一句话说清：工作流（Workflow）是人把步骤写死、让模型只填空；智能体（Agent）是把"下一步做什么"也交给模型自己判断。
打个比方。工作流像流水线：进料、冲压、焊接、质检，四个工位固定，工人只负责每个工位上那一件事。智能体像派一个实习生去办事：你只说"把这事办成"，他先查什么、后找谁、卡住了要不要换个路子，全凭现场判断。
同样是"用模型做客服"，两种形态差别很大：
- 工作流：先分类意图 → 再查订单库 → 再按模板生成回复 → 敏感词过滤 → 发送。模型只在"分类"和"生成"两个格子里干活。
- 智能体：给它工具（查订单、退款、发邮件、转人工），让它自己决定先查订单还是先安抚用户，用户不配合时要不要转人工。
关键区别在控制流归谁。工作流里，if/else 写在代码里，模型输出只是一个变量；智能体里，模型输出就是那个 if/else。
那这条线该划在哪？我的经验是看三件事：
| 判断维度 | 偏工作流 | 偏智能体 |
|---|---|---|
| 步骤能否提前枚举 | 能，且很稳定 | 不能，输入千奇百怪 |
| 每步结果能否校验 | 能，有明确对错 | 只能靠语义判断 |
| 出错代价 | 高，且难回滚 | 低，错了重来就行 |
三条全偏左，就老老实实写工作流。全偏右，才值得上智能体。最怕的是中间态：步骤其实固定，却为了"看起来先进"做成自主决策，结果每次跑出来的路径都不一样，出了问题连日志都复现不了。
一个常被忽略的成本结构：工作流的失败是加法——加一个环节多一份出错概率，但每份都可控；智能体的失败是乘法——它自主决定十步，每步 95% 靠谱，整体就只剩六成。步数越多，塌得越快。所以业内常见做法是"工作流当骨架，智能体当关节"：外层流程写死，只在真正需要判断的那个环节放开一小段自主权；或者相反，让智能体把一整套工作流当成一个工具去调。
对从业者，落地顺序建议反过来：先按最笨的固定流程跑通，把每步的输入输出卡清楚，跑一段时间看日志，找出"人也不知道下一步该干嘛"的那些岔路口，那才是该交给模型的地方。
对普通职场人，这事其实每天都在发生：报销流程该走 OA 就走 OA，别让模型替你决定审批顺序；但"帮我把这堆杂乱的客户反馈归归类、看看有没有共性"——这种没有标准答案、步骤事先说不清的活，才是智能体真正的主场。
具体工具与能力边界以各家官方页面为准，变化很快。