Agent vs 自动化脚本：什么时候该用哪个

最近 Agent 火得离谱。OpenAI 在推，Anthropic 在推，国内大模型厂商也在推。

一时间所有「自动化」都被重新包装成「Agent」。

但作为一个在客户企业里实际部署过几十个项目的团队，我们想说一句：90% 你以为该用 Agent 的场景，其实一个 Python 脚本就够了。

这不是反 AI 的话。这是省钱的话。

先讲清楚区别

自动化脚本：按预定逻辑跑流程。输入是确定的，输出也是确定的。所有分支都得提前写好。代表工具：Python 脚本、n8n、Zapier、Make。

Agent：基于 LLM 的「思考 - 决策 - 行动」循环。每一步不预设，模型根据当前上下文和工具调用决定下一步。代表实现：LangGraph、AutoGen、Cursor / Claude Code 这种「会自己决定调哪些工具」的产品。

简单类比：

• 脚本是流水线工人——动作标准、速度快、便宜，但只会做被教过的事
• Agent 是实习生——会思考、能应变、能处理意外，但慢、贵、有时候会犯傻

用脚本的场景

凡是符合以下特征的，用脚本：

1. 流程稳定，分支可枚举

「每天 9 点，从飞书表格读数据，按规则汇总，发送到指定群」——纯脚本，5 行代码，跑十年不出错。

上 Agent？多花 95% 的 token 钱，效果不会更好，且每次输出可能略有不同。

2. 数据格式结构化

JSON 进、JSON 出、数据库查询、API 调用——这些都是脚本的强项。模型来做这些反而是浪费。

3. 对一致性要求高

财务计算、合规检查、订单状态更新——只要规则明确，用脚本。Agent 偶尔的「创造性」在这种场景下是灾难。

4. 高频低成本

每天跑 10 万次的任务，模型 token 成本会让你心疼。脚本 0 成本。

典型案例：我们给一个客户做「每日订单异常报表」，最初客户坚持要「AI Agent 自动分析」，我们换成了一个 200 行 Python 脚本 + 一个简单规则引擎。运行成本从月 1.2 万降到几乎 0，准确率从 85% 升到 100%。

用 Agent 的场景

凡是符合以下特征的，才该上 Agent：

1. 输入是自然语言，无法用规则覆盖

「客户发来一段抱怨，请理解意图、判断情绪、生成合适回复」——这是 Agent 的主场。

2. 决策树太大，写不完

客服支持、销售跟单、内部知识问答这类场景，可能的对话路径有几百种。硬写脚本到第 100 个分支你就崩溃了。让模型来「看情况判断」，反而高效。

3. 需要多工具协作 + 不确定的工具顺序

「帮我查一下这个客户的下单历史、最近的工单、对应的物流轨迹，综合判断他这次抱怨该怎么处理」——脚本得写大量 if-else，Agent 自己会调用工具组合。

4. 任务有创造性 / 主观性

写内容、起草邮件、做策略推荐——这些没有「标准答案」，必须 Agent。

典型案例：我们给一家跨境物流做的智能客服，前期我们也想用规则引擎做。试了两周，光「异常件赔付场景」的规则就写了 200+ 条，还在涨。换成 Agent + 知识库 RAG + 工具调用，3 天上线，覆盖率反而更高。

决策框架：四问

帮自己快速判断的四个问题：

1. 这个流程能不能用 if-else 写清楚？ 能 → 脚本。

2. 流程的输入是结构化数据还是自然语言？ 结构化 → 脚本。自然语言 → 倾向 Agent。

3. 同样的输入，每次输出可以不一样吗？ 不可以（财务、合规、订单）→ 脚本。可以（内容、对话、推荐）→ Agent。

4. 这个流程每天跑多少次？ 1000 次以上且每次相似 → 脚本（或 Agent 的输出做缓存）。 每次都不一样 → Agent。

混合场景：脚本 + Agent

实际项目里，最优解经常是两者结合。

模式 1：脚本编排 + Agent 节点

主流程是脚本（清晰、稳定、可监控），关键的「判断 / 生成」节点调用 Agent。

例如：客户回访自动化。脚本负责「按规则筛选要回访的客户、调取历史数据、记录回访结果」，Agent 负责「生成个性化回访话术」。

模式 2：Agent 主导 + 脚本执行

对话由 Agent 主导（识别意图、规划行动），具体执行交给脚本（精确、可靠、便宜）。

例如：智能客服处理「退款」场景。Agent 理解客户诉求和情绪，但具体的退款金额计算、工单创建、状态更新走脚本。

写在最后

Agent 是好东西。但它不是「AI 化」的代名词。

我们见过太多客户在不需要 Agent 的场景上 Agent——花了三倍的钱、慢了五倍、效果还不如脚本。

也见过应该上 Agent 的场景客户死磕脚本——规则越写越多、维护越来越累、最后整个系统僵在那里没人敢动。

真正的工程能力，是知道什么时候该用什么。

如果你正面对一个「该不该用 AI Agent」的决策，可以找我们聊。我们不会一上来就推 Agent——更多时候，我们会建议你先用一个脚本跑通，再判断要不要升级。