Anthropic的Agent决策清单：4个问题判断该不该做Agent

2026 年 5 月，Anthropic 的一场内部分享流出，PPT 上有一张超干货的决策清单："Should I build an agent" Checklist。

我看完第一反应：这张图，能帮 90% 的 AI 创业者少走半年弯路。

因为现在最常见的错误就是——什么需求都想做成 Agent。结果钱烧光了，产品还跑不稳。

这篇把这张清单拆开讲清楚，给你一个能直接用的判断框架。

---

一、为什么这张清单重要？

过去一年，AI 圈最大的误区是把 "Agent" 当成万能解法。

老板说：能不能做个 Agent？产品经理说：要不要上 Agent？投资人问：你们 Agent 化了吗？

但 Anthropic 想告诉你的是：Agent 是个"贵东西"，不是所有任务都配得上。

用错地方，就是在烧钱。

---

二、Anthropic 的 4 个问题

1. 任务够复杂吗？

判断标准非常直接：

• 单次任务价值 < $0.1 → 用 Workflow（写死的流程）
• 单次任务价值 > $1 → 用 Agent（让模型自己决策）

为什么？Agent 每次调用都要消耗大量 token 做规划、反思、调工具。任务本身不值钱，Agent 的开销就把你利润吃光了。

2. 任务的每一步都能做吗？

这是最容易被忽略的一条。

• 如果有任何一步 Agent 做不了 → 先缩小范围
• 全流程都能跑通 → 才考虑做 Agent

为什么关键：Agent 是端到端的承诺。 只要中间卡住一步，整个链条就废了。不如先把"能做的部分"做扎实。

3. 出错的代价高吗？

• 代价高 → 做成只读（Read-only）或人工审核（Human-in-the-loop）
• 代价低 → 才放手让 Agent 自动跑

举个例子：

• Agent 帮你写邮件草稿（要你点发送）→ 安全
• Agent 直接发邮件给客户 → 一旦说错话，公司形象就完了

4. 错误能被及时发现吗？

这条和第 3 条配套：

• 错了没人能发现 → 危险，不要上 Agent
• 错了立刻能看到 → 可以放手

核心逻辑：Agent 一定会犯错，关键是错了之后能不能兜住。

---

三、一句话总结这张清单

Agent 适合：高价值、全流程可控、容错空间大、错误可观测的任务。

反过来说，只要有一条不满足，优先选 Workflow，别硬上 Agent。

---

四、最容易踩的 3 个坑

坑 1：把低频任务做成 Agent

每天调用 10 次的内部工具，硬要做成多轮对话 Agent。结果：开发成本是 Workflow 的 5 倍，效果还更差。

坑 2：给 Agent 配了它做不了的工具

Agent 没有数据库权限，却让它"自动分析销售数据"。结果：Agent 自己编数据，老板被忽悠。

坑 3：让 Agent 跑在没人看的地方

后台 cron job 里跑 Agent，没有日志、没有告警。结果：跑挂了三个月没人发现，账单照付。

---

五、那现在能做 Agent 的领域有哪些？

按 Anthropic 这套标准筛，目前真正适合 Agent 化的场景其实不多：

• 编程辅助（任务价值高、错误立刻能看到）→ Cursor / Claude Code
• 客户支持（任务价值高、有人工兜底）→ Intercom Fin
• 数据分析（任务复杂、人审输出）→ Hex / Julius
• 运营自动化（流程长、可分步审）→ Lindy / Relay

共同点：要么任务足够贵，要么错误足够容易兜住。

---

六、给创业者的一条建议

别问"我能不能做 Agent"，先问"这个任务值不值 $1"。

值，再上 Agent。 不值，老老实实写 Workflow，把流程跑通、跑稳、跑赚钱。

Agent 不是越复杂越好，越"贵"越好。

是 Anthropic 用这张清单告诉所有 AI 创业者的一句潜台词。

---

最后一句话

如果你正在做 AI 产品，把这 4 个问题贴在工位上：

1. 任务够贵吗？
2. 每一步都能做吗？
3. 错了代价高吗？
4. 错了能被发现吗？

4 个全是绿灯，再上 Agent。

这是 2026 年做 AI 产品最务实的判断标准。

参考来源

1. Building Effective AI Agents — Anthropic