同一个查询任务，脚本、工作流和 Agent 的区别

查找一份资料，可以按固定关键词查询，也可以在没有结果时换一个词继续查。实现成脚本、工作流或 Agent，区别不只是有没有调用模型，还包括下一步由谁决定。

这里用同一个任务比较：查询 Cookie 文档，如果没找到，尝试调整关键词。数据只有两条，不连接外部服务。Agent 部分用模拟决策器代替模型，方便检查执行过程。

脚本与工作流

脚本也可以有复杂分支，工作流也可以由代码实现，两者没有严格的代码形式分界。这里把一次固定查询作为脚本，把预先规定的“失败后换词”作为工作流：

const notes = [
  { id: 'cookie', title: 'Cookie', text: '浏览器携带会话 ID。' },
  { id: 'stream', title: '流式请求', text: '逐步读取响应并支持取消。' },
];

function search(query) {
  const keyword = query.toLowerCase();
  return notes.filter(note =>
    (note.title + note.text).toLowerCase().includes(keyword)
  );
}

function runScript(query) {
  return search(query);
}

function runWorkflow(query, fallbackQuery) {
  const result = search(query);
  return result.length ? result : search(fallbackQuery);
}

工作流根据结果选择分支，但“没有结果就用 fallbackQuery”是开发者写好的规则。流程里使用一次模型改写文字，也不会自动让整个流程变成自主选择工具的 Agent。

步骤稳定时，固定规则往往已经够用。是否引入模型，要看是否有难以提前列全的决策，而不是代码里出现了循环或多个函数。

决策器和执行器

Agent 的常见实现是让模型结合目标和已有结果，决定下一步动作。执行器负责检查动作是否合法、调用工具，再把结果交回决策器。

这个结构可以不连接模型就检查。把下面代码接在前面的查询函数之后：

async function runAgent(decide, { maxSteps = 4 } = {}) {
  const observations = [];
  const trace = [];

  for (let step = 0; step < maxSteps; step++) {
    const action = await decide({ step, observations });
    if (action?.tool === 'finish') return { done: true, trace };
    const query = action?.args?.query;
    if (action?.tool !== 'search' || typeof query !== 'string' ||
        !query.trim() || query.length > 80) {
      throw new Error('不允许的工具或参数');
    }
    const result = search(query);
    observations.push(result);
    trace.push({ action, result });
  }
  return { done: false, trace };
}

执行器只接受 search 和 finish。决策器返回的内容不拿来 eval，也不允许它通过自定义工具名调用任意程序。达到步数上限时返回未完成，而不是无限循环。

done: true 只表示决策器选择了 finish，不自动证明任务完成正确。真实应用还需要校验最终答案或任务结果。

用模拟动作观察过程

把前面两段代码和下面代码放在同一个 compare.mjs 中，执行 node compare.mjs：

import assert from 'node:assert/strict';

console.log('脚本：', runScript('missing'));
console.log('工作流：', runWorkflow('missing', 'Cookie'));

const actions = [
  { tool: 'search', args: { query: 'missing' } },
  { tool: 'search', args: { query: 'Cookie' } },
  { tool: 'finish' },
];
const result = await runAgent(async ({ step }) => actions[step]);
assert.equal(result.done, true);
assert.equal(result.trace[0].result.length, 0);
assert.equal(result.trace[1].result[0].id, 'cookie');
console.log('模拟决策：', JSON.stringify(result, null, 2));

await assert.rejects(
  runAgent(async () => ({ tool: 'write', args: {} })),
  /不允许/,
);
const unfinished = await runAgent(
  async () => ({ tool: 'search', args: { query: 'missing' } }),
  { maxSteps: 2 },
);
assert.equal(unfinished.done, false);
assert.equal(unfinished.trace.length, 2);
console.log('非法动作和步数上限检查通过');

脚本返回空数组，工作流按预设词找到 Cookie，模拟决策器按三步动作结束。模拟动作提前写好了，并没有根据观察自主选择，所以这个结果只能检查执行器，不能证明模型会自己调整查询。

接真实模型时，decide 可以把目标和 observations 传给模型，再把返回内容解析成受约束的动作。模型输出仍然需要校验，不能因为使用结构化输出，就跳过工具权限和参数检查。

增加模型之后还要控制什么

步数限制只能控制调用次数，不能限制单次调用卡住多久。实际应用还需要单步超时、总时间、费用预算和中止信号。

工具有写入或付款等副作用时，要明确权限及确认流程，并处理重试导致的重复操作。查询结果也可能来自不可信网页，不能把页面中的文字提升成控制工具的指令。

评估真实模型，需要用固定任务集记录任务结果、工具调用次数、费用和失败类型。一次完成的演示，不足以说明它比预设流程更可靠。

对于这里的固定查询任务，一条 fallback 规则就能完成。查询范围和策略经常变化，难以提前写全分支时，模型决策才可能带来帮助，同时也增加了需要检查的行为。