我曾经把“能不能用 Agent 做”误当成“值不值得用 Agent 做”。两者之间，隔着对复杂度、维护成本和真实收益的判断。
复杂并不等于高级
当一个成熟工具已经稳定完成任务时，重新做一层编排，往往只是把原本透明的流程变得难以观察。新系统需要配置、调试、维护和记忆，它可能带来技术上的满足感，却没有改善最终结果。
判断一个 AI 工作流是否有效，不应看它调用了多少模型，而应看它是否降低启动成本、减少重复劳动，并让错误更容易被发现。
把 AI 放到“判断密度”高的地方
最值得交给 AI 的不是已经被成熟产品解决的机械动作，而是需要理解上下文、比较方案、整理信息和生成初稿的环节。
- 有没有稳定、便宜、已经被验证的现成路径？
- 当前瓶颈是执行速度，还是理解、判断与表达？
- AI 的结果能否被快速验证，失败时能否安全回退？
一个更简单的原则
成熟产品负责从 A 到 B；AI 在旁边帮助你看清 A、选择 B，或者更快纠正途中发生的偏差。
有效的智能，不是让系统看起来更像未来，而是让人更少被无意义的复杂度拖住。