现在你已经知道你的智能体要做什么、将部署在哪里，是时候思考一个重要问题了。

这个问题真的需要用智能体来解决吗？

并不是每个项目都需要智能体，甚至不是每个自动化项目都需要。有时候，一个简单的工作流程、脚本或基于规则的流程就能更好地完成任务。理解两者的区别可以为你节省时间、金钱，并避免后续的困扰。

AI智能体不仅仅是执行指令。它能用自然语言读、写、交流，能够理解意图、应用知识，并在不确定的情况下做出决策。这种灵活性让它非常强大，但也带来了复杂性。每次调用大语言模型（LLM）都会消耗算力、时间和带来一定风险。因此，只有在任务确实需要推理或语言理解时，才值得使用智能体。

如果任务是确定性的（即有明确的输入和输出），通常用工作流程或自动化工具更合适。（小提示：Botpress两者都能做！）

如果任务涉及上下文、解释或对话，那么AI智能体就是正确的选择。

我们来看看Terminal Roast是如何处理这个问题的。

Taryn的团队已经确定了第一个任务：收集客户对新咖啡口味和配方的反馈。首席咖啡师Adrian提出了两种智能体可以处理的方式。

第一种是对话式。智能体会询问客户喜欢或不喜欢某款饮品的原因，并尝试理解他们的想法。这需要细致的理解、解释和记忆，非常适合用智能体来完成。

第二种是程序化的。智能体只需展示一份新配方清单，让客户回复“是”或“否”。这种交互不需要推理，非常适合用自动化来实现。

通过将这两种流程分开，团队让系统更加高效。他们在需要语言理解的地方用智能体，在只需逻辑判断的地方用工作流程。

很多团队会混淆这两者。他们试图打造一个万能智能体，既能回答问题、提取数据、更新记录，又能管理事务。但每增加一个功能，都会提升成本、延迟和维护难度。更好的做法是将智能体和工作流程结合起来。

用工作流程保证结构和可靠性，用智能体实现智能和灵活性。

可以把智能体看作“前线”界面，负责理解用户，然后把结构化的操作交给自动化系统精准执行。当这两套系统界限清晰时，整体会更加稳定、易扩展且透明。

这里有一个简单的判断方法。

问问自己：这个任务需要理解自然语言吗，还是只需一套简单的规则就能搞定？如果需要理解，比如识别意图、处理歧义或引用知识，那就需要用智能体。如果不需要，就用工作流程来实现。

等你有了清晰的逻辑和数据后，随时可以再叠加智能体。把一个已经运行良好的工作流程升级为智能流程，比调试一个复杂、过度设计的智能体要容易得多。

Terminal Roast的做法（将对话任务和程序化任务分开）是个很好的范例。最终他们得到的是一个更精简、各司其职的系统。

在这里做到清晰，后续的维护、成本和性能都会受益。

行动： 回顾你计划中的智能体任务，找出哪些确实需要语言理解能力。

只保留这些任务由智能体处理，其余的通过标准工作流程自动化完成。

‍