Dify:Agent 和 Workflow 到底差在哪?

Dify:Agent 和 Workflow 到底差在哪?

2026年5月25日
377 次阅读
dify agent workflow chatflow llm no-code comparison mcp

我是 Lena。上周我有一整个下午对着 Dify 的 "Create App" 界面发呆,卡在一个看起来简单、其实不简单的问题上:我要做的这个东西,应该选 Agent 还是 Workflow?

这种决定的特点是——一旦你想明白了就觉得显而易见,但第一次碰的时候是真的会让人困惑。两边都能调用 LLM,两边都能用工具,两边都能产出结果。那它们到底差在哪——以及什么时候选错了会让你白白返工好几个小时?

下面是我在两种模式之间来回切换、把 Dify 文档刷得比我愿意承认的次数还多、把同一个项目重写了两遍之后,搞明白的东西。

速答:要灵活就选 Agent,要可控就选 Workflow

如果你只有 30 秒:Dify 的 Agent 是实时推理、自己决定的——它自己挑用什么工具、什么时候用。 Dify 的 Workflow 走的是你提前定义好的路径——每一步都看得见,每一处分支都是显式的。

任务开放性高的时候用 Agent。任务步骤稳定的时候用 Workflow。这是核心的分界线。

但实际情况比这复杂得多,所以请继续往下看。

Dify Agent vs Workflow 对比表

维度Dify AgentDify Workflow / Chatflow
控制流程LLM 在运行时决定路径你在可视化画布上把路径定义出来
记忆与上下文内置对话记忆(最多 500 条消息)Workflow:无记忆。Chatflow:每个 LLM 节点可配置记忆
工具使用模型自主决定调用哪些工具工具作为固定节点摆放——你决定它们什么时候运行
调试比较难追踪——模型的推理是一个黑盒节点级单步调试,单节点测试运行
可靠性可预测性低——取决于模型的推理质量高度可预测——同样的输入,同样的路径

我搭东西的时候反复回来翻这张表。最让我意外的是两种模式下调试体验的差异。这点我下面会讲。

控制流程

在 Dify Agent 里,你写一个 prompt,挂上工具,由模型决定执行顺序。你不画流程图,你描述一个目标,然后 LLM 用 Function Calling 或 ReAct 这类策略推理出步骤——决定调用哪个工具、处理返回结果,然后再决定下一步。

在 Workflow 里,你站在一块画布上。你拖节点——LLM、Knowledge Retrieval、If/Else、Code、HTTP Request——再用线把它们连起来。根据 Dify 的 workflow 文档,Workflow 从头到尾跑一次就结束,Chatflow 是在同一套节点系统之上多加了一层对话层。

这个区别在我亲自试两边之前感觉还很抽象。Agent 像是把工具箱递给某个人然后说"你看着办"。Workflow 像是写一份组装说明书。

记忆与上下文

这一点我没料到。Agent 会自动保留对话历史——最多 500 条消息或 2,000 token,哪个先到达就以哪个为准。超过上限的旧消息会被丢掉。

Workflow 没有记忆。每次跑都是完全从零开始。Chatflow 确实支持记忆,但你要在每个 LLM 节点里手动配置,而且和会话 ID、session 变量绑定。我直到自己的 workflow "忘了"两次运行之间的所有东西、花了 20 分钟以为是自己写坏了之后,才意识到这一点。

工具使用

Agent 动态挑工具。你把工具挂在 agent 上,由 LLM 在运行时根据用户的 query 决定用哪些。

Workflow 把工具当固定节点用。你把 "Google Search" 节点或 "HTTP Request" 节点精确摆在你想要的位置。执行流走到那个节点时,工具就会运行——不涉及模型的决策。

调试

……这一点我停在这里想了一会儿。

Dify Workflow 有 step-run 功能,能让你单独测试某个节点。你可以给单个节点喂测试输入,看它具体输出什么。这对生产工作来说是个大事——你能精确隔离出哪个节点行为不对。

Agent 给不了你这种能力。你能在对话日志里看到模型的工具调用,但要追踪它为什么选这条路径要难得多。推理发生在模型内部,日志记的是发生了什么,未必能解释为什么。

可靠性

这个权衡我现在也不敢说完全理解了,但我注意到的是:同样的输入,workflow 走出来的输出路径是同一条。 如果你的 If/Else 分支把账单问题路由到左、技术问题路由到右,每一次都会这么走。

Agent 可能会给你惊喜。模型可能用不同顺序调用工具、或者干脆跳过其中一个,看它怎么解读这次的 query。这是灵活性的代价。

什么时候用 Dify Agent

任务需要推理或者开放性的工具使用

如果用户什么都可能问——"分析这份数据"、"先搜 X 再总结"、"对比这两个东西"——而你没法提前预测步骤,那 Agent 是合理选择。

数据分析助手就是 Dify 自己的例子:agent 自主获取数据、生成图表、总结结论。你只描述 persona,挂上工具。

用户的交互会改变路径

那种"下一步取决于用户刚才说了什么"的多轮对话——这是 Agent 的地盘。内置记忆意味着 agent 还记得你三条消息前讨论过的东西。想在 Workflow 里复刻这件事,意味着手动管理 session 变量,复杂度会很快上去。

什么时候用 Dify Workflow

过程的步骤是稳定的

报告生成、工单分类、文档处理、邮件路由。如果在你动手之前,就能在白板上用方框和箭头把流程画出来——它就是一个 workflow。

我把工单分发器搭成了 Chatflow:用户消息进来 → LLM 分类意图 → If/Else 路由到不同的回复模板 → Answer 节点输出结果。每一步都看得见。每一处分支都可测。如果分类错了,我知道具体要修哪个节点。

可预测性比灵活性更重要

需要一致、可审计行为的生产系统,应该放在 workflow 里。IBM 把 agentic workflows 定义为"agent 在最少人工干预下做决策的 AI 驱动流程"——但实际上很多生产团队想要的恰好相反:对决策路径保持最大程度的人为控制,AI 只负责每一步内部的重活。

Workflow 给你的就是这个。你控制路径,LLM 负责每个节点里的生成。

混合模式:workflow 里嵌 agent、agent 外面套 workflow

……这里事情开始变得有意思。

自从 Dify 引入了 Agent Node 作为 workflow 组件 之后,你可以把 agent 的推理能力嵌进 workflow 内部。Workflow 负责整体结构——分类、路由、条件分支——而 Agent Node 在某些特定步骤接管、负责需要自主推理的部分。

可以这样想:你的 workflow 是高速公路,Agent Node 是一个匝道,LLM 可以下去自由探索,然后回到主路。

Agent Node 支持可插拔策略——Function Calling 和 ReAct 是内置的,你也可以从 Dify Marketplace 装其他的。这意味着你可以拥有一个严格受控的 pipeline,其中某一步说"这部分你自己想办法"。

我试过一个简单版本:Start → Question Classifier(LLM 节点)→ 如果是技术问题 → 带有文档工具的 Agent Node → Answer。Classifier 做确定性的路由,agent 负责开放性的部分。对我的用例来说,比单独用任何一种模式都好用。

反过来也成立——你可以把一个 Workflow 发布成 MCP server,让外部 agent 把它当工具调用。Workflow 就成了更大的 agentic 系统里的一个可靠子例程。

Dify 项目里常见的错误

用 agent 处理确定性任务

如果你的流程是"接收输入 → 分类 → 路由 → 响应",而且步骤从不变化,就别用 agent。你会得到不一致的路由、更难调试的过程、更高的 token 成本。一个 workflow 用四个节点就能搞定,零模糊。

我早期就犯过这个错。我把一个 FAQ 机器人搭成了 agent,因为感觉这样设置更简单。一开始确实是——直到同样的问题开始给出不一样的答案,而我除了翻聊天日志之外没办法搞清楚为什么。

用 workflow 处理模糊任务

反过来的错误。如果用户的问题可能需要两个工具、也可能需要五个工具,你又预测不出来,那为每种可能性都搭一条 workflow 分支会变成维护噩梦。这种时候就该让 agent(或者 workflow 里的 Agent Node)登场了。

我开始看到的一种模式:workflow 当骨架,agent 做关节。 结构在需要刚性的地方保持刚性。灵活性在重要的地方才出现。

FAQ

Dify 里 Agent 和 Workflow 有什么区别?

Agent 用 LLM 的推理能力来决定调用哪些工具、按什么顺序调用。Workflow 在可视化画布上定义一套固定的步骤顺序。Agent 灵活但可预测性差。Workflow 可预测,但每一条路径都要你自己设计。

什么时候用 Dify Agent,什么时候用 Dify Workflow?

开放性任务用 Agent——研究助手、数据分析、对话机器人。稳定、可重复的过程用 Workflow——工单路由、报告生成、批量处理。

Agent 和 Workflow 在记忆和上下文上有何不同?

Agent 自动保留对话历史(最多 500 条消息)。Workflow 在两次运行之间没有记忆。Chatflow 通过 session 变量支持可配置的记忆。

我能在同一个项目里把 Dify Agent 和 Workflow 结合起来用吗?

可以。Agent Node 把自主推理嵌进 Workflow 内部。你也可以把 Workflow 发布成工具,供 agent 调用。

把两种模式都玩了一遍之后,我一直在想这件事:真正难的不是选 Agent 还是 Workflow,而是搞清楚你的系统里哪些部分需要推理、哪些部分需要轨道。 这个 agent-vs-workflow 的问题,会在 AI 系统设计的每一层反复出现——而且越来越多的答案都是:两者都要,仔细组合。如果你在搭那种需要跨任务保留学到的东西——而不仅是单次对话内部——的 agent,那是 另一类问题,值得花点心思去关注。

……我会继续观察这块怎么演化。

往期文章

相关文章