主题
对比 JavaGuide《AI Agent 核心概念》、《Workflow、Graph 与 Loop》、二哥与小林《Workflow 和 Agent 有什么区别？》《什么是 ReAct？》《什么是 Plan-and-Execute？》。
多版对比
两边判据一致：执行路径能否提前确定。JavaGuide 说「能 = Workflow，不能 = Agent，兼有 = Agentic Workflows（全局图 + 局部 ReAct）」；二哥的话术版是「动手前能画出完整流程图就是 Workflow，画不出来才上 Agent」，并补了一句反直觉判断：生产环境大部分 AI 系统跑的恰是 Workflow。
ReAct vs CoT：二哥的「闭卷 vs 开卷」最好记——CoT 靠训练数据里编（56% 失败是幻觉，数字待核），ReAct 每个 Thought 都基于工具返回的真实证据；同时每个 Thought 本身就是 CoT，ReAct 是 CoT 的组合而非替代。JavaGuide 补了代价：ReAct 灵活但 Token 高、调试难一个量级。
Plan-and-Execute 容错，两边说法表面冲突：JavaGuide 说它「动态调整弱、行为近静态工作流」；二哥用 Replanner 论证它「跑偏了会修正、不怕烦」。实际不矛盾——P&E 有 Replanner，所以比纯 ReAct 更抗长任务漂移；但它的计划是批量的，计划本身错了或环境变了，修正成本比 ReAct 每步反思更高。两边各说了容错的一半。
各自独有：JavaGuide 给 Graph 是结构载体（Node/Edge/State）、Loop 是回边控制的分层观；二哥给 Planner 强模型 + Executor 弱模型的省钱搭配、任务超五步才上 P&E 的经验阈值。
小林：判据同源但补了两个硬货。①三者是一把尺：谁做「下一步去哪」的决策——Tools 不决策、Agent 模型决策、Workflow 开发者写死；且三者是可嵌套的三层结构不是三选一，「Workflow = 多个 Agent 串联」是误区。②token 硬账：同一个五步任务，ReAct 约 30000 token、Plan-and-Execute 约 14500，「强模型规划 + 弱模型执行」省 70-90% 成本——把二哥的省钱直觉变成了数字。还有对范式的矫正：Reflection 不是和 ReAct 并列的流程，是叠加在两者之上的「检查 buff」（Reflexion 错题本机制，HumanEval 80%→91%，数字待核）；并引 Anthropic「能用 Workflow 就不要用 Agent」的五模式清单。
结论：选型判据用二哥/小林的「画图尺」，容错辨析用上面的两层拆法，成本账引小林的数字（标注为该文实测口径）。
最优题解
判据一句话：路径能提前确定的用 Workflow，不能的才用 Agent。CoT 是闭卷推理，ReAct 是开卷——每个 Thought 都有工具证据，且每个 Thought 本身就是 CoT，所以 ReAct 是 CoT 的组合不是替代。
Plan-and-Execute 把规划和执行分开：Planner 用强模型出全局计划，Executor 用弱模型省钱逐步执行，Replanner 按执行结果继续、改计划或收工。它比 ReAct 抗长任务漂移——每步不用模型重新想全局；但计划本身错了调整就慢，所以结构清晰、步骤多的任务（五步以上、多工具）用 P&E，探索性强、路径真不确定的用 ReAct。生产里最常见的是 Agentic Workflow：全局流程用图定死，节点内部跑 ReAct。
追问链
追问：为什么说生产大部分该用 Workflow 而不是 Agent？ 参考答：因为「路径不确定」很多时候是需求没拆清，不是真不确定；To B 场景步骤可枚举，Workflow 可测试、可回放、成本可控，把不确定性收进少数节点里用 ReAct 兜底就够了。
追问：P&E 里为什么 Planner 用强模型、Executor 用弱模型？ 参考答：规划是全局决策，错一步全盘皆输，值得用好模型；执行是局部动作，量大且模式固定，用便宜模型压成本——这是按「错误代价」而不是按步骤顺序分配模型能力。
我的理解
这组题的胜负手是那个表面冲突：P&E 到底容错强不强。把「对执行结果容错」（Replanner 强）和「对计划本身容错」（比 ReAct 弱）分开说，立刻高一个层次。另外「大部分生产是 Workflow」这句反直觉判断一定要主动讲——它证明我做过工程选型，不是论文复读。