推荐语
企业AI化实战经验分享，探索AI agent与workflow的结合之道。核心内容：1. 区分workflow和Agent，以及它们在企业AI化中的作用2. 探讨AI在企业降本增效中的实际应用与挑战3. 构建AI agent时的关键点和注意事项
杨芳贤
53A创始人/腾讯云(TVP)最具价值专家
大家好，我是Sherwin。最近投入到了Agent 浪潮中，有了一些实战思考，分享给大家。如果你对以下几个问题感兴趣，那这篇文章非常适合你：1. workflow 和Agent的区别是什么。
2. 所有场景都能用AI 从做一遍嘛？什么样的场景与AI 结合更合适。我目前想深耕的大方向是做企业AI 化，就是如何将AI 很好的结合到企业业务中，以帮助企业达到降本增效的目的。将AI 结合到企业业务中这个提法可能是我们做AI 的人更关注的。对于企业来说，关注的是如何能降本增效这一结果，至于是否结合AI 可能企业并不是最关心的。当然，很多企业也看到了AI 的能力，判断AI 会影响和改变未来，所以更也关心：有了AI 之后 怎么让以前降不了的本现在能降了，以前增不了的效，现在能增了。说到降本增效，大家最容易想到的应该是自动化（当然也还有别的方法）。那这个问题就变成了：AI 可以让什么样的业务流程自动化，以及AI 可以实现的自动化和传统程序可以实现的自动化有什么区别。为了说明这个问题，这里划分了三个概念：逻辑程序、LLM workflow、AI agent。（缩写注解：LLM: 大语言模型 workflow: 工作流 agent: 代理，ai agent： 智能体）逻辑程序 就是传统的自动化程序，它可以处理规则明确、逻辑确定、结构化数据流动的确定性任务。它的特点就是完全依赖于逻辑判断、所以也比较稳定、可靠。
LLM workflow：是指人工编排的基于LLM 的工作流。它以人工编排的流程为核心，执行路径、步骤和节点都是确定的。LLM只是作为节点，就像把一个个LLM 串起来。它可以处理流程明确、需要对非结构化数据理解的任务。相比于逻辑程序，它具有一定的智能性、可以理解信息、对信息做出分类、整理、弱决策等。AI agent：是以LLM 为核心的具备理解任务、规划任务、执行任务的智能体。它与LLM workflow 最大的区别是具有很高的自主性。这里的自主性不是说它自己想干嘛干嘛，而是它接到任务之后自主规划，自主执行，执行迭代多少次也由agent 自主决定。 但自主性带来的问题就是每次执行结果的准确性和一致性无法保证。做一个形象的比喻就是：AI agent 就像一个具有非常丰富经验和广泛知识的实习生，它能力很强，但不一定靠谱。了解了以上三者的特点，也就知道了什么场景应该采取哪种方式。最后，构建AI agent 产品应该注意哪些关键点呢？1. 最最关键的是写好prompt（要求要准确）。2. 要给agent构建自反馈机制，这样才能让agent输出收敛逼近想要的结果（过程反馈）。3. 在构建Agent 产品时不应该一味的只想要提升它的可靠性和准确性，这是LLM 底层技术特性决定的，从产品上提升不如等底层模型进化，我们更应该关注的是从产品设计上方便用户检查确定和修改。1. agent 更适合ToB的企业场景，而非ToC的场景。2. 对于企业中有价值的复杂任务场景，哪怕agent不能节约时间也值得做，因为通过agent 可以低成本大规模扩张。
既然耐心读完，大概对你有价值，随手点个赞、在看、转发三连吧，谢谢你看我的文章，我们，下期再见~
【作者简介】
我是Sherwin，取自 share & win 的谐音，意为分享共赢。专注成长、共创共享，关注我，给你分享更多有价值的观点与启发。
2025年目标：
1、持续推出Agent应用产品
2、构建成长型组织，广结善缘，帮助更多人~
也欢迎你一起见证我们的成长。
已推出产品：
产品一：面试排练小程序，微信搜索“面试莫慌”，免费使用，欢迎反馈~
粤ICP备17114055号
支持私有化部署
