用一个任务理解差别
“解释退款规则”可以由聊天回答完成；“查订单状态，再根据规则草拟回复”需要调用数据工具；“遇到信息不足时继续查资料，直到形成可审核处理方案”则更接近 Agent 任务。
是否叫 Agent 不是最重要的，关键是系统实际能读什么、改什么，以及失败时谁来处理。
一个可以照着搭建的小流程
从只读客服练习开始：输入问题，检索一份测试版 FAQ，生成带来源的回复草稿，没有命中就返回待人工处理。Dify 知识检索文档提供“输入—检索—模型—回答”的节点连接方式。
先使用自己编写的三条测试问答，不接真实客户数据。分别测试命中、没有答案和互相矛盾三个问题，检查系统是否正确停下。
什么时候才需要自主选择工具
如果每次都是固定三步，普通工作流更容易调试。需要根据中间结果决定查哪份资料或使用哪个工具时，再考虑 Agent。Dify Agent 节点提供工具和迭代控制的配置入口。
给任务设置最大步骤、超时和费用上限，并规定哪些动作需要人工审核。
工具成功不等于任务成功
接口返回成功，只表示一次调用完成。要验证最终答案是否引用正确资料、订单是否属于当前用户、操作是否重复执行。对写入动作，设计可重试且不会重复扣款或重复建单的流程。
先用模型协议检查验证结构化输出与工具调用，再用真实的脱敏任务做验收。
从小范围上线开始
先只生成草稿，积累失败案例后再扩大能力。记录输入类型、工具结果、人工修改和费用，但不要记录密钥。选型可继续看AI Agent 工具比较方法，成本则参考官方 API 价格。