详解AI Agent中Workflow与Skill的5大核心区别

现在的AI面试题越来越“刁钻”，很多同学反馈，那些看起来相似的概念特别容易把人绕晕。比如，最近就有同学在面试中被问到：“skills 和 workflow 有什么区别？”

乍一听，你可能也会觉得：这俩不都是让AI按某种方式完成任务的东西吗？但面试官想要的，恰恰是你能分辨出它们本质上的不同。理解这组概念，是掌握现代AI应用系统设计的关键一步。

一图看懂：核心定位差异

先别急着下结论，我们来看一张结构图，它能帮你快速建立对相关概念的认知框架：

结合官方定义，我们可以更清晰地划清界限：

• Workflow（工作流）： Anthropic将其定义为 “LLM和工具按照预定义代码路径被编排起来的系统”。它的核心是 “编排”。
• Skill（技能）： 在Claude Code等文档的描述中，它更接近 “一类可复用的模块化能力” ，可以包含说明、约定、模板或具体的执行指引。它的核心是 “能力”。

用一句话概括：Workflow 是流程编排，Skill 是能力封装。

五大维度深入对比

理解了基本定位，我们再从系统设计的角度，拆解它们在五个关键维度的不同。

1. 关注点：任务推进 vs. 局部能力

Workflow 关注的是“任务推进”。
它像一个总指挥官，思考的是整个战役如何展开：用户请求进来后，先分类还是先抽取信息？某个步骤失败了要不要重试、重试几次？A条件满足时走小模型分支，B条件满足时走大模型分支？何时调用外部搜索工具，何时需要转入人工审核流程？
因此，Workflow本质上是一张 “执行蓝图” ，负责决定动作的顺序、分支、依赖、重试策略、回滚机制以及最终终止条件。

Skill 关注的是“局部能力”。
它像一个专业尖兵，只专注于把某个特定环节做到极致。比如：

• 执行“合同审查”时，应该按照哪份专业的检查清单（checklist）逐项审核。
• 进行“代码重构”时，标准的步骤是否是先扫描依赖，再审视测试用例，最后才修改实现代码。
• 做“简历诊断”时，应该从项目描述、技术栈匹配度、量化成果、岗位关键词等几个维度进行判断。
  所以，Skill本质上是一个 “专业做法包” 。它不关心整条链路如何跑通，只负责在自己被调用的那个环节，把事情按照最高标准做好。

2. 粒度：完整业务目标 vs. 垂直能力模块

Workflow 粒度大，对应完整业务目标。
它通常是为了实现一个明确的、端到端的业务目标而设计的。例如：

• 完成一轮完整的AI面试。
• 将用户问题分流转发并最终生成答案。
• 自动生成一份市场分析报告。
  这些都需要串联一系列连续的动作，是一个完整的“业务流程”。

Skill 粒度小，是可复用的垂直能力模块。
例如：

• 简历项目经验优化Skill
• 舆情摘要写作Skill
• 将某个专家的审核经验“蒸馏”封装成的Skill
  你可以把Skill理解为一个高质量的 “可复用专家经验包” ，它在特定领域内提供专业能力。

3. 状态管理：管状态 vs. 不管状态

Workflow 必须管理状态。
它需要知道当前流程执行到哪一步了，上一步的输出结果是什么，中间步骤是否失败，是否需要切换到人工处理，整个链路是否已经完成。
因此，Workflow天然需要与状态机、任务上下文、运行日志、链路追踪和监控系统紧密绑定。

Skill 一般不管理状态。
它更像一个纯粹的“函数”或“能力单元”。调用时，你给它输入（和必要的上下文）；执行后，它返回高质量的输出，或者指导调用它的Agent如何更专业地完成这一步。
Skill的重点不在于“运行流程”，而在于 在需要的时刻，为Agent补充正确的专业知识和操作指引。

4. 复用方式：业务级复用 vs. 能力级复用

Workflow 通常是业务级复用。
比如，一个精心设计的“客服工单处理Workflow”，通常深度耦合客服场景的业务逻辑。如果你想把它直接搬到“招聘系统”中使用，大概率需要推倒重做，因为业务目标和流程完全不同。

Skill 追求的是能力级复用。
一个好的Skill应该是跨业务场景通用的。例如：

• 一个“信息抽取Skill”，既可以用在客服场景分析用户意图，也能用在投研场景解析财报，还能用在简历筛选中提取关键信息。
• 一个“长文摘要Skill”，几乎可以被任何需要内容浓缩的场景调用。
• 一个“代码Review Skill”，可以同时挂在编程助手Agent、测试Agent、代码重构Agent下工作。
  因此，一个健壮的 AI Agent 系统，其设计哲学不应是“疯狂堆积Workflow”，而应该是：用Workflow搭建业务的骨架和流程，用Skill封装和填充具体、可复用的专业能力。

5. 评估指标：链路指标 vs. 能力指标

评估 Workflow，看的是链路指标。
因为它是一个流程系统，我们关心其端到端的整体效率与可靠性。核心指标包括：任务成功率、平均处理耗时、执行成本、步骤重试率、人工接管率、整体任务完成率等。

评估 Skill，看的是能力指标。
因为它是一个专业能力模块，我们关心其专项能力的提升效果。核心指标包括：输出准确率、使用前后效果提升度、幻觉减少情况、输出格式稳定性、以及人工修正次数是否下降等。

面试场景如何回答？

掌握了以上区别，当面试官再问起这个问题时，你就可以给出一个结构清晰、体现深度的回答了：

“我会从系统设计的不同层级来理解Workflow和Skill。

• Workflow 侧重于任务的编排与推进，它负责定义步骤顺序、处理分支逻辑、管理执行状态、控制重试与回滚，确保整个业务流程能够顺利完成。它关注的是‘如何把事做完’。
• Skill 更像是封装好的、可复用的专业能力单元，它沉淀了在特定领域（如代码审查、合同分析）的最佳实践、规则、模板或脚本。它关注的是‘如何把某一步事做好’。
  因此，简单说，Workflow 偏重‘过程控制’，而 Skill 偏重‘能力增强’。在一个良好的 AI大模型 应用架构中，通常用Workflow来串联业务流程，同时调用多个细粒度的Skill来完成具体任务。”

总结与思考

很多开发者在初次设计AI Agent系统时，容易把Tool、Skill、Workflow、Memory这些概念混为一谈。虽然它们都与Agent相关，但各自承担着不同的职责。

从传统开发转向AI应用开发，思维需要升级。决胜的关键不再仅仅是写页面、调接口，更在于能否理解并驾驭 “流程编排、状态管理、工具调用、能力封装、记忆沉淀” 这一套新的设计范式。清晰地区分Workflow和Skill，正是迈入这扇大门的必修课。如果你在准备相关的 面试求职，不妨多在云栈社区这类技术论坛上看看大家的实践经验，能帮助你更好地理解这些抽象概念。