agentic 架构和外层的边界
【总结】先把流程里“高风险、强规则、强审计”的部分圈出来做外层；剩下那些“需要理解、探索、生成”的部分，再交给内层 Agent。
边界
看一件事到底是“必须确定”还是“可以灵活判断”。
最实用的划分原则是这句：
- 外层工作流管“不能错”的部分
- 内层 Agent 管“很难提前写死”的部分
怎么判断边界
-
如果出错代价高，就放外层。
比如权限、审批、合规、金额上限、隐私脱敏、审计留痕。这些不能交给 Agent 自由发挥。 -
如果规则稳定明确，就放外层。
比如“订单金额超过 5 万必须经理审批”“涉及个人信息必须脱敏”。这种就是流程引擎和规则引擎最擅长的。 -
如果任务需要理解、权衡、探索，就放内层。
比如“帮我分析这批供应商哪个好”“从多个文档里总结风险点”“根据上下文决定下一步查什么”。这类任务很难写成固定 if-else。 -
如果需要可重复、可预测，就放外层。
企业要的是同样输入得到大致同样结果的环节可控，这部分不要让 Agent 自主决定。 -
如果需要多步试错、动态调整，就放内层。
Agent 的价值就在这里：可以拆解任务、调用工具、发现失败后重试。
一个特别好用的判断法
把流程里的每一步都问两遍：
- 这一步能不能写成明确规则？
- 这一步出错后能不能接受？
如果“能写成规则”或者“出错不能接受”，就归外层。
如果“很难写成规则”但“允许一定弹性”，就归内层。
边界不是按技术划，而是按责任划
- 外层负责：约束、授权、校验、记录、兜底
- 内层负责：分析、推理、生成、检索、建议
举个企业场景
以“客户投诉处理”为例：
外层：
- 校验用户身份
- 判断是否 VIP
- 判断是否涉及退款上限
- 判断是否命中敏感/法务场景
- 决定自动处理还是转人工
内层 Agent：
- 阅读投诉内容和历史工单
- 归纳问题类型
- 生成回复草稿
- 给出处置建议
- 判断还需要补什么信息
这里的关键就是：
- “能不能退款”“最多退多少”是外层
- “怎么理解用户诉求、怎么组织回复”是内层
常见错误
-
把审批权交给 Agent
这风险太大。Agent 可以提建议，不能直接拍板。 -
把所有步骤都做成固定流程
这样系统会很僵，复杂任务一来就失效。
案例
可以，我们直接用一个企业里最常见、也最容易落地的通用图来理解。
通用分层
用户 / 业务系统
|
v
[外层工作流 Orchestrator]
- 触发入口
- 身份鉴权
- 权限控制
- 流程编排
- 规则判断
- 成本/超时控制
- 审计日志
- 人工兜底
|
v
[内层 Agent Runtime]
- 理解任务
- 拆解子任务
- 制定计划
- 选择工具
- 检索/分析/生成
- 反思与重试
|
v
[工具层]
- 搜索
- 知识库
- SQL / CRM / ERP
- 邮件 / IM / 工单
- 第三方 API
|
v
[结果回到外层]
- 结果校验
- 风险检查
- 是否需要人工审批
- 写入业务系统
- 通知用户
怎么理解每层职责
外层像“总控台”：
- 决定什么时候启动任务
- 决定 Agent 能访问什么
- 决定哪些动作必须审批
- 决定失败后怎么兜底
内层像“智能执行员”：
- 负责把模糊目标变成可执行步骤
- 负责在限定权限内调用工具
- 负责根据中间结果动态调整策略
工具层像“手和脚”：
- 没有工具，Agent 只能说，不能做
- 有了工具，Agent 才能查、算、写、发、改
边界图再画细一点
外层工作流负责：
1. 输入校验
2. 身份与权限
3. 规则与阈值
4. 审批与人工介入
5. 预算/成本/时长限制
6. 输出验收
7. 审计与合规
内层 Agent 负责：
1. 语义理解
2. 任务拆解
3. 工具选择
4. 多轮推理
5. 信息汇总
6. 生成建议
7. 在允许范围内执行动作
一个实际案例：销售线索跟进
客户提交线索
|
v
外层工作流：
- 校验字段是否完整
- 判断线索来源是否合法
- 判断地区归属给哪个销售团队
- 检查是否涉及敏感行业
- 决定是否允许自动外呼/自动发邮件
|
v
内层 Agent：
- 阅读客户描述
- 判断客户意图和优先级
- 查询 CRM 历史记录
- 检索相似客户案例
- 生成首轮跟进话术
- 给销售生成下一步建议
|
v
外层工作流：
- 校验输出是否包含敏感承诺
- 是否超过自动发送权限
- 满足条件则自动发信
- 否则转人工确认
- 全程写审计日志
这里边界就很清楚：
- “能不能自动发邮件”是外层
- “邮件内容怎么写更合适”是内层
在 Dify / Coze / 自研里怎么落地
如果是 Dify/Coze：
- 外层通常是工作流节点、条件分支、HTTP 节点、审批节点、知识库权限、变量控制
- 内层通常是 Agent 节点、LLM 节点、工具调用、Planner/Router、Memory
如果是自研：
- 外层通常是 BPM/workflow engine + policy engine
- 内层通常是 agent runtime + tool registry + memory + planner
最推荐的落地方式
第一阶段：
- 先把 Agent 当“顾问”
- 只给建议，不给直接执行权限
第二阶段：
- 开放低风险动作
- 例如自动写草稿、自动分类、自动汇总
第三阶段：
- 在强约束下开放部分执行
- 例如金额阈值内自动处理，超阈值转人工
这个节奏很重要，因为企业不是先追求“最智能”，而是先追求“可控地变智能”。
一句话版设计原则
外层定义边界，内层发挥智能；外层负责“允许做什么”，内层负责“具体怎么做”。
如果你愿意，我下一步可以继续给你一张更贴近现实的图：
客服场景的外层/内层边界图销售获客场景的外层/内层边界图企业知识库问答场景的外层/内层边界图
我可以挑一个你最关心的，直接画成可落地流程。
- 边界按“模型能力”划
不是看模型多强，而是看企业愿意承担多大风险。
一句话落地
先把流程里“高风险、强规则、强审计”的部分圈出来做外层；剩下那些“需要理解、探索、生成”的部分，再交给内层 Agent。
如果你愿意，我可以下一步直接给你画一个：
Dify/Coze/自研 Agent 平台 通用的“外层-内层边界设计图”，会更直观。
浙公网安备 33010602011771号