本页目录
团队在做邮件处理或文档自动化时,最容易走的两个极端是:要么用一堆脆弱的正则表达式硬扛非结构化文本,要么把整条业务链路全扔给一个“自主 AI Agent”去循环决定下一步。
真正能在生产环境里长期可靠运行的系统,一定会把模型判断与确定性控制拆开。下面结合邮件分类和文档/发票提取两个高频场景,拆解两者的分工,并看看为什么 Dify 和 Coze 式的做法容易踩坑。
核心原则:模型负责“判断”,工作流负责“控制”
工作流决定什么时候触发、调用哪些系统、输出必须满足什么格式,以及出错或需要审批时怎么停下来;而大模型或受控 AI 节点,只负责处理单步内的模糊性与语义理解。
| 职责 | 固定工作流规则 | AI 模型 / 受控判断节点 |
|---|---|---|
| 触发与调度 | Cron 定时、Webhook 接收、收件箱轮询 | 不适合——模型不该自己决定什么时候唤醒任务 |
| 非结构化理解 | 用正则或关键词匹配极其脆弱 | 意图分类、紧急度评估、摘要生成、非标字段提取 |
| 路由与外部写入 | 条件分支、循环、写入表格/CRM/数据库与重试策略 | 交给模型自主调用容易出现幻觉参数或重复写入 |
| 权限与审计 | OAuth 凭据托管、人工审批暂停与版本回滚 | 必须在提示词之外由系统强制约束 |
场景一:邮件分类与升级通知
以一条售后或供应商邮件处理流程为例:
- 交给固定规则的步骤:每分钟轮询 Gmail 未读邮件、排除草稿与垃圾邮件、强制约束输出为四个枚举值(
urgent、important、informational、spam)、命中urgent时发 Slack 告警、涉及退款时暂停等待人工审批,最后把结果追加到 Google Sheets。 - 交给模型判断的步骤:在 AI 决策节点(JEV) 中读取发件人、主题与正文摘要,在一次调用里同时判断分类、评估紧急程度并生成一句摘要。
如果把整条邮件流程丢进自主 Agent 循环,模型可能会擅自给伪造发件人回信、超时漏记表格,或者反复调用工具来回确认。把触发、路由和写入收归确定性工作流,整条链路才可审计、可复现。
场景二:发票与文档信息提取
再看一个常见场景——从 PDF 附件或供应商账单里提取明细并入账:
- 交给固定规则的步骤:通过 Webhook 或邮件附件接收文件、在代码节点里校验必填字段与金额加总是否正确(如
total > 0)、超过预算阈值时走人工审批,最后将校验后的数据写入 ERP 或财务表格。 - 交给模型判断的步骤:兼容不同供应商五花八门的版式、把非标准的商品描述归一化,并提取成预设的 JSON 字段结构。
在这个例子里,模型的任务在输出结构化 JSON 的那一刻就结束了。金额核对、阈值分流和账务写入必须由确定性代码与条件节点完成。
为什么 Dify 和 Coze 式的 Agent Builder 容易把两种模式混在一起
Dify 和 Coze 这类平台把“提示词 + 知识库 + 一堆插件”放进画布里,包装成一个能自主规划、循环调用工具的通用 Agent。
但在真实业务里,能在 Dify 或 Coze 上长期跑通的流程,往往是开发者在调试过程中把分支条件和执行顺序一步步写死了——本质上还是确定性工作流。一旦真的放开权限让画布里的 Agent 自主循环处理复杂任务,上下文迅速膨胀退化,出问题时开发者也无从排查。
我们在《为什么 Open Flow 不做 Dify / Coze 式 Agent Builder》中详细拆解过原因:自主推理属于模型厂商的原生 Harness(如 Claude Code、Codex),而可重复、带外部副作用的业务执行必须交给确定性工作流。
Open Flow 如何清晰地结合两者
Open Flow 没有把工作流和自主 Agent 硬揉进同一个网页画布,而是把职责拆得非常干净:
- 在工作流内部:用定时、Webhook、条件节点、代码节点和人工审批节点守住确定性,只在需要语义判断的步骤放入单次调用的 JEV 决策节点。
- 在工作流外部:通过 CLI 与 MCP 工具开放编排能力,让 Claude Code 或 Codex 直接检查、修改并验证工作流文件。
想马上试一下?可以直接打开 Open Flow 工作台,或跟着这篇Gmail 自动分类模板教程跑通你的第一条确定性 AI 工作流。