Agent 工作流：全自动省时间，协同省返工

这一年身边讨论最多的词就是 AI 提效，大家都在琢磨怎么用 Agent 把整条工作流串起来，一键下去自动跑完，人只管最后验收。规划、执行、自检、交付，一套 Agent 工作流被设计得环环相扣，仿佛只要编排得当，人就能从流程里彻底退场。热闹归热闹，我却拐去了另一个方向，琢磨 AI 的人机协同。倒不是我故意唱反调，而是我发现自己不太相信全自动化工作流这套东西，至少在当下这个阶段不太相信。原因说穿了很朴素：Agent 跑得再自动，产物最后还是得有人去审核。审核这一步根本省不掉，那所谓的一键全自动，不过是把问题往后攒，攒到最后一次性爆发。

想明白这一点之后，思路就顺了。既然产物反正要人看，那与其让 Agent 先跑完一大段再回头返工，不如直接采用协作的方式，让它一步一步走，每走一步我就核对一步。听起来好像更慢了，实际上恰恰相反。举个常见的场景：全自动模式下，Agent 一次改动横跨十几个文件，任务完成时甩给你一份「已完成」的报告，你打开一看，改动分散在各处，哪些是必要修改、哪些是顺手发挥，得逐个文件倒查，光定位问题就要花掉半天。而一步一核的模式里，每一次改动都摊在眼前，diff 小到一眼看完，错了当场纠正，确认了再放行下一步。全自动把人放在终点等结果，协同把人放在流程里做节点，错误刚冒头就被拦下，改动范围小，纠正也快。更重要的是，这种方式让我能精准把控 Agent 的每一个动作步骤，它读了什么、改了哪里、基于什么判断做出的决定，我全程心里有数，质量因此稳定，产出也更贴合我的真实意图，而不是模型猜出来的那个意图。

当然，这不意味着自动化没有价值，两者争的其实不是「要不要 AI」，而是「人站的位置在哪里」。全自动工作流省的是人的时间，人机协同省的是返工成本，这笔账在需要质量稳定的场景里，怎么算都是协同更划算。工具越强，越需要一个清晰的边界来约束它，一步一核的协作恰好就是那条边界。行业还在往全自动的方向狂奔，但至少在质量敏感的工作里，把人放进 Agent 工作流的每一步，看起来是更现实的那条路线。