AI Agent 教學：工作流和 Agent 差在哪？用一個比價例子說清楚

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〉，先講了一件更基本的事。大家口中的 Agent，其實是兩種東西。

Agent 這個詞有兩種用法

是不是 AI Agent，不看叫什麼，看誰決定下一步。有人說的 Agent，是會自己決定步驟、自己用工具的系統；也有人說的 Agent，只是照事先排好的流程走。Anthropic 把兩種都算作 Agent 系統，但只有前者叫 Agent，後者叫工作流。

這篇由 Erik S. 與 Barry Zhang 執筆，2024 年 12 月 19 日發表。他們跟幾十個團隊合作過，發現做得最好的，都沒用複雜的框架或專用套件，而是用簡單、能拼起來用的做法。

工作流和 Agent 各適合什麼

照他們的定義，工作流是用事先寫好的程式路徑，去指揮模型和工具；Agent 則是模型自己決定怎麼做、用哪些工具。任務定義清楚的，用工作流，結果好預測、也比較一致；需要大量彈性、要靠模型判斷的，用 Agent。

他們建議的起點，比這兩種都簡單，先找最簡單的解法。很多應用只要把「呼叫一次模型」做好，附上查來的資料和範例，通常就夠了。真的不夠，再把系統做複雜。

平常在 ChatGPT 或 Claude 裡，把參考資料和幾個範例一起貼進去、問一次就拿到答案，比較接近這個起點；只問一句、什麼都不附，還不算。這是智谷的對照，不是文章的說法。

同一個比價，兩種做法

拿智谷網站上的比價示範來說，流程有三步，收報價、比價並標出風險、等主管核准。同一件事，可以做成順序寫死的工作流，也可以交給 Agent 自己決定怎麼做。這是示範情境，裡面的採購方「宏鈞精密」是虛構公司。

第一步，採購說一句「三家外箱報價都回了，幫我比」。AI 去信箱找出三封報價信，一封 PDF、一封 Excel、一封 Word，接著去 ERP 查這個料號上次的進價。

第二步，AI 把三家報價整理成一張比價表。表面上最便宜的那家，PDF 第二頁寫著運費另計，加進去反而最貴。另一家沒寫交期，AI 也標出來，提醒採購回頭問。

第三步，AI 把建議寫成簽核摘要，交給主管。主管核准了，它才開採購單、回信給供應商。案例頁估計，每次整理的時間從一到兩小時，縮到十分鐘以內（頁面註明這是示範情境）。

如果三步的順序是程式寫死的，模型只管每一步要做的事，那就是工作流。如果交給模型自己判斷要先查什麼、還要多做哪幾步，就比較接近 Agent。

五種工作流與 Agent

文章整理了五種常見的工作流，各有適合的場合。我們的看法是，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。

五種工作流與 Agent（類型和適合的情況出自〈Building effective agents〉；例子是智谷照中小企業常見的工作舉的）

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	比價、對帳、請購
分流（Routing）	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）	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，事先不知道要幾步，路徑寫不死	文章附錄舉的是客服和寫程式

至於 Agent，他們說適合開放式的問題，事先不知道要幾步，路徑也寫不死，而且要能在一定程度上信任模型的判斷。附錄的兩個例子，客服和寫程式，做得好不好都有清楚的標準，可以看結果回頭修，也都有人在把關。

代價也寫得很清楚。Agent 自己做主，成本比較高，錯誤也可能越滾越大，所以要先在隔開的測試環境裡多試，也要設好防護。

〈Building effective agents〉也有限制。它的開頭現在有一段註記，說 2024 年 12 月以後，文中提到的工具變了很多，並附上後來的 Managed Agents 做法。

動手前的檢查清單

挑第一件要交給 AI 的工作前，先問五個問題。第一題答「是」，就不用做流程。第一題答「否」、後面四題都答「是」，就先做成工作流，最後一步交給原本簽這張單的人核准。

• 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？例如報價單範本、價目表、過去紀錄。

想讓 AI 幫忙判斷，可以把下面這段貼進 Claude 或 ChatGPT 的對話框。拿到 AI 列的步驟後，先自己只做第一步，例如把三封報價整理成一張表，這週先試兩次。

我想把下面這件工作交給 AI。請依 Anthropic〈Building effective agents〉的分類，判斷它適合哪一種：
單次呼叫就夠（資料與範例一起給，一次做完）、串接（拆成固定幾步）、分流（先分類再分派）、
平行（拆開同時做或多做幾次比對）、指揮與分工（由模型臨時拆工作）、評估與修正（一個寫一個評），
或需要 Agent（模型自己決定步驟）。
說明理由，並列出最簡單的做法需要哪幾步、每一步的產出、哪一步要由人核准、由誰核准。
工作內容：【貼上你的工作描述】

沒有工程師也能先跑起來。把三步各寫成一段固定的提示詞，照順序貼進同一個對話，等第一步兩次都對，再加第二步。這是智谷的建議。

流程跑順了，就交給原本做這件事的員工。他每週把三封報價貼進同一個對話，看一下 AI 標出來的條款和缺漏，再送出簽核摘要，主管只要看最後那一頁。

課程裡有一堂課，從需求信一路做到報價單，如何讓 Agent 幫你自動出報價單。想看怎麼把重複的工作設計成流程，可以讀官網這篇〈AI 工作流自動化〉。

資料來源

• Anthropic，Building effective agents（英文），2024-12-19 發表，2026-10-22 讀取
• 智谷網站，多供應商比價示範案例，2026-10-22 讀取
• 智谷課程報名表留言，2026 年 7 月 17 日場次（已去識別，內部資料）