评测《Her Private Hell》
2026-07-25 3424174
2026-07-25 0
很多AI应用看上去都是“用户提问，系统给出答案”。但系统内部可能做的是完全不同的事：有的在理解用户意图后自行选择工具，有的按预先定义的步骤执行，有的先从知识库找到资料再生成回答。
这些能力常常一起出现，于是容易被统称为“智能体”。实际上，智能体、工作流和RAG分别解决不同问题。
在OPC中国所代表的AI协同一人公司场景里，理解这一区别尤其重要。个人资源有限，如果把三个概念混在一起，往往会过早构建复杂系统，结果既难维护，也难判断问题究竟出在哪里。
智能体可以理解为一个能够理解任务、制定下一步行动并调用工具的AI应用。
例如，用户说：“帮我整理本周客户反馈，找出最值得优先处理的问题。”智能体可能会先判断需要读取哪些资料，再选择检索、分类或表格工具，最后组织出一份结果。
智能体的特点是具有一定开放性：同样的目标，面对不同输入，可能会选择不同路径。
它适合的任务包括：
阿里云百炼将智能体应用描述为由提示词驱动、能够理解用户意图、制定决策并调用知识库或外部工具的应用形态。阿里云百炼应用类型介绍
智能体的优势是灵活，代价是结果不一定每次都走同一条路径。因此，对于发布、删除、支付等高风险动作，需要加权限控制、人工审批和完整日志。
工作流可以理解为一条预先设计好的任务流水线。
例如，一份固定格式的报告生成流程可以写成：
读取表单
-> 校验必填字段
-> 查询知识库
-> 生成报告草稿
-> 检查输出格式
-> 写入待审区
每一步的输入、输出和下一步都相对明确。这样做的好处是可复现、可调试、可观察：某次结果出了问题，可以知道是数据校验、资料检索还是报告生成出了问题。
工作流更适合：
阿里云百炼将工作流应用描述为通过可视化节点编排，将多步骤任务串联为稳定、可控、可复现的执行链路。阿里云百炼工作流应用文档
简单理解：智能体更像“根据任务临场判断的助手”，工作流更像“按照流程执行的生产线”。
RAG是Retrieval-Augmented Generation的缩写，中文常译为检索增强生成。
它要解决的问题是：通用大模型未必知道你的内部资料、最新文档或特定业务规则。RAG会先根据用户问题，从知识库中检索相关片段，再把这些片段和问题一起交给模型生成回答。
例如，用户问“这个产品是否支持某项功能”，系统不应该只依赖模型记忆，而应优先从已经确认的产品文档、常见问题或版本说明中查找依据。
阿里云百炼知识库使用RAG技术，从外部信息源检索相关内容，为模型补充私有知识和更新信息。阿里云百炼知识库文档
RAG的关键不在于“上传更多文件”，而在于资料是否可靠：
RAG可以降低模型脱离资料随意回答的风险，但不能天然保证所有结果正确。资料错误、检索错误和生成错误都可能影响最终回答。
它们不是替代关系，而是可以组合使用。
可以把它们理解为三个不同层面：
| 能力 | 核心问题 | 典型作用 |
| 智能体 | 下一步该做什么？ | 理解意图、规划、选择工具 |
| 工作流 | 固定步骤怎样稳定完成？ | 编排、校验、重试、状态流转 |
| RAG | 回答依据从哪里来？ | 检索资料、补充上下文、提供来源 |
一个客户支持系统可能同时使用三者：智能体判断用户在问功能、故障还是价格；RAG从产品资料中检索相关内容；工作流负责记录工单、设置审批和发送待确认回复。
但不是每个项目都需要一次性使用三者。需求简单时，先从其中一个开始通常更合理。
可以先问三个问题。
如果每次都要按相同顺序完成，例如校验资料、生成文档、发送待审结果，优先考虑工作流。
如果任务路径取决于用户问题，例如需要判断是否搜索、是否调用工具、是否继续追问，智能体更适合。
如果依赖产品文档、项目资料、企业流程或更新频繁的信息，就需要考虑知识库和RAG。
如果只是创意写作、通用改写或格式处理，未必需要RAG。
错误影响越大，流程越应明确。涉及客户沟通、资金、隐私、生产系统和公开发布时，应优先采用可追踪的工作流，并保留人工审批。
RAG只能提供资料参考。若资料过期、召回片段无关或模型误解上下文，答案仍可能错误。
多个智能体意味着更多交接、更多工具权限和更多异常情况。对于小项目，先验证一个清晰任务是否真正有价值，再决定是否增加角色。
工作流可以包含模型节点、知识库节点和工具调用。它的特点不是“没有智能”，而是对关键步骤进行明确编排。
资料越多不一定越好。过期、冲突、无关和未经授权的内容会降低检索质量，也可能引入安全风险。
对个人或小团队来说，一个实用的起点是选择每周重复发生的低风险任务。
例如：
OPC中国并不要求个人一开始拥有复杂的AI系统。更重要的是理解任务本身：哪些环节需要灵活判断，哪些环节需要稳定执行，哪些结论必须有可靠资料支持。
智能体、工作流和RAG是构建AI应用的三种重要能力：智能体负责理解与选择，工作流负责稳定与控制，RAG负责资料与依据。
选择它们的依据，不是哪个概念更热门，而是任务是否开放、步骤是否固定、资料是否私有或易变，以及错误后果是否可接受。
把这几个问题想清楚，个人和小团队就能从一个小而明确的任务开始，逐步建立可用、可控的AI协同工作方式。