AI认知篇2:Agent vs 传统编程 vs Workflow 的本质区别

前言

这是我的agent系列文章的第2篇,该系列分为三部分:

  • AI认知篇:详细讲解相关基础概念
  • AI实践篇:分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践
  • AI八股篇:分享我自己整理的应付大模型应用开发岗位必备的八股笔记

如果觉得有帮助,欢迎关注我并期待后续文章!预期是日更哦!当天没更可能是因为太累了,周末会弥补的。

传统编程与 Workflow 是 “人提前定好所有逻辑”,Agent 是 “AI 自主做决策”—— 这一本质差异,让它能解决前者搞不定的问题,成为更具差异化的新交互范式。

一、三者核心对比表

开发技能

需掌握编程语言、算法等专业知识

理解编程原理 + 图形化工具操作

仅需自然语言描述需求

决策主体

程序员(提前写死逻辑)

产品 / 开发(设计固定流程)

AI(动态调整策略)

任务完成方式

硬编码规则,难应对不确定性

固定路径流转,条件判断有限

自主适配,遇问题灵活解决

修改维护成本

多角色瀑布协作(几天到几周)

节省部署环节,仍需多角色配合

业务自闭环(发现→测试→解决,几分钟)

二、通俗理解三者差异

  • 传统编程:像 “按图纸盖房子”—— 所有细节提前规划,遇到图纸外的情况就得返工改设计。比如 “根据天气推荐穿衣”,要把温度区间、异常处理等全写进代码,改一点逻辑就要走完整的开发测试流程。
  • 硬编码规则:所有逻辑都是提前写死的,遇到新情况就得改代码;
  • 异常处理复杂:各种边界情况都要提前考虑,代码会变得很复杂;
  • 修改成本高:改一个小逻辑,需要开发、测试、部署,整个流程走一遍;
  • Workflow 工作流:像 “搭积木”—— 可视化拖拽组合节点,但流程依然固定。比如穿衣推荐的流程是 “查天气→判温度→返建议”,想加 “保存到文件” 就得重

剩余60%内容,订阅专栏后可继续查看/也可单篇购买

内容包含: 1.后端八股大全:多一句没有少一句不行的最精简八股整理,完全可以应付校招八股拷打! 2.速成项目话术:目前有魔改苍穹外卖项目话术(额外扩展了很多技术亮点),能速成拿去面试,后面会更新agent开发等等热门高质量项目话术 3.智力题超详细题解汇总; 4.面试时非技术问题话术整理,绝对震惊面试官一年; 5.算法lc hot100全题系列题解:绝对通俗易懂。 欢迎订阅!

全部评论
该系列日更哦,欢迎大家关注
1 回复 分享
发布于 02-27 22:59 北京
感谢分享,涨知识了
点赞 回复 分享
发布于 02-27 21:07 四川

相关推荐

前些天看了 Clawdbot 创始人的采访——这哥们单日提交 1.3k commits,一个月 6600+ 次提交,有的代码自己一句都没看过,非常恐怖。所以在不久的将来,当 AI 已经完全具备写代码的能力,人类程序员的操作空间还能剩多少?最近在实习,做大模型微调,新鲜期过了,发现不过是机械劳动,造数据 → 训模型 → 看 badcase → 然后再造数据,循环往复...这不就是Agent的ReAct范式么? (坏了,我成智能体了) 需求明确的情况下,Claude-3.5/3.6 也完全可以独立完成造数据 pipeline 的开发,偶尔会留下一些语法错误,在两三轮尝试之内也能自己修正过来......这里非要人来完成的环节并不多,只能用人来完成的理由,好像只剩人比较便宜了...? 但 AI infra、推理加速也在飞速发展,这种相对的便宜,又能持续多久呢?Clawdbot已经火到到处都在讨论,尽管目前在国内的适配有限,(门槛高是一方面,还很重要的一点是比较烧钱...)不过它对人类劳动力的节省是没办法忽视的。目前同事们普遍认为这玩意儿现在只能接入飞书写写文档,但你也知道,“目前”而已。GPT-4 推出的那年或许看上去还有点呆,但短短几年,拥有 skills 和 function call 的大模型已经可以帮你完成打开应用、查看消息、撰写文档这种复合任务——写代码又能比写飞书文档复杂多少呢?不过是接入不同的软件,阅读不同的文本,调用不同的修改命令,底层是一样的,现在 Copilot 已经做得有模有样,更别说 Clawdbot 这种具有自我进化能力的 Agent,只要 token 多,Clawdbot 完全可以给自己装一堆功能,能量超乎你想象。有人说了,我做的项目大着呢,全是屎山代码,我不信 AI 能看完,这说的其实是长上下文问题,我个人不认为是一个无法解决的问题,随着上下文窗口的扩展和长期记忆管理的研究工作不断发展,AI 总能找到方法把你的超长文本压缩成一个一个的小块,然后逐个击破(虽然目前 GPT-5.2 Codex 改我的代码还是会改着改着一片红...)有句话说得好,你怕被 AI 替代,是因为你太像 AI。你的工作流程高度标准化、可预测、可复现——接需求、看文档、查 API、写代码、测试、提交。每一步都有明确的输入输出,每一步都能被拆解成清晰的指令。这种工作方式,恰好是 AI 最擅长的。如果你的价值体现在“把业务逻辑翻译成代码”,那 AI 确实可以做得更快、更稳定、更便宜。它不会写错大小写,不会忘记边界条件,不会因为昨晚没睡好就漏掉一个判断。要想不被替代,就得做那些 AI 做不了的事,比如和产品经理撕逼,解释为什么这个需求做不了;看着三个技术方案,权衡性能、成本、开发周期,最后拍板选一个;跨部门开会,听运营讲了半天业务痛点,翻译成技术语言,还得判断她说的是真需求还是伪需求。这些事情需要判断、需要博弈、需要对人的理解, AI 暂时还做不来。但问题是,这些事情需要多少人来干?以前一个项目可能需要十个程序员,现在有了 AI,也许三个人就够了,剩下那七个人上哪去?......也许他们会转型,在行业找到新位置,也许是去卖炒粉了,说不好。但有一点感觉很明显:AI 在拉高门槛。以前你会写代码就能找到工作,现在得会“用 AI 写代码 + 理解业务 + 做技术决策”。这个组合技能,不是每个人都能凑齐的。工具会进化,但人怎么不被工具定义,可能是我们未来一段时间需要长期思考的问题。
李橙子:有句话说得好,你怕被 AI 替代,是因为你太像 AI。这句话说的很对
AI求职实录
点赞 评论 收藏
分享
评论
4
6
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务