一句话定义
Agent Workflow 是把智能体的目标、规划、行动、观察、状态更新和终止条件组织成可重复的流程；Agent Loop 是循环，State 是当前上下文，State Machine 是状态转移，Trajectory 是执行轨迹。
为什么需要它
一次性 prompt 无法处理多步骤任务：工具会失败、结果要回填、流程要重试。工作流把“模型自由发挥”变成可观测、可恢复的控制流，降低跑偏和无限循环的风险。
关键概念
- Agentic Workflow：带工具、状态和分支的智能体流程，不等于固定 DAG。
- Agent Loop：规划 → 行动 → 观察 → 更新状态，直到完成/失败/超时。
- State：任务、工具结果、记忆、当前步骤等可变上下文。
- State Machine：定义状态与转移条件，便于恢复、重试和人工介入。
- Agent Trajectory：每一步的输入、动作、观察、耗时和错误，用于调试与评测。
关键取舍
- 状态机更可控，但灵活性低；自由循环更灵活，但更难调试。
- 轨迹记录增加存储/延迟，却是排障和评测的基础。
- 步数、超时、预算和人工审批要提前设计。
- 工具结果要结构化回填，避免自然语言歧义。
常见误区
- 工作流等于 prompt 链：真正的 Agent 会根据观察改变下一步。
- Agent Loop 可以无限跑：没有终止条件迟早失控。
- State 就是聊天历史：状态还包括工具结果、计划和错误。
- 轨迹只用于调试：它也是评测和审计的证据。
用在哪里
- 多步骤研究、运维、客服、代码修复。
- 需要人工审批、失败重试和可追溯的生产 Agent。
- 多智能体协作的上层编排。