我们注意到，掘金热榜上一篇给 Java 程序员看的 Agent 入门文章悄悄走红。它做了一个对 Agent 厂商不太友好的判断：八成被叫作'AI Agent'的产品，本质上是工作流（按预设步骤跑的程序）套了一层 AI。
这是什么
文章给 Agent 下了个克制定义：LLM Agent 是由大模型参与决策、借助工具与环境交互、并根据反馈推进目标的系统。模型只是其中一环 — 程序负责执行，工具负责连接外部信息，反馈决定是否继续。四件套缺一个，就是工作流，不是 Agent。
识别真假只有一条铁律：下一步行动是不是模型根据任务状态和反馈动态选出来的。如果流程是程序员写在图里的，那是 Workflow；如果系统能根据中间结果调整路径，那才是 Agent。
行业怎么看
这件事值得我们留意的，是它戳中了当下'Agent'标签的虚火。文章走红的背景是 2024 年起这个词被国内 AI 厂商用烂 — 几乎所有企业级 AI 产品都在讲'做 Agent'。但文章自己点破：'工作流也可以调用模型、分支和重试；有工具、有循环，本身不足以区分 Agent。' Anthropic 去年发的《Building Effective Agents》也持同样立场，主张多数企业场景该用 Workflow 而非 Agent，因为成本低、好调试、结果稳定。
反对声音也存在。部分 Agent 厂商认为这是过度学术化。真实工业系统往往是混合形态 — 固定流程管审批与合规，Agent 负责信息收集和初步判断。'模型决定下一步'是程度问题，不是非此即彼。
对普通人的影响
对企业 IT：供应商推销'AI Agent'时先问'下一步谁决定'。模型根据反馈动态选的是 Agent，成本高、结果不稳；写死在流程图里的是 Workflow，成本低、好排查。别花了 Agent 的钱买了 Workflow 的货。
对个人职场：知识工作的一部分正在变成'如何把任务外包给一个能自主决策的 AI'。不是替代，是新的协作方式。谁先学会设计任务边界和验收标准，谁先用上这个杠杆。
对消费市场：未来一年你会看到铺天盖地的'AI 助手''智能体'广告。同样的标准适用：听你一句话能办完，还是只能在几个预设选项里挑。能办事的贵且不稳；只能挑的，别被新名字唬住。