AI 工作流入门：Workflow、Automation、Agent 到底差在哪，我用自己的内容流水线讲清楚
哈喽，我是飞飞。
这是「AI 超级个体进阶指南」的第 5 课。今天聊一个我自己也踩过的认知坑：Workflow、Automation、Agent 这三个词，刚开始我混着用，觉得不就是「让 AI 自动帮我干活」嘛。直到我把那条天天在跑的内容流水线拆开看，才发现这是三层完全不同的机制，叠在一起才有今天这套能自己跑的活儿。三者分不清，你搭出来的东西要么死板得没必要上 AI，要么放飞得不敢交给它。
所以这一课不背定义。我直接拿自己的内容流水线当活教材，把三个概念一刀切开，再带你看这套混血结构怎么搭。
先把这三个词一刀切开：谁说了算
辨析这三个词，网上一堆定义越看越绕。我后来发现，其实只要抓住一个问题就够了：这件事的「控制流」是谁定的，是人提前把步骤写死在代码里，还是模型在跑的时候自己临场决定。
这把刀是 Anthropic 在那篇被引用烂了的《Building Effective Agents》里划出来的。他们的原话是，Workflow 是「LLM 和工具被预先定义好的代码路径串起来」的系统，Agent 则是「LLM 自己动态指挥自己的流程和工具使用」。说人话就是：Workflow 的路线是人画好的，Agent 的路线是模型自己走出来的。
那 Automation 又是什么？它比 Workflow 还往前一步，连 AI 都不一定用。说白了，自动化就是「if 这样，就那样」的死规则，跑一百遍结果一模一样。RPA、定时脚本、你邮箱里那条「收到带发票的邮件就自动归档」的规则，都是 Automation。它最大的优点是绝对可预测，但它一点都不「聪明」，碰到规则没覆盖到的情况就直接懵。
这三个摆一块儿，你能感觉到一条递进的线：
- Automation：人写死规则，模型基本不参与，图的是省事和绝对稳。
- Workflow：人定好步骤顺序，但每一步里可以塞 AI 干判断的活，图的是「又稳又有点脑子」。
- Agent：人只给目标，连走几步、用哪个工具都让模型自己定，图的是灵活，代价是没那么可控。
有意思的是，这三层不是「谁取代谁」，而是能叠着用。我那条内容流水线，就是三层全用上了。
我的内容流水线，骨架是 Workflow
先看骨架这一层。我写一篇公众号文章，背后是一条焊死了顺序的流水线，整整 7 个环节：先拉 AI 资讯定选题，再搜资料核事实，然后起草、降 AI 腔、提炼写作经验、配封面，最后转成各平台格式。这个顺序是我一遍遍跑出来固定下来的，不能乱。你没法先配封面再定选题，也没法跳过核事实直接起草，那文章里的数字就没人兜底了。
这一层就是标准的 Workflow：步骤是我提前画好的，模型只在我允许的格子里干活。 好处很实在，就是可预测。我知道这条线跑完一定会经过「核事实」和「降 AI 腔」这两道关，不会因为模型今天心情好就跳过。Anthropic 那篇文章讲得很直白：任务定义清楚、你要的是一致性和可预测性，就该用 Workflow，别动不动上全自主的 Agent。
为什么不把整条线交给一个全自主 Agent，让它「自己看着办」？因为我试过类似的放飞，结果它经常自作主张，比如跳过我最看重的防 AI 腔规则。把骨架钉成 Workflow，等于用代码路径给它划好了护栏。这套防 AI 味的 grep 规则、那份越喂越厚的 CLAUDE.md，都是我照着 Claude Code 认 frontmatter、调 hook 的脾气一点点磨出来的，光把这套规则调顺就搭进去好几个晚上。我可不舍得让模型一时兴起就绕过去。
每个环节内部，又是一个 Agent
但骨架是 Workflow，不代表里头死板。妙就妙在，每个环节的格子里，装的其实是一个能自己规划的 Agent。
拿「搜资料」这个环节举例。我不会写死「先搜 A 关键词，再搜 B 关键词，抓前三条」这种脚本，只给它一个目标：把选题的事实核清楚、别编造。剩下的它自己定：搜几个关键词、用哪个搜索工具、哪条信源可疑要再交叉验证、要不要把原文抓下来读全文，这些运行时的决策全是模型自己做的。我事先根本不知道它这次会走几步。这就是 Agent 的特征：路径是它临场长出来的。
起草那个环节也一样。我给的是写作规则和素材，不是一句句填空模板。它得自己判断这篇该用哪个开头钩子、哪段补一手细节、哪里偏题了要拉回主线，这些都不是我能提前写死的。
所以你看，我这套东西的真身是个混血结构：外面一层是顺序焊死的 Workflow，每个环节内部是能自己判断怎么干的 Agent。 这也正好对上 Anthropic 的判断：用 Workflow 保住整体的可控可预测，把 Agent 的灵活性收在一个个有边界的格子里。既不会全死板浪费了模型的脑子，也不会全放飞失了控。
那 Automation 藏在哪，还咬过我一口
前面 Workflow 和 Agent 都讲了，纯 Automation 在我这套里也有位置，藏在你不太会注意的角落。
我的博客 vance.xin，整条发布就是 GitHub Actions 自动化的：一 push 到主分支，它自动构建、自动部署，workflow 里还自挂了两段死规则：每次部署完，自动把最新文章的网址推给百度收录接口，再推一份给 IndexNow。这几段就是纯 Automation，固定触发、固定动作、不需要任何模型判断，图的就是不用每次手动去戳一遍。
但 Automation 有个隐藏成本，我前阵子就被结实咬了一口。负责把站点同步到 GitHub Pages 镜像的那个授权令牌过期了，部署连续静默失败了一整天。要命的是，构建明明成功，只有最后一步推送认证红了，可没人盯着那个状态。我隔了一天主动去查才发现，镜像站已经挂了一整天没人知道。
这件事正好印证了 Automation 最容易被忽略的脾气：它绝对听话，但不会思考，更不会喊疼。 规则覆盖到的它跑得飞快，碰上规则外的异常（比如令牌过期），它不会像 Agent 那样停下来想「咦不对，该报个警」，只会默默地一遍遍失败。后来我学乖了，给这条线单独配了个「失败本身」能被人看见的告警。全自动这东西省的是手，但你得替它把「出事了」这一声补上。
不想从头搭？先把一个手工环节升成流水线
道理讲完，落到你今天就能动手的一件事上。别一上来就想搭我这种 7 环节混血流水线，那是我跑了一百来篇才长成的。你只要挑一个反复在做、步骤又固定的活，把它从「每次手动点一遍」升成「一条能自己跑的线」就行。
判断标准很简单，对着上面那三层套一遍：这件事每一步要不要模型动脑子？步骤能不能换序？
如果完全不用动脑、步骤也死板（比如每天定时把某个表格导出来发到群里），那它就是 Automation，配条规则五分钟搞定，别硬塞 AI 进去浪费 token。如果步骤固定、但中间某几步要 AI 帮你判断或生成（比如「抓一批用户反馈 → 让 AI 归类打标 → 汇总成日报」），那它就该搭成 Workflow，顺序你定，中间那步交给模型。等你哪天发现某一步情况太多变、写死规则根本覆盖不过来，再把那步升级成能自己规划的 Agent。
先跑通一条最小的线，比一上来追求全自动重要得多。我这套也是从「先把配封面那一个手工环节自动化」开始，一环一环长起来的。
三个词背后是同一个问题：这事到底谁说了算
绕回开头那个认知坑。我当初混着用这三个词，是没意识到它们是同一个问题的三个答案：这件事到底该让人说了算、让模型说了算，还是让死规则说了算。想清楚这点，你再看任何一个号称「AI 自动帮你干活」的产品，都能一眼看出它是哪一层、靠不靠谱。
真正的功力，在于把三层叠对地方：死板的活交给 Automation，要可控的骨架用 Workflow 焊死，要灵活的环节才放 Agent 进去自己跑。你现在读的这篇，就是这套混血机制跑出来的，我坐在中间像个工头，派活、收活、逐篇过手。
最后留个问题给你：你手上现在最烦、又最固定的那个重复活儿是什么？对着「要不要模型动脑、步骤能不能换序」量一量，它该升成 Automation、Workflow 还是 Agent？评论区告诉我，我帮你拆。