选 Agent 路由这件事，最怕的就是拿功能列表当菜单。咱见过太多团队在 demo 上兴奋得喵喵叫，三个月后对着意大利面流程和失控的权限模型欲哭无泪 (´；ω；`) 功能早在一年半前就趋同了，真正拉开差距的是四个被大多数人跳过的问题：Agent 动了谁的奶酪？搞砸了谁第一个发现、多快能止血？流程变动频率是季度级还是周级？你要的是水管还是护城河？把这四个问题怼进每条路由的技术骨架里照一遍，比看一百篇对比评测都有用。
Route One：无代码构建器——抽卡一时爽，条件分支火葬场
Chatbase、Lindy、Relevance AI 这条路线，中位首付费层大概 24 美元/月，一个下午就能让模型开口回答你喂进去的文档。技术实现本质是把 RAG 流水线和工具调用封装成积木，非常适合快速验证“这个场景值不值得继续挖”。
咱拆开看过：这类平台通病不在搭积木的阶段，而在模型需要“自己决定走哪条路”的那一刻。大多数无代码编辑器只能表达线性工具调用链——先查 A，再写 B。一旦逻辑变成“查 A → 如果返回 X 状态则走 B 系统更新，否则走 C 系统新建工单”，积木抽象就开始漏风。要么压根不支持条件分支，要么用拖拽连线模拟出一团没人敢拆的定时炸弹。更要命的是，模型在那个分支点做决策时，你通常拿不到中间上下文的结构化日志——哪天它开始把退货请求当换货处理，你连在哪一帧推理滑倒的都定位不到。数据全跑在厂商基础设施上，合规部门问一句“欧盟客户 PII 到底经过了几个跳板”，你大概率只能发一串省略号。结论很简单：这条路的甜蜜期止步于 PoC 通过的那一刻，进生产等于抱着别人的服务器赌自己业务不会拐弯。
Route Two：企业套件——氪金玩家的豪华副本地图，但出不了生态圈
Salesforce Agentforce 和 Microsoft Copilot Studio 的定价表本身就是一份“谁也别想裸奔”的说明书。Agentforce 对话一口价 2 美元，Copilot Studio 中等交互深度一次大概 18 美分，怎么看都像微软在打价格屠夫牌。然而 Agentforce 底下还压着 Service Cloud 加 Data Cloud 订阅，清单价每年六万美元；Copilot Studio 同理，没买 Microsoft 365 全家桶？入场费先交齐。
咱拆开看过：这两家最大的技术底牌不是模型能力，而是开箱即治。审计日志、细粒度权限、数据驻留策略、保留生命周期——合规部门连会都不用开就能签字，对强监管行业来说，这项省出来的时间成本远超授权费。但生态墙就是它们的玻璃天花板。两个平台在自家池塘里调用标准对象丝般顺滑，一旦 Agent 需要摸一把车间里的老旧 MES、本地部署的行业软件、甚至一台只认 Modbus 协议的边缘设备，你就得手搓自定义连接器。这时候你会发现，平台内置的编排引擎根本不管外部服务的超时重试语义——是幂等重试还是告警后人工介入？连接器本身要不要做会话绑定？鉴权 token 刷新怎么跟平台自己的 oAuth 流互斥？这些都不是在画布上拖一个“HTTP 请求”节点能优雅解决的。所以这条路只适合 Agent 的工作半径严格收敛在生态内、且合规审批瓶颈大于技术瓶颈的团队。一旦你的流程变化频率是“月更”，或者需要频繁触碰外部系统，别被开头的免治理给拐跑了——那条生态墙迟早会撞歪你的工期。
Route Three：工作流平台 + Agent 步骤——看似白魔法，腐烂速度也一骑绝尘
n8n 是这条路的头号代表，技术范式非常对咱胃口：显式流程图里，收邮件、拆字段、发通知这些活儿全部用确定性代码拿下，只在需要定性判断的地方塞模型。原文给过一个让人后背发凉的计算——每个模型决策正确率 95%，20 个串联下来全局正确率只剩 36%。一个“17 步确定性 + 3 步模型”的流程，跟“20 步全模型链”，外表都叫 Agent，内部可靠性是俩物种。
咱拆开看过：n8n 里模型步骤通常靠 HTTP Request 节点直接调 API，或者用社区节点做 function calling。真正吃经验的是错误处理。模型返回格式不合预期时，你是在节点里写 JSON Schema 校验再外加重试分支，还是把畸形输出直接喂给下一步？重试次数设三次还是五次？超出了是挂起人工任务，还是走降级规则直接分给默认部门？这些决策如果没有一个懂调试的人兜底，流程就会从“自动化的无聊中间部分”腐烂成“悄悄产出一堆错误工单却没人察觉的黑盒”。而且自托管版虽然把数据按在自己机房里，但升级节点版本、处理依赖冲突照样需要 Linux 基础能力。把能跑通的 PoC 扔给纯业务人员维护，不出三个月就会诞生一座无人敢碰的 digital shrine。欧洲 Bitkom 那 41% 把数据保护列为最大障碍的企业，确实该优先看这条线，但也请先确认团队里有没有愿意啃日志的技术宅，不然省下的合规成本全变成沉默的运维债。
Route Four：自建——自己开服，自己修车，但没人能拔你插头
从选模型、写 Agent 循环、定义工具接口、做持久化记忆、上评测集，到最终把护栏架在“行动前一刻”——一条自定义工作流 Agent 的行业估算在 2.5 万到 10 万美元之间，多 Agent 系统更贵。换回来的是零房东架构：没人能在八个月后废弃你的运行时，也没人能突然把对话单价改得你毛利蒸发。
咱拆开看过：真正让自建成本比两年前降了一大截的，是 Model Context Protocol。它解决的不是“能不能接到模型”这种入门题，而是“你为 ERP 写的那坨连接器在切换模型时要不要重来一遍”。没有 MCP 之前，你给 OpenAI 的 function calling 写了一套 JSON Schema，想迁移到 Anthropic 的工具调用接口，就得把 tool 定义、参数序列化、流式响应解析全按新格式翻修一遍。有了 MCP，连接器暴露的是统一资源接口，模型侧怎么消费是服务端的事——换模型就是改配置指向，连接器代码纹丝不动。这个特性让自建终于摆脱了“选模型等于选房东”的锁死诅咒。当然代价也跟开服一样真实：你需要监控，需要有人摸透整套链路，第四个月冒出来的边界条件绝对比第一个月多一个数量级。适合什么？流程贴着你的核心交易逻辑、沾着外面平台不敢碰的古董系统、或者数据主权要求严苛到只能躺在自己机房。
腐烂路线图：为什么九成项目跌倒在同一个坑里
MIT Project NANDA 在 2025 年 8 月就泼过冷水：95% 的生成式 AI 试点对利润无可见贡献。Gartner 同期给 agentic 项目画了超过 40% 的取消线，理由清单前三名正是飙升成本、模糊的业务价值和缺位的风控——没一个是模型本身不够聪明。说穿了，多数团队选了个每周只省 20 分钟人力的边角料流程，自动化跑得再顺滑也产生不了足够支撑预算审查的数字。真正的解法土得掉渣：找一个有人快被淹死的关键流程，先量基线，再把确定性中间段抽出来交给机器，判断节点留给人。这样年终复盘时的数据才是实打实的。
咱怎么用、怎么选
我们内部接 Agent 项目时，第一步不是画架构图，而是蹲在干这活的人旁边看他到底处理了什么异常。那些没写进 SOP 却每天发生的旁路操作，才是 demo 落地的头号杀手。然后一刀切清边界：一个 Agent 只管一件事，输入输出明确到字段级别。等这四个灵魂问题——碰什么、谁负责、变多快、是管道还是壁垒——被回答干净了，路线自己就亮牌了。
- 数据不能出机房、流程天天微调、或者这是你吃饭的家伙 → 自建，用 MCP 保持模型可替换。
- 有合规刚需但系统全在生态圈内 → 企业套件，让审计日志替你挡住法务的追问。
- 流程相对稳定、团队有技术宅会看日志 → 工作流平台，把九成步骤写成确定性，别让概率乘法坑了你。
- 还在争论这个需求配不配立项 → 先用无代码搭个能被人骂的靶子，快速证伪比优雅产出重要十倍。
四条路没有谁高贵，只有你手中那叠问题该翻谁的牌。评论区丢出你的技术栈和流程复杂度，咱帮你盘一盘该走哪条线喵~ (๑•̀ㅂ•́)و✧
