什么是 Agent？和 workflow、和「调用一次大模型」的本质区别？

我要答我要考

Q3-01Agent 定义与边界易高频AgentWorkflow控制权自治度Harness概念辨析

谁在问：一面必问；简历写了 Agent 的候选人开场第一题，也是大厂/AI 创业公司通用的真伪探针

口语化问法

你简历里写了 Agent。先跟我说说，你理解的 Agent 和一个 workflow，本质区别在哪？
我写段代码，调一次大模型让它返回 JSON，再按 JSON 去查库——这算 Agent 吗？
现在什么都叫 Agent。如果只让你说一条判据，你会说哪一条？

考察意图

面试官不是在等百科定义，他同时在做四件事：

验简历真伪。 转型候选人最高频的写法是「基于 XX 框架开发了智能客服 Agent」，一追问发现是固定三步管线。你能不能自己划清边界，直接决定后面简历深挖阶段你是被信任还是被拷打。
看有没有判据思维。 背「感知—规划—记忆—行动四要素」是读过；能给一条拿来就能判定一个具体系统的标准，才是自己想过。
看知不知道代价。 说清定义只是及格，说得出「因此它不可复现、成本有长尾、调试要看轨迹」才说明上过线。
埋钩子。 这题的答法决定他下一题是问 Q3-02（选型判断）还是 Q3-06（ReAct 循环实现）。

参考答案

图 2 · 60 分与 90 分差在哪：代价、演进、怎么验证

60 分答案（及格线）

三种形态的差别不在用了什么框架，在下一步由谁决定：

单次调用大模型：输入→输出一次映射，没有循环，也不碰外部世界。模型只是个函数。
Workflow（工作流）：路径是我写死的。某个节点里也可能调模型（比如让它做意图分类），但所有可能走的路我都能提前画在一张图上，模型只是图里的一个算子。
Agent（智能体）：模型在循环里自己决定下一步——调哪个工具、要不要再来一轮、什么时候停。路径是运行时长出来的，我提前画不出来。

配套三个差别：环境反馈会不会回灌进下一轮上下文；终止条件由谁判断；执行步数是恒定的还是不定的。

一句话收口：Workflow 是我编排模型，Agent 是模型编排我给它的工具。

90 分答案（有生产经验的回答）

在 60 分基础上补四层。

1. 给一张能当场画出来的判据表

判据	单次调用	Workflow	Agent
下一步谁决定	无下一步	代码 / DAG	模型
可能路径	1 条	有限、可枚举	运行时生成、不可枚举
环境反馈	无	流向人定的下一节点	回灌上下文，影响下一次决策
终止	生成结束	走到终点节点	模型自判 + 代码兜底（步数/预算/超时）
成本与耗时	恒定	恒定或小方差	长尾分布，只能报 P50/P95
失败定位	看这次输出	看哪个节点挂了	看整条轨迹的哪一步决策错了

2. 反向检验，这是分水岭。 我判断一个系统是不是真 Agent，只问一句：同样的输入跑两次，轨迹会不会不一样？ 永远一样就是 workflow，哪怕它是用 Agent 框架写的。生产里这种「用 AgentExecutor 包一条固定三步管线」的东西很多——白白付了不确定性的代价，没拿到不确定性的收益。

3. 自治是连续谱，不是二分。 真落地我一般写成「workflow 骨架 + 局部 agentic 节点」：外层固定流程守住 SLA 和可审计，只在真正需要探索的那一步（比如「这个问题该查哪几个数据源、查几轮」）放开让模型决定，并且配工具白名单和 max_steps。这样成本方差可控，出问题也能定位到具体那一格。

4. Agent = Model + Harness。 截至 2026-08，业内比较统一的说法是 Agent 的能力一半在模型、一半在 harness（LangChain 2026-03 那句「If you're not the model, you're the harness」）。同一个模型换一套 harness——工具集与 schema、上下文组装与压缩、错误反馈格式、重试与终止、权限与人工确认——任务成功率能差一个数量级。这也是「Agent 不就是套壳」这个说法不成立的原因：难的工程量全在 harness 里。模型变强确实会让 harness 变薄（早期要手写的 planner、self-critique 现在很多可以删），但不会消失——权限、预算、可观测、可回滚这些约束不属于模型。

（如果被追问「那你项目算哪一格」，老实答，并说清为什么选那一格。见 Q3-02。）

追问链

图 1 · 五层追问树：面试官会往哪儿挖

不问定义，问的是控制权归谁、失控谁兜底、这笔账谁算

链里有个 if-else 分支，条件是让 LLM 判断的，这算 Agent 吗？
期望不算。LLM 参与判断 ≠ 模型持有控制权 —— 分支候选是人预先闭合的，模型只是个分类器；分辨点在能否产生你没预设过的动作序列、能否自决「再来一轮」。这类 LLM 路由的 workflow 常常就是生产最优解：可测、可复现、成本恒定，别为名分改造它
信号落到「候选集合是否闭合」「能否自决再来一轮」→ 自己想过；拿框架名当判据（用了 AgentExecutor 就是）→ 只读过教程
Agent 的循环靠什么终止？只靠模型说「我答完了」够吗？
期望正常出口是不带工具调用的答案，但代码侧必须兜底：max_steps、时间与费用预算、重复动作检测（连续 N 次同工具同参数即断）、工具连续失败熔断。死循环形态是换措辞反复调同一工具、两工具互等。超限后要区分中断与降级 —— 回落固定管线、转人工、返回「已得信息 + 未完成项」
信号说得出三种以上兜底并区分中断与降级 → 做过线上；只答 max_iterations、追问「超限之后呢」答「就报错」→ 停在 demo
harness 里到底装了什么？挑两样你调过的说说
期望组成：schema 描述、上下文组装压缩、结果回灌格式、错误消息、终止重试、trace 与评测。挑两样讲量化差别：报错从堆栈改成「参数 date 需 YYYY-MM-DD」后自愈率变化、工具 20 个收到 8 个后准确率变化。harness 越厚越贴当前模型，换代要拆
信号举得出具体改动 + 观察到的指标变化（哪怕只是几十条粗糙对比）→ 真调过；把 harness 说成「就是提示词」→ 看过文章
业务方问「这功能多久出结果、一次多少钱」，你怎么答？
期望步数是长尾分布，不能报平均值 —— 报 P50/P95 和上限，因为有 max_steps 和预算熔断，上限是可以承诺的。成本非线性：每轮重发完整上下文，工具结果一进上下文就在后续每轮复利计费，「多两步」不等于多两步的钱。把不确定性转成有上界的承诺：预算上限 + 超限降级路径
信号主动给上界并解释上下文累计计费 → 算过账；报个平均值交差、或答「这个说不准」→ 没做过成本治理
跑得挺稳的 workflow，产品经理要求改造成 Agent「对外讲更先进」，你怎么办？
期望先归因，别站队：badcase 是「路径没覆盖到」（Agent 化有收益）还是「某一步答得差」（改提示词就够）→ 前者占比个位数，收益就抵不过成本方差与评测成本 → 折中：外层 workflow 守 SLA，badcase 那一步做成受限 agentic（白名单 + max_steps=3 + 超时回落），先小流量 A/B。拒的不是需求，是没评测就全量替换
信号先归因 badcase 再给方案、路径可回滚、照顾到业务方真实诉求 → 有协作经验；顶回去说「伪需求」或答应全量改造却说不出怎么证明更好 → 都扣分

简历上写「开发过智能客服 Agent」的，第 1 层就现原形 —— 一追问是条固定三步管线。真分水岭在第 4、5 层：能不能把自治换算成钱和承诺。

评分要点

抓住唯一硬判据：下一步由谁决定（控制权归属）
讲清三层递进：单次调用 / workflow / Agent
提到环境反馈回灌与终止条件的归属
能反向检验假 Agent（同输入是否同轨迹、路径能否枚举）
知道自治是连续谱，生产常见「骨架 + 局部 agentic」混合形态
说得出 Agent 化的工程后果（成本长尾、不可复现、按轨迹调试）
加分：知道 Agent = Model + Harness，能列 harness 组成
加分：主动说明自己项目落在哪一格并给出理由

常见错误

「Agent 有感知、规划、记忆、行动四大模块」——纯背定义，没有一条能拿来判定具体系统；追问「那 workflow 有没有记忆」立刻塌。

「用了 LangChain / AgentExecutor 就是 Agent」——用框架名代替概念。

「Agent 就是能调工具的大模型」——混淆 Function Calling 与 Agent。调一次工具就返回的仍然是 workflow（见 Q3-03）。

「Agent 更智能、更自动化」——形容词答案，没有边界。

全程只讲优点，说不出不可复现、成本长尾、轨迹调试——典型没上过线。

「我们的 Agent 每次都是先检索、再总结、再回复」——自曝是 workflow。此时正确姿势是主动承认并说明为什么这样设计更合适，硬撑必被后续追问打穿。