在构建由 AI 驱动的应用程序时，您需要在两种主要的架构模式之间做出选择：工作流和智能体。每种模式都有其独特的优势和权衡，使其适用于不同的场景。
工作流
工作流是为解决已知问题或一组问题而设计的一系列预定义的 Claude 调用。可以将其想象成一份食谱——您确切地知道需要哪些原料以及要遵循哪些步骤。
当您能够提前预见到步骤流程时，就应该使用工作流。其关键在于将一个大任务分解为更小、更具体的子任务。
工作流的优势
- Claude 可以一次专注于一个子任务，通常能带来更高的准确性
- 更容易评估和测试，因为您清楚每一个确切的步骤
- 执行更具可预测性和可靠性
工作流的缺点
- 灵活性较差——专门用于解决特定类型的任务
- 用户体验通常更受限——您需要知道流程的确切输入
智能体
对于智能体，我们会为 Claude 提供一组基本工具，并期望它能够制定计划来使用这些工具完成任务。Claude 不会遵循预定的路径，而是创造性地思考如何应对挑战。
智能体的优势
- 能够带来更灵活的用户体验
- 任务完成方式更加灵活——Claude 可以以意想不到的方式组合工具，以完成各种各样的任务
- 可以根据用户查询创建自己的输入，并在需要时请求更多输入
智能体的缺点
- 与工作流相比，任务成功完成率较低
- 更难以进行监测、测试和评估，因为您通常不知道智能体将执行哪一系列步骤
选择正确的方法
尽管从技术角度来看智能体非常有趣，但请记住，作为工程师，您的首要目标是可靠地解决问题。用户可能并不关心您是否构建了一个精巧的智能体——他们想要的是一个能够 100% 正常工作的产品。
总体建议是：尽可能始终专注于实现工作流，只有在真正需要时才使用智能体。工作流能为您提供大多数生产应用程序所需的可预测性和可靠性，而智能体则为那些无法预先确定确切解决路径的场景提供了灵活性。