这是什么
掘金一篇技术长文挑明：晶圆厂异常处理、发票识别这类'系统复杂'的任务，下一步做什么早就写在流程图里——根本不需要 Agent。市面上大多数所谓 Agent 项目，不过是披着大模型外衣的工作流（Workflow）。
判断标准只有一句话：下一步由谁决定。开发者提前画好流程，就是 Workflow；只有证据出来才能决定下一步，才需要 Agent。
作者还给了一个更易用的测试——拔掉大模型测试：把大语言模型（LLM）抽掉后，整个流程还能不能画成标准流程图？如果能，那它本质就是 Workflow。
关键在于代价：Agent 用灵活性换来了更低的可预测性、更难的审计、更高的成本。这类任务硬上 Agent 反而是给产线引入不必要的危险。
真正的 Agent 任务长什么样？保险追偿调查、云成本异常排查——目标明确，但调查路径要等证据出来才能确定，每一步查什么是上一步的发现决定的。这种任务你开工前一行流程都写不出来。
行业怎么看
技术社区普遍欢迎这种'拆掉神话'的框架。过去一年 Agent 概念被严重通胀，很多 SaaS 厂商把任何带大模型的自动化都叫 Agent，决策者很难分辨。给出明确判断标准，至少让对话有了基础。
但反对意见同样存在。一些架构师认为这个二分法过于干净：现实系统往往介于两者之间，多 Agent 系统里既有预设编排也有运行时决策，硬要归类只会逼着团队画错流程图。另一些人指出，'能不能写出来'本身就是工程判断，传统行业恰恰缺这个能力，而最会帮你做判断的顾问，恰恰是最爱卖 Agent 的人。
更现实的风险是：按这个标准，企业里大量 AI 自动化项目都该被改回 Workflow，意味着已经花出去的 Agent 预算、已经招的 Agent 工程师，可能要被重新审视。这是这篇文章不会被所有读者喜欢的原因。
对普通人的影响
对企业 IT：下次供应商来推销'Agent 平台'，先让他把流程画出来。能画清的，砍掉 Agent 部分的价格再说——你在为不需要的灵活性付钱。
对个人职场：判断你的工作会不会被 Agent 替代，看的不是复杂度，而是'下一步是不是只有做了才知道'。做账、排版、报表核对这些路径清晰的，是 Workflow 的领地；事故调查、客诉溯因、方案设计这些路径开放的，才是 Agent 的目标。
对消费市场：市面上标榜'AI Agent'的智能助手产品，大概率是 Workflow + 大模型的组合。它们的边际成本会越来越低，但真 Agent 产品因为推理成本高，短期内不会便宜。别为'Agent'两个字单独付溢价。