字节面试官问：什么时候工作流就够了，什么时候才该上 Agent？
字节跳动，某 AI 平台组二面。面试官给了一个真实场景：客服系统每天处理上万条工单，团队想用 AI 接管一部分。候选人答了十分钟，核心观点是"agent 更智能，应该直接上 agent"。面试官追了一句："你的 agent 调试周期是多久？如果工单处理延迟翻倍，业务能接受吗？"
这道题看似在问技术选型，实际在考判断力：你有没有能力在"能做"和"该做"之间划线。
二、大多数人怎么答的
最常见的回答是："这个任务有多个步骤，需要调 API、查数据库、做判断，肯定得用 agent。"
问题出在一个隐含假设：多步骤 = 需要模型自主决策。但大多数多步任务的路径是固定的——先分类，再查库，再生成回复——每一步该做什么、做完跳到哪一步，你在写代码的时候就知道了。这种情况下硬上 agent，相当于把本来确定的路径交给模型"重新发明"一遍，代价是延迟更高、调试更难、结果更不可控。
典型误判： "任务复杂、步骤多，就该上 agent。" —— 其实大部分复杂任务只需要 workflow。
三、正确判断框架
五、落地案例：客服工单系统
实战拆解: 同一个客服系统，常规工单走 workflow，复杂投诉走 agent——两条路线对比。
六、上线坑点坑
坑1：为了显得先进，过早上 agent
调试成本是 workflow 的 5-10 倍。同样的输入可能走不同路径，复现问题极难。如果 workflow 能解决，永远优先 workflow。
坑2：把固定规则写成模型判断
"如果金额超过 500 就走人工审批"——这是一行 if 的事。交给模型判断只是增加不必要的不稳定性和成本。
坑 3：agent 没有 fallback
agent 决策失败后没有降级路径。必须设计好：agent 超时或信心不足时，自动退回到 workflow 或升级人工。
查看11道真题和解析
我将陆续释放分享我的面试学习资料