Workflow、Agent、Tools 这三个的概念和区别介绍一下？

面试考察点

1. 概念辨析：面试官想看你能不能把 Tools、Workflow、Agent 三者的边界说清楚。很多人一上来就混着用这三个词，Anthropic 在 2024 年 12 月那篇《Building Effective Agents》里给了业界公认的定义，先把这个记牢。
2. 架构选型意识：知道区别只是入门。给你一个具体业务场景，你能选出合适的形态吗？"什么时候用 Workflow，什么时候必须上 Agent"，这才是面试官真正想听的。
3. 工程实践：在 Java 生态里（Spring AI、LangChain4j），这三种东西分别怎么落地？有没有动手写过？
4. 前沿认知：Anthropic 提的 "简单胜于复杂" 原则你认同吗？2025 年 Spring AI 1.0 把这些概念正式引入了 JVM 生态，你关注过吗？

核心答案

这三个东西不是并列关系，而是层级递进的，一句话概括：

Tools 是积木，Workflow 是按图纸拼好的流水线，Agent 是会自己看图纸自己拼的工人。

Anthropic 给的核心建议很朴素：先从最简单的方案开始，能用 Workflow 解决的就别上 Agent。

深度解析

一、Tools（工具）—— 最小积木

Tools 是三者里最底层的概念，说白了就是一个可以让 LLM 调用的函数。它本身没 "智能"，就是一个被动的能力单元，查个数据库、调个 API、读个文件，都是它干的活。

图上能看出来，Tool 的角色很纯粹，只负责 "执行具体动作"，至于 "什么时候调、调几次、调用结果怎么处理"，那是上层 Workflow 或 Agent 的事。

在 Spring AI 里，定义一个 Tool 很简单，用 @Tool 注解就够了：

@Component
public class WeatherTools {

    @Tool(description = "查询指定城市的实时天气信息")
    public String getWeather(String city) {
        // 实际调用天气 API
        return WeatherApi.query(city);
    }

    @Tool(description = "查询指定城市的未来三天天气预报")
    public String getForecast(String city) {
        return WeatherApi.forecast(city, 3);
    }
}

定义完了，把 Tool 注册给 ChatClient，LLM 就能根据用户的问题自动决定要不要调、调哪个。这里有个细节很多人忽略：Tool 的 description 字段很关键，它直接决定 LLM 能不能选对工具，写得模糊或重复，模型就会乱调。

Tools 既不是 Agent 也不是 Workflow，它是构建后两者的最小能力单元。

二、Workflow（工作流）—— 固定编排

Workflow 是开发者预先设计好代码路径的多步流程。LLM 和 Tools 按你写死的步骤一步步走，每一步做什么、结果往哪传，都是确定的。

图上是一个典型的 RAG Workflow，每一步的输入输出、调的是 LLM 还是 Tool、调用顺序，都是开发者写死的。LLM 在里面只负责 "执行单步任务"，不决定流程走向。

Spring AI 里用 ChatClient 的链式 API 编排 Workflow 很自然：

@Service
public class RagWorkflow {

    private final ChatClient chatClient;
    private final VectorStore vectorStore;

    public RagWorkflow(ChatClient.Builder builder, VectorStore vectorStore) {
        this.chatClient = builder.build();
        this.vectorStore = vectorStore;
    }

    public String answer(String question) {
        // 这就是一个典型的固定路径 Workflow
        // 每一步都是开发者编排好的，LLM 不决定流程
        return chatClient.prompt()
            .user(question)
            .advisors(a -> a.param(RetrievalAugmentationAdvisor.PARAM_RETRIEVE_QUERY, question))
            .advisors(RagAdvisor.build(vectorStore))   // 步骤1：检索
            .call()
            .content();                                // 步骤2：生成
    }
}

这段代码的关键在于：流程是开发者写死的。LLM 干的活就是 "给你一段上下文，你给我生成一段话"，它没权力决定 "要不要检索"" 检索几次"" 要不要再调一个 Tool"。

Workflow 适合任务路径明确、可预测、对稳定性要求高的场景，比如：

• RAG 问答（检索→重排→生成，固定流水线）
• 文档抽取（解析→分块→抽取字段→校验）
• 意图路由（LLM 分类→分发到对应处理分支）

三、Agent（智能体）—— 自主决策

Agent 是三者里最复杂、最 "智能" 的形态，核心特征就一句话：LLM 自己决定调什么工具、什么时候调、调几次，靠 "感知→思考→行动→观察" 的循环往前推进，直到把任务做完。

图上就是经典的 ReAct（Reasoning + Acting）循环。看那条从 Observe 回到 Think 的边，这就是 Agent 跟 Workflow 最本质的区别：它有循环，会在中间结果的基础上重新决策。

Workflow 是 "直线"，Agent 是 "圆环"。

在 Spring AI 里实现一个 Agent，关键是给 LLM 配备一组 Tool，并开启自主循环：

@Service
public class ResearchAgent {

    private final ChatClient chatClient;

    public ResearchAgent(ChatClient.Builder builder,
                         WeatherTools weatherTools,
                         SearchTools searchTools,
                         DatabaseTools dbTools) {
        this.chatClient = builder
            .defaultTools(weatherTools, searchTools, dbTools)  // 配备一组工具
            .build();
    }

    public String research(String task) {
        // Agent 的核心：LLM 自主决定调用哪个工具、调用几次
        // 开发者不写死任何路径，全部交给 LLM 决策
        return chatClient.prompt()
            .system("""
                你是一个研究助手，可以根据任务自主选择合适的工具。
                你可以反复调用工具、观察结果、调整策略，直到完成任务。
                """)
            .user(task)
            .call()
            .content();
    }
}

这段代码看着跟 Workflow 没差多少，但本质完全不同。开发者不知道 LLM 会先调 searchTools 还是 dbTools，也不知道它会循环几次，运行时根据任务和中间反馈自己决定路径。

Agent 适合任务路径不明确、需要自适应推理的场景，比如：

• 复杂研究任务（"帮我调研一下 2025 年新能源车市场，输出一份报告"）
• 多步骤问题求解（不知道要走几步的问题）
• 开放式探索（用户给的目标本身就是模糊的）

四、三者关系：从积木到编排到自主

把三者放到一起看，它们是层级递进关系：

如上图所示：

• 第一层 Tools：是构建一切的基础，但它单独存在没有任何 "智能"，就是个能力插件
• 第二层 Workflow：把多个 Tools 按固定路径串起来，开发者是司机，LLM 是执行单元
• 第三层 Agent：把 Tools 全部交给 LLM，LLM 自己当司机，在循环里决定下一步往哪走

这里有个容易混淆的认知点：Tools 本身不是 Agent，调用 Tools 的 LLM 也不一定是 Agent。只有 "LLM 自主决策 + 循环执行" 同时成立时，才叫 Agent。一个简单的 Function Calling，只要路径是开发者写死的，就仍然只是 Workflow 的一部分。

五、选型决策：什么时候用哪个

Anthropic 给的建议，也是 2025 年业界的主流共识：

我自己踩过这个坑，之前做一个客服系统，一开始图酷炫上了纯 Agent 架构，结果线上 Token 消耗爆炸、偶尔还会陷入死循环，后来老老实实改回 Workflow + 几个分支路由，稳定性和成本都好太多。

Anthropic 反复强调：简单胜于复杂。能不调 LLM 就不调 LLM，能用 Workflow 就别上 Agent，能用单个 Tool 就别编排一长串流程。懂得克制，比会堆复杂架构更难。

面试高频追问

1. Agent 会不会陷入死循环或者一直调错工具？怎么处理？

   会。生产环境必须加护栏：限制最大循环次数（max_iterations）、限制单次任务的 Token 预算、对 Tool 调用结果做校验、加上 "失败 N 次就降级到人工" 的兜底逻辑。这块是 Agent 工程化的核心难点。

2. Workflow 和 Agent 能混合用吗？

   能，而且这是 2025 年生产环境的主流形态。典型做法：外层 Workflow 编排，关键决策点交给 Agent。比如 RAG 主流程是 Workflow，但 "查询改写" 这一步用一个小 Agent 来动态决定改写策略。这种 "Workflow 里嵌 Agent" 的形态叫 "Agent with Guardrails"。

3. Spring AI 和 LangChain4j 在这三个概念上有什么差异？

   抽象基本一致，都遵循 Anthropic 的定义。Spring AI 用 @Tool 注解 + ChatClient 链式 API，跟 Spring Boot 生态深度集成；LangChain4j 更接近 Python 版 LangChain 的设计，API 风格更 "LangChain 味"。企业级 Spring Boot 项目优先选 Spring AI。

常见面试变体

• "Tool Calling 和 Agent 是一回事吗？"（考察对边界的理解）
• "你做过的 RAG 系统是 Workflow 还是 Agent？为什么这么选？"
• "Anthropic 那篇《Building Effective Agents》里讲了哪几种 Workflow 模式？"（提示：Prompt Chaining、Routing、Parallelization、Orchestrator-Workers、Evaluator-Optimizer）
• "为什么 Anthropic 建议优先用 Workflow 而不是 Agent？"

记忆口诀

"积木、流水线、当家人"：

• Tools 是积木——被动能力单元
• Workflow 是流水线——人写死路径
• Agent 是当家人——LLM 自己决定路径

一句话记区别：Workflow 是人开车，Agent 是 LLM 开车，Tools 是车上的各种零件。

总结

Tools、Workflow、Agent 是 AI 应用的三个抽象层级，不是并列关系而是递进关系。面试回答时记住三件事：讲清三者边界、给出 Java 落地代码、强调 "简单胜于复杂" 的选型原则。最后一条特别加分，能体现你不只是会用，还懂得克制，这恰恰是工程师跟 "工具人" 的区别。