工作流程化與 AI Agent：AI 從回答問題到幫你做事

AI Agent 的進化史

在 AI Agent 出現之前，應答和自動化工具主要有三種：

1. 智慧聊天機器人（AI Chatbot）：根據你的提問，在有限的範圍內提供制式回答。
   例如客服機器人，只要辨識出你提到「退款」，無論你說「取消訂單」「退回貨品」「提出款項」，最終都會導向一套標準的退款流程說明。
2. 流程自動化（RPA - Robotic Process Automation）：依照設定好的規則，自動執行明確任務。
   例如使用 Zapier、Make 或其他自動化工具，每週一自動下載公司財報，按照指定格式轉換成 Excel，存入指定資料夾。
3. AI 助理（AI Assistant）：根據你的語音或文字指令，在特定裝置或環境中執行任務。
   例如 Siri 或 Google Assistant 可以設定鬧鐘、打電話、查詢天氣，聽得懂簡單語句，也能幫你執行內建功能。

這三種代表了三種不同的能力邏輯：

想像你是一間工廠的老闆，這三種角色的差別：

• AI Chatbot 像是一位只能回答既有手冊內容的客服，對話能力強，但完全不會做事。
• RPA 工具 像是工廠裡的機械手臂，只要條件吻合，就會自動執行預定程序，但無法靈活應變。
• AI Assistant 則像是你的秘書，能聽你講話、幫你操作些事情，但理解力有限、指令超出範圍就無法完成。

近期各式 AI 工具如雨後春筍出現，大多屬於「AI 助理（AI Assistant）」的延伸範疇，透過對話或簡易輸入，即可完成特定任務，例如：

• AI 網站製作工具： 輸入目的與產品概念，即可自動產出一頁式網站
• AI 修圖／影片／語音工具： 提供風格與文字描述，即可製作或修改多媒體內容
• AI 數據分析： 上傳資料與分析目標，即可輸出一段分析結果與結論
• AI 簡報生成： 說明簡報用途、主題，便能產出可用的 PowerPoint 檔案
• AI 會議整理： 按下錄音或上傳記錄，即可轉寫並摘要出會議重點

這些工具與過去僅能處理命令句、關鍵字查詢的 NLP 系統不同，普遍建立在**大型語言模型（LLM）**之上。這使得 AI 助理具備了更強的語境理解與生成能力，不再只是「輔助輸入」或「強化查詢」，而能完成一連串具結構的任務。

而在 AI 助理之上，更進一步的，是「AI Agent（AI 代理）」的概念。它不再只是秘書，而是當你不在公司的時候，會代替你主動處理任務、決策與執行，意味著要具備三個條件：

1. 具備知識與環境感知能力：能主動掌握當下狀況
2. 具備判斷與行動規劃能力：能自己決定要做什麼、什麼時候做
3. 具備工具操作能力，且被賦予執行權限：能實際完成交辦的任務

而大型語言模型，正好能提供 Agent「知識」與「判斷」的能力。

那麼，「如何讓它擁有感知的能力，並串接外部系統執行任務」就成為下一個議題。

傳統自動化的限制：規則 + 配對

過去的流程自動化（RPA）運作方式是：

• 人類預先設定觸發規則
• 明確指派每一條規則要啟動工具、做什麼操作

這類系統固然可用，但它有兩個結構性瓶頸：

1. 所有可能情況都要預先列出規則
2. 每條規則都要配對到具體的工具與任務

這意味著——只要情況稍有變化、規則未預設，就無法動作。

AI Agent 的突破：理解上下文，自主選擇行動

而 AI Agent 的出現，打破了這個限制。它不再依賴我們一條條列出規則，而是能依照任務目標與即時情境自行判斷，什麼時候該行動、該做什麼事。

這是大型語言模型的強項：
只要我們明確設定目標和邊界條件，它便能根據上下文「想像出」更多具體行動規則。
當環境發生變化時，它會回到任務目標進行重新判斷，並自行規劃出接下來要做的事情。

對 AI 來說，這一切都是「上下文」：
不論是狀況判斷、任務規劃還是對話邏輯，都是語意判斷的一環。

工具調用的邏輯也改變了

傳統 RPA 中，工具與任務之間的對應是硬連接的。

而在 AI Agent 架構中，工具可以變成一份「說明書」，只要提供使用說明與限制條件，模型就能根據需求、理解說明，自行選擇最適合的工具來執行。

對 AI 來說，「工具的功能描述」也只是另一段上下文，它能閱讀、理解，然後調用。

這樣的能力組合，才真正讓 AI 從助理（執行者）進化成代理人（自主行動者）。

怎麼擁有自己的 AI Agent？ChatGPT 可以嗎？

廣義來說，線上版的 ChatGPT 已經算是一種初階的 AI Agent。在 2025 年初，它的代理能力還很有限：

• 它無法主動啟動工作，必須靠你「主動提問」才能開始行動
• 它主要能做的任務是回答問題、產出文字、表格、程式碼等內容
• 它缺乏與外部系統的整合能力，無法自動幫你寄信、改資料、存檔案

雖然不能做完所有事，但 ChatGPT 可以做出「多階段任務代理雛形」。ChatGPT 提供的「建立自己的 GPT」功能，讓我們可以事先輸入上下文、定義角色與任務流程。這讓你可以用分工的方式，拆出三個不同任務型 GPT，來模擬多階段流程，更容易做到前一篇提到的 RAG 的細節優化：

• A - GPT： 根據原始問題，產出更多相關提問
• B - GPT： 拿 A 產出的問題，進一步分層、拆解、分類
• C - GPT： 根據 B 的問題結構，去查資料並嘗試回答原始問題

這樣的組合雖然有流程感，但因為 A、B、C 無法互相溝通、無共享記憶，你仍然需要人工「搬運訊息」，才能串起整個任務流程。

真正的 AI Agent 還需要什麼？

即便這樣分工已經讓 ChatGPT 看起來「會做事」，但它仍缺乏兩個 AI Agent 應具備的關鍵特徵：

1. 啟動任務的能力應該是被動觸發，而不是人手輸入指令
   例如：當某個 Excel 表格更新、網站數據變動、專案啟動日到來，就該自動開始工作
2. 任務執行應該是完整連貫的，而不是靠人員不斷中介操作
   例如：從讀取資料 → 分析結果 → 匯出報表 → 寄送 Email，應該可以一次完成，不需人工傳遞中間文件

換句話說，真正的 AI Agent，應該像一個具備知識、邏輯、執行能力的虛擬「分身」，能在你不在時主動處理工作，而不是一個回答型工具。

未來版本的 AI Agent，我想像是一個數位世界中的「人形智慧機器人」。它擁有足夠的知識與判斷力，也具備與各種工具整合、主動處理任務的能力，真正能在工作現場「代替你」行動。

而在這樣的未來實現之前，非工程師可以採用的路徑，是透過如 n8n 這樣的流程自動化工具，逐步建構出一個具備基本代理能力的雛形，從感知、決策到執行，讓 AI 不只是回答問題，而是真正「幫你工作」。

流程自動化工具：n8n 的基本概念

上圖是 n8n 工具的畫面，可以透過比較視覺化的方式，讓 AI Agent 在 n8n 這個系統中知道：

• 什麼時候要開始工作（觸發條件）
• 希望它完成哪些任務（任務邏輯）
• 可使用的工具有哪些（資源與權限）
• 最終成果要交付給誰（輸出目的）

上面這些大部分都可以透過打字（就像和 ChatGPT 對話）、滑鼠拖拉來完成。

也就是說，n8n 就是一個虛擬的工作場域，讓你的 AI Agent 在裡面上班，不需要實體形體、也不必像機器人那樣在現實空間中走來走去。

要讓 AI Agent 在 n8n 中正常工作，我們需要像對待新進員工一樣，先安排好以下幾個核心元素：

1. 告訴他什麼時候要開始工作（觸發條件）
   例如：

   • 每天早上自動檢查一次廣告效益
   • 每隔 30 分鐘查看一次 Email，有沒有客戶詢問

2. 說明任務原則與工作目標（任務說明）
   你可以像寫 Prompt 提示詞一樣，讓他知道自己要達成什麼目標，例如：

   • 發現廣告成效變差，要提出調整建議
   • 客戶來信時，要回顧過去的資料並提供回覆內容

   也可以提供一份簡單的「員工手冊」或說明文字，讓他更明白應該怎麼做。

3. 準備他能使用的工具（執行資源）
   讓他能夠「做事」，你必須提供下列這些東西：

   • 如果要幫你查資料，就要讓他能讀取相關文件，或是把文件整理成可以查找的資料格式（像是資料庫）
   • 如果你希望他能寄信給客戶，就要給他發送信件的權限
   • 如果你希望他能幫你修改 Google 雲端文件、編輯 Excel 表單、整理 Notion 資料，就要先把這些資料放在他可讀可寫的位置
   • 如果他要幫你處理待辦清單、回應訊息，就要讓他知道這些工具的使用方法、步驟與目的

當這些要素都準備好之後，你就可以透過 n8n 把整個工作流程排列起來，像接水管一樣把每一步串起來。AI Agent 就會知道什麼時候該啟動、該做什麼、做完該交給誰。

整體來說，這就像是在培訓一位新進員工，只是你不需要帶他開會、做簡報，而是：

• 用文字交代工作規則
• 提供可以使用的檔案與工具
• 幫他安排完成工作所需的步驟流程

這一切，都在 n8n 這個虛擬環境中完成。

但下一個面臨的挑戰也是顯而易見，

它真的做得出來嗎？還是只是會說不會做？它的動手能力好嗎？

會不會像某些剛出社會的高材生，說得頭頭是道，但真的要操作工具、執行任務時就完全卡住？