为什么 LLM 不适合控制流程？
我们还是先看一个简单任务：帮我统计 Excel 销售额。

LLM 可以一次完成

但是一旦用户把任务变成：每天自动读取销售数据，如果低于目标就给负责人发消息。

那么问题就来了

因为这里出现了：

时间触发

条件判断

循环执行

异常处理

长期运行

而 LLM 的特点是：

一次请求 → 一次推理 → 结束。
所以它并不是一个长期运行的流程引擎。

12.2 Workflow 的本质是什么？
我们先概括一下: Workflow等于用确定性的流程，组织不确定性的 AI 能力。

这里面有两个关键词：

确定性

例如：

先查库存

再审批

最后发通知

这些步骤顺序是固定的。

不确定性
例如：

审批意见如何生成？

邮件怎么写？

问题如何总结？

这些更适合交给 LLM

所以,我们就需要 Workflow 负责“流程”，LLM 负责“智能”。

12.3 一个最小工作流
假设我们做一个“日报生成”流程：

流程图：

Markifact - AI Marketing Automation
对应步骤：

读取数据库

统计数据

调用 LLM 生成摘要

发送邮件

注意：

这里只有第 3 步用了 AI。

其他步骤则全部是普通程序。

12.4 为什么企业特别需要 Workflow？
因为企业系统天然就是流程化的。

例如医院 SPD：

医院SPD供应链管理系统详解，如何提升医疗效率？ • 简道云
这里最关键的是：流程必须可控、可追踪、可审计。

然而 LLM则本身并不具备这些能力。

12.5 Workflow 与 Agent 有什么区别？
这是比较容易混淆的地方。

Workflow

Agent

流程预先定义

步骤动态决定

可预测

更灵活

适合企业流程

适合复杂开放任务

强调稳定

强调自主性

像 BPM 系统

像智能员工

12.6 什么时候用 Workflow？什么时候用 Agent？
适合 Workflow 的场景
审批

报表

通知

数据同步

ERP 流程

医院业务流程

适合 Agent 的场景
代码开发

复杂调研

多步分析

开放式问题解决

自动化运维

12.7 实际案例：以 Dify Workflow 为例
前面我们讲的是原理。

现在来看一个真实的开源产品(它带火了2025年的AI浪潮)

Dify 的 Workflow 其实本质上就是一个可视化流程编排器。

典型流程：

image

其中：

节点

作用

LLM

生成内容

IF

条件判断

HTTP

调用 API

Code

执行代码

End

输出结果

这里,我们就可以发现：

Dify 的核心并不是 LLM，而是“流程编排”。
LLM的调用只是其中一个节点。

12.8 组合才能更佳
很多人以为：

AI 应用等于调用大模型。
但是在实际应用过程中,企业里的 AI应该是Workflow + LLM的组合

真正稳定的 AI 系统，往往是“Workflow + LLM”的组合，而不是单纯的大模型。

本章总结
这一章，我们解决了四个关键问题：

①为什么 LLM 不适合控制流程？
因为它是一次性推理，不擅长长期运行与状态管理。

②Workflow 的本质是什么？
用确定性的流程组织 AI 能力。

③Workflow 与 Agent 的区别？
Workflow 强调稳定和可控，Agent 强调灵活和自主。