智能体架构怎么选：工作流、单 Agent 还是多 Agent

先区分工作流与 Agent

工作流是按预先定义的步骤执行，模型只负责其中某些节点；Agent 则由模型自行决定下一步、调用哪个工具、何时停止。前者可预测、易测试，后者灵活但边界模糊。

一个实用的判断标准是：如果任务步骤可以提前写清楚，就先用工作流。只有当步骤数量不确定、需要根据中间结果动态调整时，才值得引入自主 Agent。

几种常见的工作流模式

大多数生产系统使用的是结构化工作流，而不是完全自主的 Agent。以下几种模式可以组合使用，复杂度依次上升。

• 提示链：把任务拆成固定顺序的几步，上一步输出作为下一步输入。
• 路由：先判断输入类型，再分发给对应的处理分支。
• 并行化：多个子任务同时执行，最后汇总结果。
• 编排者-工作者：由一个节点拆解任务，再分派给多个执行节点。
• 评估-优化：先生成结果，再由另一个节点按标准检查并迭代。

单 Agent 的适用边界

单 Agent 适合工具数量有限、任务边界清晰、失败可回滚的场景，例如在固定目录内整理文件、按模板生成报告。它的优势是链路短，问题容易定位。

当工具数量增加到几十个、任务需要跨越多个领域时，单 Agent 容易在选择工具和维持上下文上出错。这时应优先考虑拆分工作流，而不是直接增加更多工具。

多 Agent 不是默认答案

多 Agent 的价值在于隔离上下文和职责：不同角色只看到与自己相关的信息，减少相互干扰。但它也带来新的问题，例如角色之间如何传递结果、如何避免循环委派、如何统计整体成本。

如果没有明确的职责边界和验收标准，多 Agent 往往只是把一次不确定的调用变成多次不确定的调用。工程上更稳妥的做法是先把单 Agent 的提示词、工具和评估做好，再考虑拆分。

落地时最该先做的三件事

第一是定义成功标准。没有可量化的验收条件，就无法判断架构是否有效。第二是建立评估集，用一组真实输入反复回归，而不是只看几次演示。第三是保留人工确认点，尤其是写操作和对外发送。

完成这三件事之后，再决定是否需要更复杂的编排。很多时候，一个约束清晰的单 Agent 加两三个工具，已经足够覆盖大部分业务需求。