定可预测。Agent是打车：只给目的地，司机每过一个路口再决定下一个路口怎么走，灵活，但每次走的路可能不一样。落到技术上就是同一个差别：工作流的每个步骤事先定义，Agent拿到的是目标和一组工具，步骤由模型在运行中自己决定。这个差别决定了后面所有事：测试方法、成本结构、出错时的责任划分，全都不一样。价格也顺着这个差别走：工作流按人天开发，报价确定；Agent按效果调，调用费和试错时间都要预算，总投入常常是前者的两三倍。
什么时候用工作流
判断标准三条：步骤能枚举、规则能写清、出了错要能追责。审批流、订单状态流转、定时数据报告、新员工入职办理，全是工作流的地盘。例子俯拾皆是：请假审批从提交到入档走十来步，每一步谁审、超时找谁、驳回去哪，全能画在一张图上——这样的流程不需要它自己“思考”。好处是便宜、稳定、可测试——上线前你能把每条分支都走一遍，出了问题看日志一眼定位。企业核心业务流程大多长这样，用工作流不是保守，是对着需求选工具。
什么时候才真的需要Agent
路径无法穷举的任务。“帮查一下这个客户为什么对不上账”——可能查订单，可能查物流，可能查发票，先查哪个取决于中间发现什么，每一步都依赖上一步的结果，这种开放式的排查任务才轮到Agent出场。真Agent项目我们也做，但立项时会先说清三件事：成功率期望、单次任务的调用成本、出错了谁兜底——三件都接受才开工。代价也要说清楚：结果不确定、测试困难、调用成本高、出错时排查像破案。能用十行流程规则解决的事，请一个“临场发挥”的Agent来干，等于用不确定性换确定性，赔本。
混合是常态：流程做骨架，AI做判断点
实际交付里最常见的形态，是九成路径固定的流程，加几个需要“理解”的判断点：进来一张票据，AI抽取字段；进来一段客户留言，AI判断情绪和优先级；流程走到异常分支，AI读日志写一段摘要再转人。骨架是工作流，肌肉是AI，各干各擅长的事。这种组合下成本可控，每个AI判断点都能单独验收，流程自动化的典型场景里列的组合方式可以直接参考。验收也简单：每个AI判断点单独测准确率，流程分支单独走一遍，谁的问题改谁，不像纯Agent项目那样出了问题全链路猜。比例不用纠结九成还是八成，原则就一条：能用规则的地方不用模型，模型只出现在规则写不出的位置。
三问选型法
拿到需求先问三句。第一问：路径能画成流程图吗？能，直接做工作流，别犹豫。第二问：每个判断点能写成明确的规则吗？能，工作流加规则引擎，连AI都不用上。第三问：判断写不成规则，但能说清“什么样算判断对了”的标准吗？能，流程骨架加AI判断点。三问问完，如果连路径本身都说不清，那才轮到真Agent——并且建议先小范围试点，量出它的成功率再扩大。三问的顺序别乱，跳过前两问直接上Agent的项目我们见过两个，预算都超了一倍以上。
拿不准自己属于哪一档，把业务流程画成三五步的草图发到联系我们，我们直接告诉你是流程、是Agent，还是两者掺着来——一张图的功夫，比听三场概念报告有用。