JOTO
Contact us
← AI 智库
Dify

Workflow 还是 Agent:Dify 企业应用的边界怎么划

2026 年 6 月 22 日

Workflow 与 Agent 的差别不只是界面上的两种编排方式。前者由设计者预先定义步骤和分支,后者让模型在运行时选择行动与工具。企业应用的关键问题不是哪个更聪明,而是哪部分允许动态决策、哪部分必须可预测。边界划错后,轻则调试困难,重则让一次含糊指令触发不应执行的业务动作。判断这个场景是否适合步骤稳定、输入结构清楚...

Workflow 还是 Agent:Dify 企业应用的边界怎么划

Workflow 与 Agent 的差别不只是界面上的两种编排方式。前者由设计者预先定义步骤和分支,后者让模型在运行时选择行动与工具。企业应用的关键问题不是哪个更聪明,而是哪部分允许动态决策、哪部分必须可预测。边界划错后,轻则调试困难,重则让一次含糊指令触发不应执行的业务动作。

判断这个场景是否适合

步骤稳定、输入结构清楚、规则可以枚举、结果需要复现时优先 Workflow。例如文档分类后按类型抽取字段、调用固定接口校验、生成草稿并交人工确认,每一步都有明确输入输出。它便于设置超时、重试和错误分支,也容易判断失败发生在哪里。即使某个节点使用模型,整体控制权仍在流程设计中。

任务目标清楚但路径难以预先穷举,需要根据上下文选择检索、计算或多种只读工具时,可以考虑 Agent。例如内部研究助手可能先搜索资料,再比较来源并追问缺失条件。适用前提是工具边界窄、每次动作可观察、循环和预算有限。若目标本身模糊,Agent 只会把模糊放大;若工具能转账、删数据或外发信息,不能把模型判断当作最终授权。

实际系统经常采用混合结构。外层 Workflow 管理身份校验、资料准备、审批、落库和通知,中间一个受限 Agent 负责探索性检索或选择分析工具。这样动态能力被放在可替换的小区域,关键写操作仍走确定分支。判断时可画出动作清单,为每项标记可逆性、影响范围、所需证据和批准人,风险越高,越应由流程与人工控制。

实施时怎么拆

先写任务契约:输入允许什么、输出交给谁、不得做什么、成功证据是什么。Workflow 将契约拆成节点,节点只承担一种职责,结构化数据通过变量传递,长文本保留来源。对外部接口明确超时、重试次数和幂等标识,失败进入补偿或人工队列。不要让一个大模型节点同时理解、决定、执行并解释,否则日志很难还原决策。

Agent 设计从工具开始。每个工具使用窄参数、清楚描述和最小权限,查询与修改分离,生产写工具默认不可用。限制最大迭代、总耗时和消耗,记录模型选择工具的输入、参数、返回和终止原因。对无结果、参数不完整、工具异常和循环调用分别定义停止行为,无法获得证据时应说明不足或转人工,而不是继续猜测。

人工确认要位于真正的风险边界。模型生成邮件草稿后,审批界面应展示收件人、正文、附件和依据;批准后由固定节点发送,修改内容则重新确认。数据库变更应显示目标对象与差异,使用者确认的是具体动作,不是抽象的“继续”。审批身份、时间和版本进入审计记录,过期批准不能被新版内容复用。

测试分别覆盖确定路径和动态路径。Workflow 做分支、重试、幂等和补偿测试;Agent 用固定任务集检查工具选择、错误参数、越权请求、循环和拒绝行为。发布时让动态部分可关闭,异常时降级到检索、表单或人工处理。回滚不仅恢复应用版本,也要停止仍在运行的任务,核对已经执行的外部动作,避免旧流程重复补偿。

不要忽略的限制

Workflow 并不天然可靠,节点中的模型仍可能产生不稳定输出,外部接口也会失败;Agent 也不会因为增加说明就自动遵守所有边界。安全控制要落在工具权限、网关、审批和数据层,提示词只能作为行为引导。长流程还要关注状态保存,重试若从头开始,可能重复发送通知或创建记录。

选择架构时不要用一次成功演示作证据。应比较维护成本、故障定位、响应时间和业务可接受的人工量。需求变化后重新评估边界:频繁且可归纳的 Agent 路径可以固化为 Workflow,少量例外交给人工;规则不断分叉但风险较低的只读步骤可以开放有限动态选择。任何无法解释已执行动作、无法停止循环或无法撤销高风险结果的设计,都不应进入生产。

参考资料

JOTO 企业落地观察

  • 对企业部署意味着:架构选型必须前置评估‘可预测性’与‘可解释性’的刚性要求。当业务动作涉及资金、权限或客户数据时,即便 Agent 展现出更高灵活性,也应强制将其封装在 Workflow 的受控沙盒内,确保高风险操作始终处于确定性路径中。
  • 这类系统的取舍在于工具权限设计是否真正解耦。若 Agent 所调用的工具未严格区分查询与写入、未内置最小权限校验、未绑定审计上下文,则所谓‘受限 Agent’仅是表面隔离,实际仍可能绕过流程治理——企业需将工具注册与权限策略纳入统一治理平台。
  • 对 RAG 知识工程而言,Agent 模式下检索行为的不可预测性会放大知识源漂移风险。当 Agent 自主选择检索路径时,若未强制其返回所用知识片段及置信依据,后续分析与溯源将失效;因此企业需在工具层规定‘检索必带来源锚点’,而非依赖模型自行陈述。
  • AI 安全治理不能依赖提示词约束动态行为。文中指出‘提示词只能作为行为引导’,这要求企业将安全控制点前移到工具网关(如禁止写工具默认启用)、审批引擎(如变更操作必须显式确认差异)和数据层(如敏感字段加密隔离),形成多层防御而非单点提示防护。

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

相关文章

Dify
Dify

从零到规模化:企业级 Dify 实践的五大关键跃迁路径

Dify
Dify

Dify的“中年危机”:一个明星项目正在经历的尴尬时刻

Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.