agent 跟 workflow 差在哪：AI 應用的兩條路線

做 AI 應用的人遲早會遇到這個選擇題：這個功能該做成 workflow 還是 agent？兩個詞常被混著用，但它們是兩種很不一樣的架構，選錯邊的代價是白寫很多程式，或做出一個不穩定的產品。

有一句話我一直記著：使用者不在乎你的 agent 有多聰明，他們在乎產品穩不穩。這篇把兩條路線的差異、優缺點與選擇準則一次講清楚。

先把定義說清楚

workflow 是一連串預先定義好的 Claude 呼叫，為了解決特定問題而設計。你在寫程式的時候就已經畫得出流程圖：第一步做什麼、結果餵給第二步、第三步驗證。Claude 在每一步裡只負責一件明確的小事。

agent 反過來：你給 Claude 一個目標跟一組工具，怎麼用這些工具完成目標，由它自己規劃。你不預先寫死步驟，因為你也不知道使用者會丟什麼任務進來。其實你用 Claude Code 的時候體驗的就是 agent：它自己決定要先搜尋、再讀檔、再修改、再跑測試。

兩者沒有高下之分，它們回答的是同一個問題的兩種情況：你對這個任務的理解，夠不夠把步驟預先寫死。

優缺點：可靠與彈性的取捨

workflow 的四個常見模式

workflow 不用每次從零設計，幾個被驗證過的配方可以直接借來用：

• 鏈式（chaining）：把大任務拆成前後接力的小步驟。經典用法是「先產出、再修訂」：第一步讓 Claude 寫文章，第二步專心檢查並修掉違反規則的地方，比在一個長 prompt 裡塞滿限制有效得多。
• 並行（parallelization）：把一個複雜判斷拆成多個獨立小判斷同時進行，最後彙整。例如判斷零件材質時，分別用金屬、高分子、陶瓷各自的專屬標準評估，再綜合出結論；每一路都能獨立優化。
• 路由（routing）：先用一次 Claude 呼叫幫請求分類，再送進對應的專屬管線。教育類主題走教學腳本模板，娛樂類走高能量腳本模板，每條管線各自最佳化。
• 評估優化（evaluator-optimizer）：一個角色產出、一個角色評分，不合格就帶著回饋重做，循環到過關為止。

評估優化模式值得展開講，有個例子很有畫面：一個把零件照片變成 3D 模型檔的網頁工具。

流程是固定的：先請 Claude 描述照片裡的物體，再依描述用建模函式庫產生模型並渲染出圖，最後請 Claude 把渲染圖跟原始照片比對打分；分數不合格，就帶著具體的差異回饋回到建模那一步重做，循環到過關。

因為每個使用者丟進來的都是「一張零件照片」這種同型任務，步驟可以完全預先定義，這就是標準的 workflow 場景。

怎麼選：一條務實的準則

準則很直接：能用 workflow 就用 workflow，真的需要才用 agent。判斷的問題只有一個：你能不能事先畫出解題的流程圖？畫得出來，代表這是已知問題，workflow 給你可靠與可測試；畫不出來，代表任務本身開放，才輪到 agent 上場。

舉個例子：客服機器人如果只需要處理退換貨、查訂單、改地址三種請求，那就是三條 workflow 加一個路由；哪天你真的要開放「什麼都能問」的全能助理，才輪到 agent 登場。

背後的道理值得記住：你的使用者不在乎架構有多炫，他們在乎的是每次都能得到對的結果。可靠是產品的底線，彈性是需要時才加的能力。下一篇我們就來看：真的需要 agent 時，那個核心迴圈該怎麼搭。