# 应用选型指南
为满足从简单对话到复杂业务自动化的多样化需求，AgentArts提供了三种核心应用开发模式：**单智能体** 、**工作流** 和**多智能体**。
在开始搭建AI应用之前，您需要回答一个核心问题：**"我的任务，应该交给一个人做，一条流水线做，还是一个团队做？"**
平台提供了三种核心开发模式，它们的关系如[表1]所示。
 表1三种应用开发模式关系 
| 类型   | 类比      | 运行方式             | 复杂度   |
|:---|:---|:---|:---|
| 单智能体 | 一个全能员工  | 一个人完成所有对话        | ★     |
| 工作流  | 一条生产流水线 | 按固定步骤自动化执行       | ★★★   |
| 多智能体 | 一个协作团队  | 多个专家各司其职协作完成复杂任务 | ★★★★★ |
   
#### 应用模式介绍
- **单智能体**
  单智能体是最基础的AI应用形态，一个单智能体能独立完成所有工作。单智能体由提示词驱动，借助大模型实现自主理解意图并动态规划任务步骤，调用知识库、插件、MCP服务等工具完成任务。
  图1运行机制   
  ![](https://support.huaweicloud.com/lowcode-agentarts/zh-cn_image_0000002687789752.png "点击放大")
  - 适用场景：开放式对话应用，如智能客服、知识问答、任务助理、旅行规划等需灵活决策的场景。
  
  - 典型特征：AI自主决策，通过大模型根据提示词动态拆解任务，适应多变用户需求。
    
- **工作流**
  工作流是一种**确定性的自动化流水线，** 将任务拆解为多个**预定义的步骤节点**。通过可视化节点编排，将多步骤任务串联为稳定、可复现的执行链路。
  图2运行机制   
  ![](https://support.huaweicloud.com/lowcode-agentarts/zh-cn_image_0000002687949600.png "点击放大")
  - 适用场景：固定流程自动化，如自动化报告生成、订单处理、多步骤审批流、数据标注等需精确控制的场景。
  
  - 典型特征：预定义流程精确控制每一步，逻辑确定，确保任务执行的稳定性和可预测性。
   
- **多智能体**
  多智能体是由**多个独立的Agent协作** ，通过角色分工与任务分配，解决复杂问题。
  图3运行机制   
  ![](https://support.huaweicloud.com/lowcode-agentarts/zh-cn_image_0000002687949602.png "点击放大")
  - 适用场景：复杂任务协作，如跨部门业务流程自动化、多角色决策支持系统、综合性项目管理等。
  
  - 典型特征：多智能体协同，通过角色分工与任务分配，提升复杂任务的处理效率与准确性。
    
 
#### 应用模式对比
表2三种应用对比 
| 类型维度       | **单智能体**                                                      | **工作流**                                                    | **多智能体**                                                 |
|:---|:---|:---|:---|
| **开发方式**   | 图形化操作，页面点选及文本输入配置，零代码。                                        | 画布组件拖拽+低代码开发。                                              | 图形化操作，无需编排，配置多智能体中央控制指令，并引用子智能体，定义分工即可。                  |
| **面向用户特征** | 面向业务人员，无代码开发经验，办公场景相对固定。                                      | 面向技术人员，能够低代码开发工作流，调试各类专业化组件、API。                           | 面向资深业务人员，不写代码，需对多业务场景进行整合。                               |
| **适用场景**   | 自主规划任务场景，场景泛化性好。                                              | 有固定的任务执行流程，高准确率要求。                                         | 需要多个智能体协同的复杂用户意图识别分工处理场景。                                |
| **开发特点**   | 快速简单、低门槛、规划准确率不稳定。                                            | 配置操作有门槛，执行成功率高，配置时间长。                                      | 相对简单、依赖已开发好的专家智能体。                                       |
| **能力约束**   | 完全依赖模型自身能力，对插件数量、接口参数数量，执行步骤数量等限制较多。出现模型幻觉和不遵守相关规定的案例无法短期内解决。 | 编排后的流程执行过程中比较死板，智能化程度不高。对于异常场景需要配置相应的流程进行覆盖，会大幅提升流程配置的复杂度。 | 高度依赖中央控制模型的智能化水平，涉及的子智能体关联较多，另外当前无可视化调试能力，效果优化工作的调试难度较大。 |
   
#### 选型决策指南
- **快速决策树**
  ```
  你的任务需求是什么？ 
  │ 
  ├── 任务相对简单，单一职责？    
  │     └── 选【单智能体】 
  │
  ├── 任务有明确的固定步骤/流程？
  │     ├── 流程中需要条件判断、分支走向？ 
  │     ├── 需要对输出格式、中间环节有严格控制？ 
  │     ├── 对结果的确定性、一致性要求高？ 
  │     └── 选【工作流】 
  │
  ├── 任务涉及多个专业领域？ 
  │     ├── 不同问题需要不同的知识库/工具？ 
  │     ├── 单个提示词已经很长很复杂、效果下降？ 
  │     └── 选【多智能体】 
  │ 
  │── 还是不确定？     
  │     └── 先从【单智能体】开始，遇到瓶颈再升级
  ```
  
- **详细选型标准**
  - 选择单智能体
    表3单智能体场景特征及示例 
    | 场景特征               | 示例             |
    |:---|:---|
    | 任务目标单一、职责明确        | 翻译助手、文案润色、代码解释 |
    | 对话式交互，自由问答为主       | 闲聊机器人、通用问答助手   |
    | 需要灵活应对各种不确定的用户输入   | 创意写作助手、头脑风暴助手  |
    | 需要调用的工具/知识库较少（≤5个） | 查天气+查日历的个人助手   |
    | 快速验证想法、最小可行产品阶段    | 任何场景的初期原型      |
    | 对输出格式没有严格要求        | 非结构化的自然语言回答    |
       
    
  
  - 选择工作流
    表4工作流场景特征及示例 
    | 场景特征            | 示例                  |
    |:---|:---|
    | 任务有明确的先后步骤      | 先提取信息→再分类→再生成回复     |
    | 中间过程需要严格控制      | 必须先审核敏感词，通过后才能输出    |
    | 需要条件分支走不同逻辑     | 用户是VIP走人工，普通用户走自动回复 |
    | 对输出的格式、结构有严格要求  | 必须输出固定JSON格式的结构化数据  |
    | 需要串联多个系统/接口     | 查库存→计算价格→生成订单→发送通知  |
    | 需要在非LLM环节插入代码逻辑 | 数据清洗、格式转换、数学计算      |
    | 需要最大程度节省Token   | 只在必要节点调用大模型，其余用规则处理 |
       
    
  
  - 选择多智能体
    表5多智能体场景特征及示例 
    | 场景特征                | 示例                       |
    |:---|:---|
    | 涉及多个差异明显的专业领域       | 一个入口同时处理人事、财务、IT问题       |
    | 不同领域需要不同的知识库/工具     | 人事用人事知识库，财务用财务系统         |
    | 单个Agent的提示词过长导致效果下降 | 把3000字提示词拆成3个Agent各1000字 |
    | 需要"专家会诊"模式          | 多角色协作：调研员+写手+审稿人         |
    | 业务线多但希望统一入口         | 企业全能助手（覆盖HR/IT/行政/法务等）   |
    | 子任务之间相对独立           | 各领域Agent可以独立开发和维护        |
       
    
   
- **按场景推荐速查**
  表6场景推荐速查示例 
  | 业务场景       | 推荐模式 | 推荐理由                   |
  |:---|:---|:---|
  | 企业知识问答     | 单智能体 | 单一知识域，对话式交互，无需复杂流程     |
  | 角色扮演/AI陪练  | 单智能体 | 依赖人设提示词和多轮对话能力         |
  | 每日新闻早报生成   | 工作流  | 固定步骤（搜索→筛选→总结→排版→推送）   |
  | 批量处理数据/文件  | 工作流  | 需要循环节点遍历列表逐条处理         |
  | 表单收集与审批    | 工作流  | 固定的流转步骤+人工审批节点         |
  | PPT/报告自动生成 | 工作流  | 多步骤生成，对格式有严格要求         |
  | 电商综合客服     | 多智能体 | 需要售前/售后/投诉多角色分工        |
  | 企业综合助手     | 多智能体 | 涉及HR、IT、财务等多领域，需路由分发   |
  | 软件开发协作模拟   | 多智能体 | PM→开发→测试多角色顺序执行        |
  | 投资决策辅助     | 多智能体 | 多视角分析（乐观/悲观/中性Agent辩论） |
     
  
 
#### 选型常见误区
表7选型常见误区 
| 误区                   | 正确认知                                         |
|:---|:---|
| 多智能体一定比单智能体强         | 错。多智能体引入了协调成本和延迟，简单任务用单智能体反而效果更好、响应更快。       |
| 工作流不够智能              | 错。工作流中的每个大模型节点都可以做复杂推理，工作流的"确定性"恰恰是生产环境中的优势。 |
| 一个Agent加足够多的工具就能解决一切 | 危险。当工具超过10-15个时，模型选错工具的概率会急剧上升，此时应拆分为多智能体。   |
| 先搭多智能体，后续再简化         | 错。应该从单智能体开始，遇到瓶颈再升级。                         |