有一个问题我被问过很多次，几乎每次分享都有人提：
“我们企业内部有些场景对精准度要求很高。正因为精度要求高，是不是应该用工作流编排，而不是让大模型自主规划？”
每次听到这个问题，我的回答都是同一句：
这个想法大错特错。因为你的前提就是反的。
你假设了“工作流更准确、更可靠”。事实恰恰相反。
**一定要记住：Agent Harness 是更可靠的、更稳定的、准确率更高的。**在 90% 的情况下，只要你把 Agent Harness 用对了，稍微下点功夫，它对工作流都是碾压。
这一篇我把这件事讲透。这可能是今天企业 AI 落地里，最贵的一个认知误区。
为什么这么多人相信工作流更可靠
因为传统程序员的思维太重了。
传统软件工程的信念是：把流程拆解清楚，一步一步定义好，系统才可控。人类先把思考过程想明白，再把它固化成代码。
在人类手写软件的年代，这是对的。
但到了这一代 AI 面前，这个信念反过来了：人类事先想好的那套流程，往往才是错的。
因为真实世界不按你画的流程图运转。
真实世界的流程有多复杂
工作流真正适用的场景，其实非常窄——“我要给一篇文章做个摘要，然后发到小红书”，这种确实永远是流程。
但真实世界里白领办公的绝大多数场景，用工作流都是扯淡。
我给机械厂做的那个 CAD 拆解，你去想想它的真实过程是什么样：
一张大图进来，AI 要先看一眼整体，判断这是个什么东西；然后它发现某个位置的标注看不清，于是决定把局部放大再看一次；确认了标注上的数字之后，再决定要不要切图；切完之后判断这个零件需要哪些工艺，还得回头去核对另一个位置的信息。
**这些判断都是它自己现场做的。**放大还是缩小、看局部还是看全局、该不该切图、下一步调用哪个工具——没有一条是我事先规定好的。
你用工作流怎么写这个？你写二十个节点、两百个节点，都覆盖不了真实图纸的千变万化。
低代码工作流那个东西非常脆弱，很容易死掉。你稍微遇到一点新东西，完蛋了，根本就跑不动。
这也是为什么，当初那家 RPA 厂商给环保客户的报价条件是：“你要能保证报表格式永远不变、政府网站永远不更新，我可以做到 60% 的准确率。”
**这不是他们不努力。这是他们那条技术路线的天花板。**格式固定、页面固定，是工作流能活下去的前提。而真实业务里，这个前提永远不成立。
Agent Harness 到底是什么
说清楚我在用的东西。
底层是一个行动力极强的 coding agent——你可以理解成 Claude Code 那一类东西的内核。
然后你给它配三样东西：
- 执行手段：bash 命令、可以写和运行的代码；
- 工具：MCP 工具。比如我给 CAD 那个项目配了一个工具，能把 CAD 格式转成 PNG——这样大模型就可以先用视觉看懂这张图在讲什么，再用代码去编辑它；
- 经验：skill。也就是从这个企业里萃取出来的业务流程和判断逻辑。
配好之后，剩下的让它自己决定。
它自己判断这一步该干什么、要不要再看一眼、该调哪个工具。整个过程是全自动的，不需要手写工作流，也不需要我预先编排。
顺便说一句，我见过不少团队号称在做 Agent，实际是“一个主 agent 挂几个写死的子 agent，外面再套一层编排”。
**那本质上还是工作流，只是换了个说法。**那些子 agent 既然是你写死的，为什么不干脆做成 MCP 工具？做成工具，主 agent 反而能更灵活地决定什么时候用它。
回应三个最常见的反驳
“Agent 不稳定。”
那是因为你没有把它挖掘到位。
不稳定就多跑几遍，改一改 prompt、改一改 skill，把边界写清楚，让它稳定下来。这本来就是要下功夫的地方。
实在稳定不了，回头看看是不是模型选得太差了——很多时候不是架构问题，是你用的模型 agentic 能力还不够，换一个更好的就解决了。
“Agent 不可解释。”
skill 本身就是可解释的——它就是一段人能读懂的文字，写清楚了在什么情况下该怎么做。case 也是可查的，每一次执行的轨迹都摆在那里。
真正不可解释的，恰恰是那个写了两百个节点、没人能完整讲清楚为什么这么连的工作流。
“我们精度要求高，不敢让它自由发挥。”
精度问题不是靠捆住它的手脚来解决的，是靠校验和审核来解决的。
我在环保那个项目上的做法是：让 AI 填完每一个格子之后，为这个格子单独写一段代码，回头去原始 PDF 里把这个数字的来源再撞一次，确认它真的出现在那一页。机器先自检，人再审核。
这才是提高精度的正确姿势——不是限制它的能力，而是给它的产出加验证。
整件事的手艺，恰恰在于同时做到两点：**既要让它保持自由发挥的空间，又不许它乱来。**这个尺度是这门活最难的地方，但绝不是靠退回工作流来解决的。
24、25 年的企业 AI 为什么那么糟
我认为工作流这条路，要为过去两年企业 AI 落地的糟糕结果负很大一部分责任。
**工作流一点都不是 AI 时代的思想。**编排二十个节点、两百个节点，做出来的 demo 只能适应某种很 tricky 的、非常简单的场景。一上客户的真实数据，立刻现原形。
然后就走到那个所有人都熟悉的结局：
做不出来 → 上不了线 → 勉强上线以后被用户骂 → 系统落灰。
那两年不是 AI 不行，是很多人用上一代的架构思想，去做这一代的事情。
最后
如果你正在评估一个 AI 供应商，我给你一个很实用的检验方法：
问他，你们的 Agent 架构是怎么做的？
如果答案是“我们做了一套工作流编排”、“我们有一个可视化的流程画布”、“我们做了多 agent 的编排”——你要非常小心。这大概率是上一代的东西套了个新名字。
如果答案是围绕 Agent Harness 展开的——底层用什么 agent、配了哪些工具、skill 怎么萃取、怎么做自检和人工审核、怎么用评测驱动它进化——那你大概率遇到了跟得上这一代的人。
效果好才是最重要的。效果不好，一切都是扯淡。