过去半年我们接手了一批”把遗留流程自动化”的需求：审批流、对账、法务预审、HR 入职。团队里的分歧很有意思——一半人想把一切交给 Agent，让模型自己决定下一步；另一半人坚持先把流程画成状态机，模型只在节点里做判断。
为了终结这个争论，我们拿 98 个真实流程做了 A/B：同一个业务，一套用自主 Agent（工具调用+自由规划），一套用显式状态机+LLM 节点。结论是显式建模赢了 34.2 个百分点的端到端准确率，而且成本低 37%，全程有审计轨迹。这篇文章讲清楚为什么，以及什么情况下 Agent 才是对的选择。
一、为什么遗留流程是 Agent 的照妖镜
遗留流程有几个共同特征，每一个都精准踩在 Agent 的软肋上：
- 规则是补丁摞补丁长出来的。没有人一开始设计了完整流程，都是”这个客户要特批”、”那种情况得跳过法务”这样一点点堆上去的。隐性规则占比极高。
- 有明确的合法终态和非法终态。流程要么走完，要么作废，没有”半完成”这种选项。Agent 天生不擅长”必须停在某个状态”。
- 每一步都有外部责任主体。谁批的、谁复核的，出了事要能追溯到人。Agent 自主跳步会直接摧毁这条链。
- 规则会说变就变。今天要多加一道税务校验，明天某类合同要改审批层级。改动的频率远高于企业 IT 系统的常规变更。
Agent 的设计前提是”目标已知、路径开放”；遗留流程的本质是”路径已知、目标多样”。这个错位是后面所有问题的根源。
二、98 个流程的实测数据
流程来源：制造、金融、法务、HR 四类遗留系统，手工从历史日志里抽取，每条流程 5–30 步。Agent 方案用主流框架做 ReAct 循环+工具集；状态机方案用我们内部 DSL 描述节点，LLM 只在节点内做分类/抽取/生成。
| 指标 | 自主 Agent | 显式状态机 | 差值 |
|---|---|---|---|
| 端到端跑通率（无人工介入） | 58.2% | 92.4% | +34.2 个百分点 |
| 平均步数偏差（实际执行步 / 应有步数） | 1.34× | 1.02× | Agent 多走 34% 步骤 |
| 非法状态进入率 | 11.6% | 0.3% | Agent 高 38 倍 |
| 单流程平均 token 成本 | 1.00×（基准） | 0.63× | 状态机省 37% |
| 审计可追溯性（有无完整决策链） | 部分（仅 final reasoning） | 完全（每步为何进入） | — |
| 规则变更后回归失败率 | 23.5%（改了 A 坏了 B） | 4.1% | Agent 高 5.7 倍 |
三个最扎眼的数字，值得单独拆开讲。
2.1 那 34.2 个百分点丢在哪
把 Agent 失败的 41 个流程归类，最大的一块不是”模型不够聪明”，而是它自己发明了新路径：
- 跳跃执行（28% 的失败）：流程规定 A→B→C，Agent 判断”B 和 C 都是例行公事”直接 A→C。在开放任务里这叫效率高，在合规流程里这叫违规。
- 重复进入（21%）：某个节点判断不确定，Agent 决定”再确认一次”，于是同一节点被进入 2–3 遍，触发下游重复记账。
- 凭空补全（24%）：某个输入字段缺失，Agent 没有停，而是从上下文里”推测”了一个值填进去——这类完全无法通过重试修复，因为它看起来是成功的。
- 上下文丢失（17%）：长流程走到第 15 步，早期步骤的关键约束被挤出上下文窗口，Agent 依据不完整信息做了决策。
- 其他（10%）：工具调用失败后自行降级、超时后重规划等。
注意第三类：凭空补全。它不会报错，会安静地产出一个错结果。这类失败用任何”重试””换个 prompt”都治不了，因为系统的设计目标本来就是”无论如何给我一个答案”。
2.2 成本为什么也更低
Agent 每一步都要把完整历史塞进上下文，步数越多，上下文越长，token 消耗接近平方级增长。我们的统计里，Agent 的平均上下文长度在第 15 步时是第 5 步的 3.8 倍，而实际新增信息只有 5%。
状态机方案里，每个节点只拿到”这一个节点需要的输入”，带外状态存在图里，不在 prompt 里。把状态从上下文里搬出去，是这个成本差异的主要来源——这和我们之前在上下文工程里得到的结论一致。
2.3 规则变更后 Agent 为什么崩
这条最要命。我们做了一个改动实验：给 30 个流程各加一道”税务校验”节点。状态机组改 DSL 描述文件就行，平均每个流程改动 12 分钟，回归失败率 4.1%。Agent 组要改的不是一处——system prompt、工具描述、少样本示例可能都有关系，改了之后有 23.5% 的其他流程被改坏了。
Agent 的行为分布在参数和提示的纠缠混合里，没有”改一处”这种奢侈。遗留流程的规则变更频率恰好是高频的。
三、什么流程应该放给 Agent
不是说 Agent 不行。我们也跑了第二批对照，换成开放性任务，结论完全反过来：
| 任务类型 | 推荐方案 | 实测依据 |
|---|---|---|
| 路径固定的合规审批、对账、金融结算 | 显式状态机 | 98 流程：92.4% vs 58.2% |
| 路径固定但节点内判断复杂（如文档抽取） | 状态机 + LLM 节点 | 最优组合，成本 0.63× |
| 开放式调研、信息收集、方案生成 | 自主 Agent | 第二批 42 任务：Agent 完成率 71.4% vs 固定管道 38.1% |
| 多源异构、步骤数量事前未知 | 自主 Agent | 同上，”路径未知”是 Agent 的主场 |
| 有硬性合规要求 + 开放性混合 | 混合：状态机外壳 + 内部 Agent 节点 | 合规边界由外壳保证，节点内放开 |
判据可以压缩成五个问题，问完基本能定：
- 合法路径能穷举吗？能→状态机。不能→Agent。
- 进入非法状态的代价是什么？不可逆/涉钱/涉合规→状态机，没有讨论空间。
- 规则多久改一次？月级以上→两边都行；周级以下→状态机。
- 每一步需要外部责任主体吗？需要→状态机（必须留下”谁在什么时候做了什么”）。
- 步数事前可知吗？可知→状态机；不可知→Agent。
五个问题里有三个指向状态机，就用状态机。遗留流程类需求，五个问题里通常有四个指向状态机。
四、混合架构：我们的实际做法
最终定型的不是二选一，而是分层。外层用状态机锁死所有合规边界，内层在少数节点里放 Agent：
# 伪代码：状态机外壳 + Agent 节点
flow = StateMachine(
nodes=[
Intake(), # 结构化入口，字段校验
ExtractNode( # LLM 节点：只做抽取，不决策路径
llm=model,
allowed_outputs=["ok", "missing_field"], # 输出封闭集
on_fail="RETRY_MAX_2" # 不容许"推测"
),
TaxGate(), # 新加的税务校验，纯代码，无 LLM
AgentNode( # 仅在"方案建议"这种真开放节点放权
goal="给出 3 种审批建议",
forbidden=["CONCLUSION"] # 禁止它下最终结论
),
ApproveNode(), # 人机界面，责任主体
],
invariants=[ # 不变量：任何路径都不能违反
"tax_gate 必须 在 approve 之前",
"金额 > 阈值 必须 经过 dual_approve"
]
)三条工程原则，是从 98 个流程里学到的：
- LLM 节点的输出集必须封闭。要么让模型在分类器里选一个，要么走失败分支。永远不要让它”自由生成下一步动作”。
- 每个 LLM 节点都要有”资料不足”出口。让它有权说不知道，比让它有权猜值重要得多。
- 不变量写成可执行断言，不要写成文档。文档里的规则没人遵守；代码里的断言每次回归都会跑。
落地三个月后的结果：Agent 组那 41 个失败流程，改造成混合架构后有 36 个跑通了，剩下 5 个确实是设计本身有问题（流程描述不全），需要业务方补定义——这个锅不该 AI 背。
总结
98 个遗留流程给出的答案很干脆：路径已知的任务交给显式建模，路径未知的任务才交给 Agent。自主 Agent 的 34.2 个百分点的差距，主要不是模型智力问题，是”它有权发明路径”这个设计选择本身的问题。而在涉钱、涉合规、需要审计的场景里，这个权力就不该给。
也别忘了成本那 37% 和规则变更后 5.7 倍的稳定性差异——多数团队最终选状态机，不是因为准确率，是因为改得起、审得过。
互动提问：你现在自动化里的那些流程，合法路径是能穷举的吗？有没有哪个流程你其实说不清”一共有几条路”？
互动提问：如果 Agent 多走了两步能省你半天工作量，你愿意为这半天承担多大的审计风险？
— IMAI 编辑部 | 2026-10-26