一句话总结：工作流 = 代码掌控流程（可预测、低延迟），Agent = 模型掌控流程（灵活、但错误累积）；先选对范式，再谈框架。

Workflows vs Agents（Anthropic 权威划分）

维度	工作流 Workflows	智能体 Agents
谁决定步骤	你，在代码里（预定义路径）	模型，运行时动态决定
控制流	固定：LLM/工具走预定义代码路径	开放：LLM 自主决定工具使用
适用	固定步骤任务	开放、路径不可预测的任务
可预测性/成本	高可预测、低延迟低花销	低可预测、每多一次 LLM 调用错误率复合累积

三层架构：Augmented LLM（LLM + 检索 + 工具 + 记忆）→ Workflows（5 种预定义模式）→ Agents（自主循环）。

设计模式速查

1. Prompt Chaining 提示链：任务拆步骤序列，每步处理上一步输出（可门控校验）
2. Routing 路由：不同类型输入分发到不同下游流程
3. Parallelization 并行化：同时处理子任务 + 汇聚（分段并行 / 投票）
4. Orchestrator-Workers：中央编排者分解任务、分发、综合
5. Evaluator-Optimizer：生成器 + 评估器循环优化
6. ReAct（Yao 2023）：推理行动交替循环
7. Reflexion（Shinn 2023）：自我反思改进
8. Plan-and-Execute：先生成计划 → 按依赖执行 → 异常改计划
9. Hierarchical Multi-Agent：监督者调度子 Agent

ReAct 模式

• 迭代：Thought（推理）→ Action（工具调用）→ Observation（观察结果）→ 循环直到完成
• LangGraph 最小实现：Agent 节点（LLM 生成回复或 tool_calls）+ Tool 节点（执行工具），条件边：有 tool_calls → Tool 节点，否则 → END
• create_react_agent 是 LangGraph 预置封装

控制流四基元

模式	触发	典型场景	主要风险
串行	后步依赖前步	多步查询、审批流	前步失败全链中断
并行	任务无依赖	批量查询、多源聚合	结果合并/去重难
条件分支	结果决定走向	错误处理、路由	分支覆盖不全
循环	反复直到条件满足	分页、重试、迭代	死循环、成本失控

LangGraph（图编排框架）

• 核心：节点（Node）+ 边（Edge）+ 状态（State），有向图建模；与 DAG 不同，图支持循环（Agent 可反复流转：搜索→反思→再搜索）
• 状态 = 公共"黑板"贯穿全程；检查点（checkpoint）让 Agent 拥有跨轮次记忆 + 断点续跑
• 能力：动态路由（条件边）、循环执行、内置存档断点续跑、多 Agent 编排（supervisor 模式）

工程体系（生产级）

• DAG/状态机建模、条件分支与动态路由、循环与重试策略、并行扇出与结果汇聚
• HITL 中断与恢复、检查点持久化与回放、错误处理与补偿事务、可观测性与调试
• 简单 Agent 处理常规任务，边缘情况自动升级到复杂多 Agent 系统（控成本保能力）

面试要点

• 背出 Workflows vs Agents 划分（代码控流 vs 模型控流）与三层架构
• 列举 5+ 设计模式并各配场景
• ReAct 循环：Thought→Action→Observation，条件边判定继续/结束
• 控制流四基元：串行/并行/条件分支/循环 + 各自风险
• LangGraph 三要素（节点/边/状态）+ 图可循环 + 检查点
• 工程体系：HITL、检查点回放、补偿事务、可观测性