企业工作流代理通常采用逐步交互（Step-by-Step）模式：代理执行一次动作，观察结果，再调用大语言模型（LLM）决定下一步。全局编排（Global）则提前生成完整可执行工作流，执行时不再调用 LLM，从而大幅降低推理开销，但准确率仍低于逐步交互。\ \ 我们提出 AgentOrch 基准，直接在 650 条企业 SOP 与 3,220 条运行时变体上，对齐工具、环境和评估方式，比较全局编排与逐步交互的表现。结果显示，所有评估模型中逐步交互仍更准确，但从早期模型到最新最强模型，准确率差距已缩小约 79%。\ \ 进一步分析发现三条提升路径：\
- 增量工作流构建：在不使用运行时反馈的情况下，将全局编排拆解为若干增量步骤，可提升约 9.98 个百分点（pp）的准确率。\
- 基于执行反馈的工作流修正：利用实际执行结果对完整工作流进行修正，对所有模型均有提升，尤其在未见过的运行时变体上提升 6.13 pp。\
- 针对完整工作流的有针对性训练：对五个模型进行专门训练，可平均提升 12.18 pp 的准确率。\ \ 尽管仍存在差距，全局编排为企业级代理提供了在降低 LLM 调用次数的同时提升准确率的可行路径。\ \ 点评