實踐中，工作流與自主Agent並非非此即彼 -- 很多系統會混合使用兩種模式：關鍵的、有嚴格合規要求的流程用工作流來確保可靠性，需要靈活決策的部分則切換到自主模式。
例如：n8n是一個成熟的工作流自動化開源框架，開發者通過可視化界面拖曳功能組件來建構Agent，可以在同一個系統中同時使用工作流節點和自主Agent節點。
n8n示意圖
source：https://tomo.dev/en/posts/n8n-workflow-for-daily-github-trending-auto-posting/
還有一種混合方式是先由自主Agent把工作流寫出來，再由工作流去執行。Agent讀完任務後自行決定拓樸[#註1]並生成一段編排程式;程式一旦生成，執行階段就退回工作流的確定性。這樣既保留了自主Agent面對未知任務的靈活性，又不必讓模型在每次調度上都參與決策。
主流Agent框架簡易對比(終於圓到開頭講的東西😅，整理的當前主流的Agent框架/平台)
| 框架 / 平台 | 核心定位 | 編排模式 | 開發方式 | 適用場景 |
|---|---|---|---|---|
| Codex Harness | Codex 的開源 Agent 執行時應用 | 自主 | 程式碼優先，可嵌入自有應用 | Coding Agent、將 Agent 嵌入自家產品 |
| Claude Agent SDK | 生產級 Agent 開發框架 | 自主 | 程式碼優先 | 複雜自主任務、Coding Agent |
| LangChain / LangGraph | 通用 LLM 應用框架 | 工作流 + 自主 | 程式碼優先 | 複雜鏈式推理、多步驟工作流 |
| n8n | 可視化工作流自動化平台 | 工作流 + 自主 | 低程式碼（視覺化拖拉） | 業務流程自動化、非技術團隊 |
| Dify | LLM 應用開發平台 | 工作流 + 對話式 | 低程式碼（視覺化 + API） | 企業級 RAG、知識庫應用 |
| CrewAI | 角色化 Multi-Agent 編排框架 | Multi-Agent 協作 | 程式碼優先 | 團隊式任務拆解與執行 |
| OpenClaw | 開源全能個人 Agent | 自主 + 事件驅動 | 設定檔 + 程式碼（自託管） | 個人助理、Deep Research、Computer Use、多平台訊息整合 |
| DeepSeek Harness | Agent 自進化框架 | 一切皆插件（Everything as Plugin） | 程式碼優先，易於客製化 | Agent 開發者、研究人員 |
| Pi | 極簡 Coding Agent 框架 | 自主 | 程式碼優先，易於客製化 | Agent 開發者 |
Codex是OpenAI的Coding Agent產品(APP、CLI、IDE擴張)，Codex Harness就是驅動這幾種型態的那層運行。Codex Harness提供3條集成路徑：codex exec適合腳本與CI裡的一次性任務;Codex SDK適合第三方應用程式啟動、恢復和流動式處理任務;app-server則通過JSON-RPC協議提供持久對話、事件流與審批回調，適合把Agent直接做進產品。Claude Agent SDK 與 Claude Code 也是類似的關係，區別在于 Claude 側對外開放的是 SDK 接口，Harness 實現本身並不開源。
!!Agent開發框架與時俱進，你看到這篇文章時，這些框架可能已經過時。所以學會特定框架的使用並不是特別重要，而是你該學會要如何學會時下該怎麼規畫框架。
編排模式解決的是上下文與工具的組織問題。但光能做事還不夠，還要確保做得對、做得安全。為此需要設置護欄，將約束、驗證與糾正落實。
[註1]網路拓撲
指電腦網路或通訊網路中，節點與連線的排列方式和邏輯結構。常見的網路拓撲有星狀（star）、匯流排（bus）、環狀（ring）、網狀（mesh）、樹狀（tree）等。
iThome鐵人賽
看影片追技術