你真的需要 Agent 吗？先答对这 6 个问题

核心挑战

今年最贵的 AI 项目，不是做出来的。是不该做，却被硬做出来的。

我们反复遇到这样的团队：老板拍板「全面上 Agent」，然后花三个月搭出一套他们叫「智能体系统」的东西——报价自动发、合同自动读、周报自动写。表面看很智能。

但我们只问一个问题：「这里面，有几个动作是每次都一模一样的？」答案往往是「基本都一模一样」。工具相同，步骤提前定死。

那不是智能体。那是个封装得挺好看的工作流。

真正的挑战，从来不是「怎么搭 Agent」，而是「你到底需不需要 Agent」。

方法

我们把这套判断提炼成一组 6 问自检。它够锋利，因为它逼你诚实面对「到底什么在重复」：

1）你的智能体第一次动作，是否总是相同的？ → 如果是，你构建的是工作流。 2）你是否每次都调用相同的工具？ → 如果是，你构建的是 API 封装层。 3）团队是否需要计划使用哪些工具？ → 如果是，你可能需要的不是智能体。 4）能否提前确定执行步骤？ → 如果是，优先选择工作流。 5）任务是否需要应对意外的中间结果？ → 如果才是智能体的领域。

数一数你答对了几个「绿色」。绿色越多，你越该退回工作流或 API。只有当第 5 条亮起，Agent 才真正上场。

解决方案

我们把任何 Agent 候选，放在「自主度」这个尺度上——分三个层级：

第一层·流程内自主：确定性判断固化进流程，流程自带脑子，人环外。实际就是工作流 / API 封装层，不需要 Agent。 第二层·人机协同：半确定判断由人机共担，Agent 出提议、人确认。 第三层·环外自主：人从执行环退出，Agent 自主跑。

把「该不该用」（6 问自检）和「该用怎么用」（三个层级）合起来，得到一张决策图：确定性高、步骤固定 → 工作流 / API 封装层，直接退回；半确定、需人机共担 → 第二层；需应对意外中间结果、价值可控 → 第三层；价值大、责任重、无先例 → 永远人在环内。不管怎么分，结论都一样：签字的必须是人。

项目成效

回到开头那个团队。他们花三个月搭的「智能体」，自检完发现：6 问里 4 条绿色。

那不是智能体。是个该用三天搭完的工作流。

但他们老板现在逢人就说：「我们全面 Agent 化了。」

最贵的 AI 项目，从来不是做出来的。是不该做，却没人敢说那句「我们先退一步想想」。

一句扎心的话：大部分公司嚷嚷着要 Agent，其实 60% 的场景，一个 API 封装层就够用了。我们不是不需要 Agent，是不需要那么多 Agent。

关键成果

关键经验

这个框架不是让你拒绝 Agent，而是让工具和「真正在重复的模式」对上号。多数「智能体」项目，只要你问一句「动作是不是每次都一样」，当场就露馅——因为诚实的答案是：它只是披着 Agent 外衣的工作流。

Agent 只有在「需要应对意外的中间结果、价值可控、错了能回滚且输赢可验证」时才配上岗。其余一切，都是穿着工牌的工作流或 API 封装层。

适用场景

这张 6 问自检决策图，适合这样的团队：正在评估要不要建 Agent，但不确定是否真有必要；已经拍板「全面上 Agent」、想做一次 sanity check；跑着重复性、工具驱动的流程，却默认它需要 Agent；或想把 AI 预算从跟风式建设，转向 ROI 最高、风险最低的那部分自动化。