在人工智能領域，自主決策能力正逐漸成為衡量Agent價值的關鍵指標，也因此被視為AI時代的新基礎設施。然而，一些觀點認為，Workflow在此方面似乎存在局限性，難以打造出真正的通用Agent。
談及具備決策能力和自我意識的Agent，不得不提AlphaGo的問世。這是AI首次展現出非模板化、非規則驅動的智能行為。通過深度神經網絡與強化學習（RL），AlphaGo能夠自我對弈、自我優化，最終擊敗人類頂級棋手，標志著Agent時代的到來。
Devin的出現，可以被視為通用Agent發展的一個起點。它將AI的編碼能力、任務執行與反饋機制整合為一個閉環，為后續產品提供了寶貴的范例。Manus延續了Devin的思路，并提出“More Intelligence”的理念，通過任務拆解、自我反思、模型調度等方式，增強Agent的理解力和適應能力。而Genspark則采取了更加模塊化的路線，每個任務步驟都可組合，開發者可以快速搭建屬于自己的Agent系統。
盡管Workflow在構建Agent中扮演了一定角色，但業內逐漸形成共識：僅靠Workflow難以打造出真正的Agent。主流觀點認為，擁有基礎模型是構建Agent的起點，而RL則是賦予Agent連貫行為和目標感的“靈魂”。它決定了Agent如何理解環境反饋、進行長期規劃，是連接感知與行動的關鍵。
然而，Manus因缺乏底層模型能力和算法支撐，系統結構相對開放，容易被模仿。盡管如此，AI科技評論認為，這種批評有失公允，因為Manus在產品設計和任務編排上仍有不少創新之處。那些堅持深耕強化學習的團隊，在新一輪技術演進中逐漸走到了前沿位置。
Pokee AI創始人朱哲清，前meta AI應用強化學習團隊負責人，就是RL的堅定信仰者。他認為，RL的核心優勢在于目標驅動，圍繞清晰目標進行策略規劃和任務執行。缺少RL，Agent容易陷入“走一步看一步”的模式，缺乏內在驅動力，難以勝任復雜任務。
朱哲清表示，真正的Agent不僅要有執行能力，還要對環境產生不可逆的影響。Workflow產品仍處于早期階段，需要人為干預。真正的Agent能夠根據給定目標，自主選擇和使用工具完成任務。他認為，Agent的發展可分為多個階段，從Zapier的工作流系統，到LangChain的可組合型任務執行模式，再到Claude做MCP的演進，最終將實現自主性與智能性的前所未有的水平。
然而，并非所有人都對RL持樂觀態度。香港科技大學（廣州）博士生、DeepWisdom研究員張佳釔認為，現有RL技術雖能在特定環境中提升Agent能力，但本質上是“任務特化”，而非真正的智能泛化。他強調，跨環境智能體才是目標，而RL在跨環境學習上面臨困境。他認為，即便使用RL對語言模型進行環境內優化，若基礎模型能力較弱，即便訓練到“最優”，也只是對單一環境的適配，缺乏跨環境泛化能力。
張佳釔將Agent的發展過程分為六個階段，目前大多數Agent產品公司仍處于第二到第三階段之間，尚未邁過第四階段的門檻。他認為，突破當前瓶頸的關鍵在于使Agent擺脫人類預設經驗的束縛，通過自主探索獲取跨環境經驗，并學會與各類專業Agent協作。
Follou創始人謝揚則持有不同觀點。他認為，Agent和工作流自動化可以組合起來，Agent應成為協助人類提升生產力的工具，而非獨立個體。他更關心Agent是否能在現實中幫人把一件事做完，無論是搜索信息、分析數據，還是調度工具。在他看來，很多人過于執著于“Agent是否像人”，而忽略了其真正的應用意義。
謝揚表示，衡量一個Agent是否有生命力，關鍵在于它是否“可組合”“可調度”。只有將Agent靈活地組織在不同的垂直任務中，支持模塊化的能力組合，并與人類實現高效協同，它才真正具備長期應用的可能性。基于此理念，Follou構建了一套融合Agent與工作流的架構體系。
在RL信徒與質疑者的觀點交鋒中，一個趨勢逐漸清晰：Agent的演化不再是單一范式的勝利，而是多種技術路線的協同博弈。構建Agent需要模型能力、目標規劃和執行機制等多方面的精密協作。RL塑造目標感，模型提供理解力，外部接口延展執行力，三者缺一不可。如何將這些能力組合在一起，真正打造一個可泛化、可遷移的系統，是Agent走向通用市場的關鍵。
