核心指数 架构判断 5/5
系统设计强调“对模型行为有品味的判断”。固定、高频、可枚举任务优先 workflow；开放、多工具、可根据观察修正的任务才需要 agent loop。
每个当天会被提问或用于练习的术语，先给通俗释义，再给专业释义，避免题目超出当天知识点。
通俗释义：固定流程自动化，像流水线；不需要模型每一步自由决定。
专业释义：预定义 DAG/状态机驱动的自动化流程，适合稳定、可枚举、低不确定任务。
当天检查：能区分一个步骤应该是 workflow 还是 agent loop。
参考脉络：Anthropic Building effective agents
通俗释义：先判断该不该做、怎么做才稳，而不是堆名词。
专业释义：围绕用户任务、稳定性、DX、权限、成本和可维护性进行架构取舍，决定 workflow、agent、human review 的边界。
当天检查：能指出至少 3 个不该 Agent 化的环节。
参考脉络：Anthropic effective agents / product engineering
通俗释义：把“Agent 增加成本、不确定性和安全面”先理解成今天要掌握的一种工程判断：它帮助你决定系统该如何稳定完成任务。
专业释义：Agent 增加成本、不确定性和安全面 是 Agent Harness 课程中的专项能力点，需要从定义、输入输出、工程边界、失败模式、指标与验证方式六个角度掌握。
当天检查：能用自己的话解释 Agent 增加成本、不确定性和安全面，并把它映射到 AI Digest / Hermes / 学习平台中的一个真实环节。
参考脉络：课程内置知识点；当天需结合 AI Digest 或真实系统案例验证
通俗释义：把任务进度写清楚：待处理、运行中、验证中、完成、失败。
专业释义：用显式状态、转移条件、幂等键、错误字段和恢复策略管理长任务，而不是依赖聊天历史。
当天检查：能为文章学习流程设计 pending/running/verifying/done/failed。
参考脉络：12-factor agents / backend job systems
系统设计强调“对模型行为有品味的判断”。固定、高频、可枚举任务优先 workflow；开放、多工具、可根据观察修正的任务才需要 agent loop。
它在 Agent Harness 中连接“目标/约束、上下文、工具、状态、验证、运营指标”这些层。学习时要问：这一层负责限制什么风险？它把哪类不确定性变成了可观察、可恢复、可评估的工程对象？
任务分类 → 不确定性评估 → 自动化层级 → 人类确认点 → 指标
今天围绕“Workflow vs Agent：什么时候不要 Agent 化”建立一个可复用的工程判断：先能定义它解决什么问题，再能指出它在 Agent Harness 中位于哪一层，最后能用一个真实系统环节验证它是否有效。系统设计强调“对模型行为有品味的判断”。固定、高频、可枚举任务优先 workflow；开放、多工具、可根据观察修正的任务才需要 agent loop。 学习时不要只记名词，要把它和状态、工具、上下文、评估、成本或安全边界中的至少一项连接起来。
我会先判断问题是否需要 agent，不会为了技术名词堆架构。
任务分类 → 不确定性评估 → 自动化层级 → 人类确认点 → 指标
把摘要系统拆成 workflow、agent、worker、human-in-loop 四层。
完成标准：能指出至少 3 个不该 Agent 化的环节。
目标、状态、计划、工具、观察、评估、记忆构成最小 agentic 闭环。