考察点
这道题常跟在「你项目里用了 Agent」之后：「为什么不用 Workflow？」面试官在测你有没有被 Agent 概念冲昏头——能不能客观说出 Agent 的代价，以及 Workflow 在哪些场景反而更优。Anthropic 那篇 Building Effective Agents 里对两者的定义区分是这题的标准答案骨架。
参考答案
定义先对齐
Anthropic 的划分最干净：Workflow 是 LLM 和工具通过预定义代码路径编排起来的系统，路径是人画的；Agent 是 LLM 动态指挥自己的流程和工具用法的系统，路径是模型跑出来的。核心差异就一个：控制流的所有权在人手里还是在模型手里。
举个具体例子感受下差别。同样是「处理用户退款」：
- Workflow 版：
收到申请 → LLM 提取订单号 → 查订单 → if 金额<500: 自动退款 else: 转人工。每个分支都是代码写死的。 - Agent 版：给模型一个目标和一堆工具（查订单、查政策、发起退款、发通知），它自己决定先查什么、查到什么之后做什么。
各自的主场
Workflow 合适的场景，特征很明显：
- 流程可预知：步骤数固定、分支有限，能画成 DAG 或状态机。
- 要可审计、可复现：金融、医疗、合规场景，每次执行路径必须一致，出了问题能对着流程图追责。
- 延迟和成本敏感：路径固定意味着可以精确预算 token 和耗时，Agent 的步数是随机的，P99 延迟没法看。
- 要单测：Workflow 每个节点可以单独 mock 测试，Agent 的端到端行为测不了传统单测。
Agent 合适的场景反过来：开放域、步骤不可预知、决策点枚举不完。典型如深度调研（搜到什么决定下一步搜什么）、代码修复（报错信息决定下一步动作）、多源数据排查。这些场景你硬写 Workflow，会发现 if-else 的分支数爆炸，覆盖率永远不够，把决策权交给模型反而更优雅。
判断框架：三个问题
我在项目里做选型就问三个问题：
- 明天产品改需求，流程图要不要重画？ 要重画但分支还是枚举得完，Workflow；枚举不完，Agent。
- 执行路径跑偏了，代价是什么？ 答错一句话，Agent 可以试；错扣一笔钱，Workflow 加人审。
- 需要向老板/客户/监管解释「它为什么这么走」吗？ 需要强解释性，Workflow 的天然优势；Agent 只能靠轨迹日志事后审计。
生产现实：大部分是混合体
纯 Agent 和纯 Workflow 都少见，真实系统长这样：外层是一个粗粒度的 Workflow（比如「接收 → 诊断 → 执行 → 验证」四个大节点，路径写死保证可审计），其中「诊断」这个节点内部是一个 ReAct Agent，让它自由探索日志和监控。Anthropic 自己也说，Agentic 系统里最常见、最有效的其实是 Workflow 模式的组合，纯自主 Agent 只在特定开放场景用。
混合结构还有个工程红利：测试和发布可以分层走。外层 Workflow 走传统的用例测试和灰度发布，逻辑变更要过评审；内层 Agent 节点的 prompt 和工具描述迭代快，走评估集回归就可以单独发布。两种变更节奏互不阻塞，这比「全 Agent 一把梭」的系统好维护一个量级。
面试时把这个「外层 Workflow 管骨架、内层 Agent 管探索」的结构讲出来，比单背定义更能证明你做过真东西。另外补一句成本观：Agent 每步决策都是一次全量上下文的 LLM 调用，一个 10 步任务的 token 消耗可能是 Workflow 的 5-10 倍，这在账单上是实打实的差异。
可能的追问
- 「LangGraph 算什么，Workflow 还是 Agent？」 它是个编排框架，两种都能搭。用 StateGraph 画死节点和边是 Workflow；给 Agent 节点配 tools 让它自己 loop 就是 Agent 模式。
- 「DAG/状态机和自主 Agent 怎么选型？」 本质是同一个问题的换皮问法，按「可预知性 + 出错代价 + 审计要求」三问框架答。
- 「Workflow 里嵌 Agent，Agent 失控了怎么办？」 外层 Workflow 给 Agent 节点设超时、步数上限和输出 schema 校验，Agent 产出不合规就回退到 Workflow 的兜底分支，不让不确定性溢出到主干。