AIPM课程 Day9

AIPM 课程第九天，主题是 Agent 的技术架构与 vs Workflow 的本质区分。这天完整搭起了"Agent 是什么、由什么组成、与 Workflow 怎么分"的骨架，为 Day10 各要素深入展开做铺垫。

授课结构

串联逻辑

这一天的主线是回答两个问题——

1. Agent 到底是什么 → 用"五要素架构"给出工程化定义（不是哲学，是 LLM+Memory+Planning+Tools+Action），再用 Manus 这个真实产品拆给你看每个要素长什么样
2. Agent 与 Workflow 的边界在哪 → 用 Anthropic 的 6 维对比表 + 5 种 Workflow 模式 + 5 问分辨口诀，让你能在 PRD 阶段就判断这个需求该上 Agent 还是 Workflow

中间用 OODA 循环把五要素串起来——每一个要素都在某一环里发挥作用（Observe=Memory+Tools / Orient=LLM / Decide=LLM+Planning / Act=Tools+Action），这才解释了为什么这五个要素"缺一不可"。

课堂笔记要点

• 三家 AI 阶段观点的差异：OpenAI 看能力梯队（L1-L5），英伟达看技术形态（感知→生成→代理→具身），红杉看时间表（2025 Agent 工作 → 2026 发现新知识 → 2027 创造物理价值）。三家本质都在说"Agent 是下一站"，但视角不同。
• Agent 技术定义的关键判断：能不能调用工具？记忆放在哪？任务怎么拆？什么动作要用户确认？——五要素每个都对应一个具体 PRD 决策。
• Manus 是教科书级 Agent 案例：System Prompt（每次循环固定不变）+ Event Stream（任务推进不断追加）的 Working Memory 双区设计；文件系统当外挂记忆（notes_salary.md）；多关键词反复搜索做交叉验证（system prompt 强制要求"必须从多个来源验证"）。
• OODA 本质：ReAct 范式的祖父——Observe→Orient→Decide→Act 是 1950 年代美军决策框架，被搬到 Agent 上完美契合"每一步 Action 之后回到 Observe"的循环逻辑。
• Anthropic 区分 Agent vs Workflow 的核心标尺：控制权在谁手里——代码预定义路径的是 Workflow，LLM 动态决策下一步的是 Agent。现实中很多标着 "Agent" 的产品深入看其实更接近 Workflow，但"两者本身并无高下之分，重要的是给任务找到更合适的解决方案"。
• 5 种 Workflow 是 Agent 的对照组：Prompt Chaining（串行）/ Routing（分流）/ Parallelization（并行）/ Orchestrator-Workers（编排-执行）/ Evaluator-Optimizer（评估-优化）——能用 Workflow 解决就不要上 Agent，因为 Agent 的不可预测性是代价。
• Agent 分辨口诀（5 问）：流程每次都一样吗 / 下一步要看上一步吗 / 用户能等 3 分钟以上吗 / 单次预算超 1 元吗 / 出错有降级方案吗——3 个以上"否"基本就别做 Agent。这是 PM 阶段最实用的决策工具。

相关页面

→ Agent五要素技术定义 → Agent记忆体系 → Agent规划与反思 → Agent工具与行动 → Agent vs Workflow → OpenAI人工智能五阶段（含英伟达、红杉两家观点扩充） → Agent五要素技术定义（五要素深入版） → AIPM课程 Day10（次日五要素深入展开 + FC/MCP）