Hugging Face's logo
Back to Articles

智能体-Agent VS. 工作流-Workflow

Community Article Published May 6, 2025
Upvote
1
VirtuOasis's avatar
VirtualOasis VirtuOasis

关于Agent一词的误用存在争议。一些标榜为智能体的系统实际上是工作流或自动化，导致期望过高和结果不佳，尤其是在涉及LLMs时。这凸显了区分真正智能体能力与含LLMs的简单工作流系统的重要性。

  • 智能体 就像智能助手，利用大型语言模型（LLMs）自主思考。它们处理输入、决定行动并执行，即使面对新任务也能应对。把智能体比做一个厨师，他能够自由的使用LLM理解食谱和食材来即兴创作菜肴。
  • 工作流 就像市面上的炒菜机器人, 输入固定的食谱，步骤明确，在特定任务（如文本摘要）中使用LLMs。它们适合重复性流程，如贷款审批，LLMs在需要语言处理的地方提供帮助。

image/png image/png

如何结合LLMs工作？

  • 智能体：智能体接收输入，使用LLM生成计划，执行计划，获取反馈并更新记忆。这种循环使其具有适应性。
  • 工作流：工作流遵循固定路径，某些任务使用LLMs（例如文本分类），其他任务则不使用。结构清晰。

智能体与工作流定义

  • 智能体：AI智能体是能够动态决策和执行动作的自主系统，以LLMs为核心组件，用于推理、规划和工具使用。例如，智能体可能通过LLM分析客户查询，决定回复内容，并执行如从数据库检索数据的动作（LLM Agents | Prompt Engineering Guide）。
  • 工作流：工作流是结构化的、按步骤执行的流程，设计用于一致性和可重复性，通常在需要自然语言处理的特定任务中融入LLMs，例如文本分类或生成。它们基于规则，遵循预定义路径，适合如自动化请假审批的任务，LLMs增强某些步骤。

比较

  1. 自主性与决策：

    • 智能体被描述为LLMs动态指导其流程和工具使用的系统，控制任务完成方式。例如，智能体可能使用LLM分析客户消息，决定从数据库检索信息，并生成回复，不需要固定脚本（Introduction to LLM Agents | NVIDIA Technical Blog）。
    • 工作流则通过预定义代码路径进行编排，LLMs用于特定步骤。例如，设备维护工作流可能在生成报告摘要的任务中使用LLM，但整体流程保持确定性。

  2. 灵活性与使用案例：

    • 智能体特别适合无法完全预定义任务的开放式场景，LLMs赋予其推理和规划能力。例如，在金融科技中，智能体处理来自股市和社交媒体的实时数据，为交易者提供洞察，利用LLMs适应变化条件。
    • 工作流在需要一致性和合规性的场景中表现出色，如自动化人力资源流程（如请假审批），其中LLMs可能用于起草电子邮件或分类请求，在结构化框架内提高效率。

  3. 复杂性与实现：

    • 如何构建可靠的智能体十分具有挑战性，因其动态特性需要LLMs进行复杂处理，以处理错误并确保稳健性。潜在的问题包括不可靠、不合逻辑或陷入无限循环，如所述。
    • 工作流的实现和维护较为简单，LLMs融入特定任务。这使得它们容易调试和迭代，特别在参数明确的任务中。

应用场景

  • 对于需要灵活性和适应性的业务，如处理客户查询或分析实时市场数据，含LLMs的智能体可能是更好的选择。例如，在项目管理中，智能体可根据团队成员的技能和工作量优化任务分配，利用LLMs提供实时更新和建议。
  • 对于需要一致性和合规性的任务，如自动化库存管理或电子邮件营销等常规流程，含LLMs的工作流更合适。它们确保结构化任务的高效执行，LLMs增强与语言相关的步骤，而无需动态决策。

总之，智能体和工作流在AI和自动化中服务于不同目的，LLMs在其中扮演不同角色。智能体是自主、适应性强的系统，利用LLMs作为核心处理动态、开放式任务，而工作流是预定义、结构化的流程，在特定任务中融入LLMs，适合重复、一致性任务。

关键引用

Community

Sign up or log in to comment

Upvote
1