Agents 还是 Workflows？Sam Bhagwat 给出的非对立答案

在这场演讲中，Mastra.ai 创始人、Gatsby 联合创始人 Sam Bhagwat 直面 AI Agent 与 Workflow 之争，提出一个反直觉却极具实践价值的观点：这不是二选一的问题。通过个人创业经验、对 Anthropic 与 OpenAI 最新研究的解读，以及对工程师真实痛点的观察，他给出了一个更可落地的组合式思路。

为什么“Agents vs Workflows”本身就是个伪命题

这一节之所以重要，是因为当前 AI 工程社区里大量争论，正卡在“该不该用 Agent”这样的二元对立上。Sam Bhagwat 一上来就抛出一句极具挑衅意味的话：“Agents or workflows？ Why not both？” 在他看来，把两者对立起来，本身就限制了系统设计的想象力。

Sam 的背景让这个观点更有分量。他是 Gatsby 的联合创始人，写过《Principles of AI Agents》一书，也长期参与开发者工具的设计。他提到，近期 Anthropic 在 12 月发布了一篇关于 Agent 的博客，OpenAI 在 4 月也发布了相关论文，社区情绪被不断推高。但他提醒大家：这些讨论很容易被“立场”绑架，而不是回到“你在构建什么系统”这个根本问题。

他的第一个“hot take”是：很多争论其实脱离了真实使用场景。有人在公共平台上高调宣称某种范式“才是未来”，但这些观点往往没有经过真实用户和生产环境的检验。Sam 直言，希望这一次行业能有“a good quality of discourse”，不要重蹈过去技术浪潮中空谈架构、忽视体验的覆辙。

工程师的记忆：从 GraphQL 热潮到 Agent 框架反思

这一节重要在于，Sam 并不是抽象地谈 Agent，而是用工程史上的真实教训来做类比。他抛出的第二个 hot take，源自自己在 Gatsby 和更早期框架中的经历。

他提到 GraphQL：它依然是一个“cool”的技术，但历史已经证明，很多开发者并不是想学一整套图论和查询语言，而只是想要一个“好用的 React 元框架”。技术一旦把学习成本推得太高，就会把大多数潜在用户挡在门外。

Sam 把这个教训直接映射到今天的 Agent 框架上：“I do not think you should need to learn graph theory to write workflows.” 他认为，如果构建 Agent 或 Workflow 需要工程师先理解复杂的有向图、状态机和调度理论，那它注定只能服务极少数专家。

因此，他更推崇一种“grokable”的模式——例如 fluent syntax（链式、可读的代码风格）。在他看来，可读性不是锦上添花，而是决定 AI 系统能否被团队长期维护的关键。这也是他反复强调的一个判断：工程师愿意拥抱新范式，前提是它看起来“像代码”，而不是“像论文”。

用一个朋友能听懂的比喻：Agent 像回合制游戏

这一节的价值在于，它给出了一个极其清晰、可复用的心智模型。Sam 说，如果要向朋友解释两者的区别，他会这样说：“I think about agents like a turn-based game.”

在这个比喻里，Agent 是一个在每一回合根据当前状态做决策的玩家，充满了非确定性（non-determinism）。它的强项是灵活、能应对未知，但代价是不可预测。相对地，Workflow 更像一套规则引擎（rules engine）：步骤清晰、依赖明确，支持暂停、恢复和重放（suspending， resuming， replaying）。

Sam 强调，Workflow 早在 LLM 之前就存在，它们之所以经久不衰，是因为在工程上“可控”。而 Agent 的魅力，恰恰来自它的不确定性。问题不在于哪一个“更先进”，而在于你愿意在哪个环节承担风险。

他的结论非常克制：“At the end of the day， it’s just a trade-off.” 这句话看似平淡，却点破了许多过度神话 Agent 的叙事。真正成熟的系统，必须清楚哪些地方需要自由度，哪些地方必须可预测。

组合式未来：Agents 与 Workflows 的真正价值

这一节之所以关键，是因为 Sam 并没有停留在概念层面，而是给出了可操作的设计方向。他提出，应该鼓励把一次大的 LLM 调用，拆解成多个更小、更可控的调用。这不仅利于调试，也让系统更容易组合。

他提到几种正在浮现的模式：比如 agent supervisor model（由一个 Agent 负责调度其他 Agent），又比如“workflows as tools”，让 Workflow 成为 Agent 可以调用的工具，而不是对立面。还有 Dynamic tool injection，根据上下文动态给 Agent 注入可用工具。

Sam 特别强调一句：“primitives are simple but the combinations…” 原始构件可以很简单，但它们的组合会快速变得复杂。这也是为什么他反对过早追求“全自动智能体”，而更看重工程师是否能理解系统在做什么。

在演讲接近尾声时，他把视角拉回社区本身：这是一个年轻的领域，我们仍在形成“community of practice”。与其争论标签，不如多分享真实的构建经验。因为现实世界，“has a surprising amount of detail”，而这些细节，只有在落地中才能显现。

总结

Sam Bhagwat 的核心信息并不激进，却极其清醒：Agent 和 Workflow 不是意识形态之争，而是工程权衡。Agent 带来灵活与探索，Workflow 提供可控与可靠，真正成熟的系统必然同时使用两者。对工程师而言，最重要的不是追逐概念，而是构建“自己和团队都能理解、维护、演进”的 AI 系统。这场演讲的价值，正在于把行业讨论从口号，拉回到实践。

关键词： AI Agent， Workflow， 大语言模型， Sam Bhagwat， Anthropic

事实核查备注： 演讲者：Sam Bhagwat（Gatsby 联合创始人、Mastra.ai）；提及公司：Anthropic、OpenAI；引用内容：Anthropic 12 月博客、OpenAI 4 月论文（未具体指名）；核心比喻：Agent 像回合制游戏，Workflow 像规则引擎；关键术语：non-determinism、fluent syntax、agent supervisor model、dynamic tool injection