AI Agent 教學:工作流和 Agent 差在哪?用一個比價例子說清楚

照 Anthropic 的分法,事先寫好程式路徑的叫工作流,模型自己決定的叫 Agent,並建議先從最簡單的做起。該文沒有「AI Agent 工作流」一詞。

一位執行長報名智谷課程時留言,想學「如何設計 Skill 以及 Agent Team,還有執行自動化的工作,把 AI 能力賦能給員工」(2026 年 7 月 17 日場次報名表)。他要的是讓員工也能用 AI。

Anthropic 是開發 Claude 的公司。它的工程團隊寫過一篇〈Building effective agents〉,由 Erik S. 與 Barry Zhang 執筆,2024 年 12 月 19 日發表,通篇是寫給開發者的。

AI Agent 工作流是什麼

照 Anthropic〈Building effective agents〉的分法,事先寫好的程式路徑把模型和工具串起來的叫工作流,模型自己決定流程和工具使用的叫 Agent。這篇文章沒有用「AI Agent 工作流」這個詞,本文的「工作流」「Agent」都照它的分法。它建議先從最簡單的解法做起,真的需要才加複雜度。

這個分法有灰色地帶,例如指揮與分工,這是智谷的判斷。這類報價工作,智谷的課名和案例頁都叫它 Agent,這篇照 Anthropic 的分法讀它。

工作流和 Agent 各適合什麼

Anthropic 的建議是先找最簡單的解法,有必要才加複雜度。真要加時,任務定義清楚的適合工作流,結果好預測、也比較一致;規模大、需要彈性和模型自己做決定時,Agent 是更好的選項。不過附上檢索資料和範例的單次呼叫,通常就夠了。

在 ChatGPT 或 Claude 把資料和範例一起貼進去、問一次就拿到答案,比較接近單次呼叫,這是智谷的對照。本文後面的做法叫「分步提示詞流程」,是把工作拆成幾段固定的提示詞,每段看過才進下一段,最後有人簽核。沒有程式,人自己就是那條固定的路,不是文章說的程式路徑,這也是智谷的對照。

同一個比價,兩種做法

智谷網站上有一頁多供應商比價的示範,採購方「宏鈞精密」是虛構公司。示範頁沒有區分工作流和 Agent,以下是智谷拿它來拆。

採購把三家格式不同的報價攤在桌上,用筆圈出其中一份報價的一行註記

第一步,採購說一句「三家外箱報價都回了,幫我比」,AI 讀三封報價,再到 ERP 查上次進價。第二步整理成比價表,帳面最低的那家,PDF 第二頁寫運費另計,算進去反而最貴;另一家沒寫交期,被標出來。第三步寫成簽核摘要,主管確認後才開採購單、寄訂購確認信給供應商。

頁面註明整理時間從一到兩小時縮到十分鐘以內,是示範情境估算,不是照本文建議做出來的效果。

照 Anthropic 的分法,三步的順序用程式事先寫死、模型只管每一步,就是工作流;交給模型自己判斷先查什麼、再多做哪幾步,就比較接近 Agent。示範裡的 AI 自己去信箱和 ERP 取資料,沒有串接時,先手動貼三封報價。為了讓每項條款都被逐一檢查,智谷建議拆成三步。

五種工作流與 Agent

Anthropic 的文章整理了五種常見的工作流,各有適合的場合。智谷的看法是,中小企業可以先從前兩種開始,拆成固定幾步,或先分類再分派。

客服人員把印出來的客戶來信分進三個籃子,退貨、報修、詢價各一籃
五種工作流與 Agent(類型、適合的情況和 Agent 列的例子出自〈Building effective agents〉,其餘是智谷舉例)
類型適合的情況中小企業的例子
串接(Prompt chaining)能乾淨拆成幾個固定小步驟的工作;每一步變簡單,多花一點時間換準確度比價、對帳、請購
分流(Routing)複雜的工作能分成幾種明顯不同的類別,分開處理比較好,而且分得準客服信先分退貨、報修、詢價,各走各的回覆範本
平行(Parallelization)拆開同時做來加快速度,或多做幾次、多看幾個角度,結果比較有把握一份合約同時檢查付款、保固、違約三個面向
指揮與分工(Orchestrator-workers)複雜的工作裡,需要哪些小步驟事先沒辦法預測標案文件,題項多少事先不知道
評估與修正(Evaluator-optimizer)評估標準清楚,反覆修改看得出改善對外文案先寫,再照品牌規範挑錯重寫
Agent開放式問題,很難預測要幾步,路徑寫不死文章附錄的客服(邊聊邊查訂單、退款)和寫程式

智谷看,指揮與分工是工作流裡最接近 Agent 的一種。文章把它歸在工作流,卻也說它的子任務不是事先定好,由中央的模型依輸入決定,文章拿這點區分它和平行。這條界線不乾淨,是智谷的讀法。

文章說 Agent 可用於開放式的問題,也要對模型的判斷有一定程度的信任。附錄的客服和寫程式,成功與否都有清楚的標準。代價是成本較高、錯誤可能越滾越大,要先在隔開的測試環境多試,並設好防護。

文章開頭註記,2024 年 12 月以後文中的工具變了很多,並附上後來的 Managed Agents 做法。Anthropic 現行的Managed Agents 文件另有一種由 Agent 自己寫程式、去執行許多 Agent 的 workflow,本文不談。

動手前的檢查清單

以下五題是智谷自己的判斷方法,不是 Anthropic 的清單。第一題答「是」,單次貼文就夠。第一題答「否」、後四題都「是」,就先做成分步提示詞流程,最後一步交給原本簽這張單的人核准。後四題有答「否」的,先補到「是」再動手。

老闆把跑順的比價流程交給採購同事,同事點頭,主管只看最後一頁
  • 把參考資料和一兩個範例一起貼進去,一次就能做完嗎?
  • 這件事每週都在重複,而且做法大致相同嗎?
  • 步驟寫得出來嗎?能用三到五步講完的,比較好起步。
  • 做錯了看得出來嗎?最後有人能核准嗎?
  • 需要的資料拿得到嗎?以比價為例,是料號、過去進價和付款條件的規則。

第二題的「每週」、第三題的「三到五步」是智谷自訂的門檻。想先試第一步,可以貼這段:

把下面三封報價整理成一張表,欄位是單價、運費、交期、付款條件,信裡沒寫的欄位填「未寫」。
報價內容:【貼上三封報價】

智谷建議把三步各寫成一段固定的提示詞,照順序貼進同一個對話,第一步連做兩次都對再加第二步。這只是起步門檻,不是驗收。

流程跑順之後,智谷建議交給原本做這件事的採購。「跑順」是智谷自訂的門檻,指換過兩批不同的報價都做對。官網〈AI 工作流自動化〉寫連續四週,並提醒第一條流程先挑出錯影響不大的工作,別先碰對外報價或合約審核;另一篇寫多數要三到五輪修正才穩定。標準都不同,本文的比價是內部比較,最後仍有人簽核。

採購對照原檔核對 AI 標出的條款,AI 沒標的部分,每週抽一份報價讀到最後一頁的小字。主管最後看簽核摘要。

課程裡有一堂從需求信做到報價單的如何讓 Agent 幫你自動出報價單,那是替客戶出報價,和進貨比價不同,課程頁寫明預設已裝好 Claude Code、有一支能跑的 Agent。

重複的工作怎麼設計成流程,可讀官網〈AI 工作流自動化〉;不會寫程式的話,還有〈不會寫程式,也能把一件重複工作交給 AI 代理人自己跑完〉。

資料來源

常見問題

AI Agent 工作流是什麼?和 Agent 差在哪?

Anthropic〈Building effective agents〉沒有用「AI Agent 工作流」這個詞。照它的分法,事先寫好程式路徑的叫工作流,模型自己決定流程和工具使用的叫 Agent。智谷認為這個分法有灰色地帶,例如指揮與分工。我們的看法是,比價、對帳、請購這類步驟固定的工作,先做成分步提示詞流程(人工照順序貼提示詞,不是程式路徑),比較容易逐步檢查。

中小企業一開始該做 Agent 還是工作流?

Anthropic 認為,很多應用只要把「呼叫一次模型」這件事做好,附上查來的資料和幾個範例,通常就夠了,不一定要做多步驟的系統。我們建議先把參考資料和範例一起貼進去,看一次能不能做完。做不完,再挑一件每週重複、做法固定、做錯看得出來的事,做成分步提示詞流程,也就是把工作拆成幾段固定的提示詞,人工照順序貼。

什麼情況可以考慮用 Agent?

Anthropic 說 Agent 可用於開放式的問題,很難預測要幾步、路徑也寫不死,而且對模型的判斷要有一定程度的信任。它在附錄舉的客服和寫程式,成功與否都有清楚的標準。比價、對帳、請購這類步驟固定的工作,我們歸在工作流,這是智谷的歸類,不是 Anthropic 的結論。

Anthropic 這篇是 2024 年的,現在還適用嗎?

〈Building effective agents〉在 2024 年 12 月發表,之後改過。現在開頭有一段註記,說文中提到的工具變了很多,並附上後來的 Managed Agents 做法。Anthropic 現行的 Managed Agents 文件另有一種由 Agent 自己寫程式的 workflow,本文不談。智谷這篇取的是分法、五種工作流和先從簡單做起的原則,不取任何工具的用法。這些是做法層面的區分,我們判斷受工具改版影響較小,但這是判斷,不是核對。

智谷網絡

智谷網絡成立於 1996 年,做的是企業培訓與 AI 導入顧問。

想先把一件固定的工作做成分步提示詞流程嗎?

我們先聽你現在卡在哪,再說適不適合。不適合會直接講。

預約諮詢

更多「工具與做法」的文章