Agent 的代价
Agent 自己决定调用哪些工具、按什么顺序执行、何时停止。灵活性带来的是不确定性：同样的输入可能走出不同的路径，错误更难复现，成本也更难预测。
在不需要这种灵活性的地方引入 Agent，是用复杂换简单。
固定流程更合适的信号
当任务的步骤顺序固定、输入输出明确、错误需要可复现时，用编排好的固定流程更好。比如数据同步、定时报表、工单分类，这些任务写死流程比让模型自由发挥可靠得多。
判断标准：如果业务专家能写下完整流程图，就按流程图实现。
- 步骤固定：每次执行顺序都一样
- 输出明确：字段和格式可以提前定义
- 错误要可复现：排查时希望路径确定
- 成本敏感：每多一次模型调用都多一笔钱
Agent 真正擅长的
Agent 适合目标明确但路径开放的场景：用户只说「帮我整理这周的客户风险」，具体查哪些系统、怎么判断、按什么格式输出，由模型动态决定。
这种场景流程无法预先写死，Agent 的价值才成立。
用「半自动化」过渡
大多数团队可以从固定流程 + 少量 AI 步骤开始，逐步把需要判断的环节替换成 Agent。
先可靠，再灵活。
从流程到 Agent 的升级信号
当团队发现固定流程里频繁出现「根据情况判断」的分支，而且分支数量越来越多时，就是考虑引入 Agent 的信号。
升级时先保留旧流程作为兜底，新 Agent 只在旧流程覆盖不了的场景生效，逐步扩大范围。
给 Agent 一个评估表
评估 Agent 不要只看最终结果，还要看过程：调用了几次工具、有没有无效调用、循环了几轮、有没有在错误分支上浪费时间。
建议给每个场景建一张评估表：成功率、平均步数、平均耗时、失败原因分布。四张表放在一起，才能判断 Agent 是真的聪明，还是在碰运气。
没有评估表的 Agent 上线，等于把系统交给概率。
Agent 的成本控制
Agent 的成本大头是工具调用次数和上下文长度。给每个场景设置预算：单次任务最多调用几次工具、上下文最多保留多少轮、单任务成本上限多少。
预算超限时，Agent 应该先收敛再求助，而不是继续盲目尝试。
把成本预算写进工作流，Agent 才能真正进入生产环境。