https://blog.cpdd.fyi/tags/openhands/Recent content in OpenHands on Zampo BlogHugozh-cnSat, 25 Apr 2026 10:00:00 +0800https://blog.cpdd.fyi/posts/ai-agent-workflow-guide/Sat, 25 Apr 2026 10:00:00 +0800https://blog.cpdd.fyi/posts/ai-agent-workflow-guide/<p>一个团队花了两周，搭了三 Agent 流水线——研究员搜集数据、写作者整理报告、审核者把关质量。</p> <p>跑起来之后发现：每次执行花 40 秒，API 账单涨了 3 倍，调试时根本不知道哪个 Agent 说了什么。</p> <p>最后他们回到单 Agent，5 行代码解决了同样的问题。</p> <p>这不是个例。2026 年，多 Agent 工作流成了 AI 圈最热的方向。但<strong>很多团队的问题不是不会搭多 Agent，而是根本不需要。</strong></p> <p>能单 Agent 解决的，别拆成三个。</p> <p>如果你看完这篇，判断自己的场景确实需要多 Agent——这篇能帮你选对框架、跑通示例、避开坑。如果判断不需要——恭喜你，省了两周围绕三个 Agent 转的日子。</p> <h2 id="先判断你到底需不需要">先判断：你到底需不需要？</h2> <p>Agent 越多，调试越难，成本越高。</p> <p><strong>该用的场景：</strong></p> <ul> <li>复杂多步骤工作流，有分支、循环、暂停恢复——单 Agent 写出来像意大利面</li> <li>需要不同&quot;角色&quot;各司其职——研究员、写作者、审核者，每个角色的 system prompt 差异很大</li> <li>需要人类在环审批——跑到一半暂停，等人确认后再继续</li> <li>编码任务需要沙箱隔离——Agent 生成的代码不能直接在宿主机跑</li> </ul> <p><strong>不该用的场景：</strong></p> <ul> <li>简单问答/单步任务——引入多 Agent 是过度工程，直接用单 Agent 或 OpenAI API</li> <li>高确定性流水线——对话式控制流不可预测，用传统状态机/工作流引擎</li> <li>实时性要求高——LLM 调用延迟 + 多轮累积延迟，用缓存 + 异步处理</li> <li>无 LLM 的纯规则引擎——不需要 LLM 能力，用 transitions、state_machine 等库</li> <li>严格合规/审计——对话路径难以完全预测和审计，用确定性工作流引擎</li> </ul> <p><strong>一句话判断：</strong> 如果你的任务可以写成&quot;输入 → 处理 → 输出&quot;三步，别用多 Agent。如果需要分支、循环、多角色协作、人类审批，再考虑。</p>