AI Agent 是什麼：把 AI 接到行動

AI Agent 是會自己拆步驟、用工具把事情做完的 AI 系統。給它一個目標，它會規劃、執行、看結果、再修正，直到完成，或停下來問你。

一般的 ChatGPT 對話是你問、它答，這是聊天。ChatGPT 本身也做 agent：2026 年 9 月 29 日推出的 dots 能在對話之間持續工作，10 月起 GPT-6 Pro 也能派多個 agent 同時處理一件工作的不同部分。差別在 AI 有沒有接到行動。定義和更多比較整理在 什麼是 AI Agent。

三個核心：工具、記憶、決策

  • 工具（tools）：呼叫 API、讀檔、寫資料庫、發訊息。沒有工具的 AI 只能聊天。
  • 記憶（memory）：「上週聊過什麼」「這個專案的偏好」要靠檔案、向量庫或結構化記憶層保留，模型的 context window 只裝得下眼前這段工作。
  • 決策迴圈（decision loop）：規劃 → 執行 → 觀察 → 調整，一輪一輪跑。穩定的 agent 會另外設好每輪預算與停止條件、失敗備援路徑，以及看得到的中間狀態。

聊天機器人、自動化、Agent 怎麼分

類別行為例子
聊天機器人 (Chatbot)一問一答，沒記憶 / 沒工具客服 FAQ、ChatGPT 單次對話
自動化 (Automation)預先寫好的固定流程，無語言判斷n8n schedule、cron 腳本
Agent接收目標 → 自主拆步驟 → 動工具Claude Code subagent、OpenClaw
混合型 (Hybrid)自動化觸發 → Agent 執行某段n8n schedule + AI step

很多標榜為「AI Agent」的產品其實是聊天機器人或自動化。看清楚定位再決定要不要付這個錢。

2026 年的新型態：常駐型個人 agent

Google、Meta、OpenAI 在 2026 年都推出了給一般人用的個人 agent。Gemini 任務和 dots 主打 24 小時常駐，你沒開對話時它也能繼續做事。截至 2026 年 11 月：

產品推出方案台灣
Google Gemini 任務（原 Gemini Spark）2026 年 5 月 19 日發表Google AI Pro 或 Ultra，須年滿 18 歲Pro、Ultra 訂閱者可用
Meta Muse2026 年 9 月 8 日多數功能免費，另有訂閱方案台灣未確認開放，日本、新加坡已推出
ChatGPT dots2026 年 9 月 29 日ChatGPT Pro（每月 US$100 起）與 Business Premium，第一個 dot 含在方案內，限 18 歲以上Pro 訂閱者在開放範圍內，分批開放

Gemini 任務和 Muse 都設計成花錢、寄信這類動作前先問你。常駐 agent 怎麼設計，可以看 Always-on agent 是什麼 和 Anthropic 的 always-on agent 五個元件。

真實例子：客服、報告、寫程式、社群海巡

例子工具記憶決策與把關
客服檢索問答（RAG）知識庫檢索、CRM 查詢、工單建立客戶歷史對話、處理紀錄能答就答，查不到就交人工
自動週報Slack、GitHub、Sheets API上週寫了什麼、本週新增哪些任務同主題合併，重要的上推、次要的收摺
寫程式（coding agent）讀寫專案程式碼、跑測試、GitHubCLAUDE.md、專案規範分給審查、除錯、撰寫說明文件的 subagent
Threads 海巡Threads / X 抓文、關鍵字過濾、回覆草稿看過的貼文、追蹤的話題照關鍵字和互動量挑貼文，回覆先給人核准

四個例子都有人在最後一步把關。海巡 agent 把每天滑社群找對話切入點的時間，從一小時壓到五分鐘看通知。

工具路線：no-code、coding agent、自建框架

路線工具適合代價
No-code builderDify（開源可自架，也有雲端版）、Coze、n8n產品原型、客服 RAG、先驗 idea雲端版要先確認資料送到哪、留多久、會不會被拿去訓練
Coding agentClaude Code：桌面、終端機、IDE、Slack、網頁、手機都能用，subagent 各有獨立 context 與權限，支援 MCP（讓 AI 連接外部工具的標準協定）與 hooks整個 repo 的改動、自動化排程記憶結構、權限邊界、失敗復原要自己設計
多 agent 系統OpenClaw（開源，自備模型 API key）、開源 agent Hermes Agent不同任務交給不同模型、權限隔離裝完還要自己調，不是開箱即用
自建框架開發 agent 用的程式框架 LangGraph、CrewAI（multi-agent orchestration）已知要做哪種系統的工程團隊記憶持久化、工具權限、retry、log 與成本追蹤都自己做

想直接交辦任務、不自己搭，可以看 Manus。各工具逐項比較在 AI Agent 工具比較。

記憶為什麼最容易壞

agent 的記憶最常壞，原因有三：沒分層，所有資訊塞同一個 context，到一個量就互相干擾。沒摘要，舊對話原文一直被帶進來，token 成本和雜訊一起變多。沒生命週期，什麼該過期、該歸檔，沒人設計。

可以從三層開始：索引層每次載入（agent 身分、當前任務、檔案位置），主題層按需讀取，工作記憶每天追加。把這三層分開，比「給 agent 更大 context window」更實用。實作細節看 AI Agent 記憶系統 和 AI Agent 的記憶機制。

權限與安全比 prompt 更重要

agent 的風險在它能做什麼：能不能寫、刪、對外送、動錢，出錯後怎麼復原。

間接提示注入

agent 讀網頁、信件、檔案時，裡面藏的指令可能被當成你的指令執行，這叫間接提示注入（indirect prompt injection）。OWASP 的 LLM 應用十大風險把提示注入列在第一項（LLM01:2025），並寫明目前不清楚有沒有萬無一失的防法。Anthropic 的 Claude Code 安全文件也寫：沒有系統能完全免疫。真實案例看 AI Agent 的安全風險 和 AI Agent 幫你工作，也能幫你洩密。

錯誤會一路累積

agent 的下一步建立在上一步的結果上。假設每步有 95% 機率做對，連續 20 步都對的機率只剩約 36%。步驟越長，越需要中間檢查點。

要花多少錢

截至 2026 年 11 月 15 日的官方價格：

  • 免費起步：Dify Sandbox 有 200 點試用額度，依模型扣點，OpenClaw 開源、沒有付費方案，模型 API 費用自付。
  • 付費：Claude Code 含在 Claude Pro（月繳 US$20，年繳每月 US$17）以上方案。Dify Professional 每月 US$59、Team 每月 US$159，n8n Starter 每月 €20（年繳），ChatGPT dots 要 Pro（每月 US$100 起）。

agent 跑一次任務會呼叫很多次模型，額度消耗比聊天快。dots 在 Codex 或 ChatGPT Work 裡啟動的任務，也照常計入方案用量。

紅線，以及什麼時候不要用 agent

  • 動到錢、刪資料、對外傳送：一律保留人工審核關卡。
  • 最小權限：不把整個帳號的 admin token 交給 agent。
  • 網頁、信件這類外部內容，跟你下的指令分開處理。
  • 每個 tool call 寫 audit log，危險操作先 dry-run。

一次問答就能解決的事，直接聊天就好。每次步驟都一樣的流程，用 n8n 或 cron 這類固定自動化更便宜也更可靠。結果你沒辦法檢查、或做錯就收不回的工作，先別交給 agent。

新手從哪一種低風險 agent 開始

「24 小時自動跑」很吸引人，但起步最常見的錯誤是權限給太大、記憶沒設計、出錯沒通知，agent 跑壞三天才被發現。

起步建議原因
單機助手不對外、不寫資料、失敗代價低
內部 FAQ 機器人工作流標準、可複審
自動摘要週報失敗代價低、可肉眼驗
客戶第一線可隨時改由人接手半自動，不交給 agent 直接決策

更穩的起點：先做半自動 → 人工審核把關 → 跑穩了再放權限。

避免起步時就做：自動發訊息、自動下單、跨部門資料寫入、未經人類核准的對外發布。

結論

Agent 的價值不在「更聰明的對話」，而在「能把對話接到行動」。但行動必須有邊界：記憶、權限、失敗復原是核心設計，不是文末附錄。先選好走哪條路（Dify / Coze / Claude Code / 自建框架），把第一條低風險工作流做出來，再來談規模化。

小企鵝的經驗

OpenClaw 是小企鵝目前在跑的多 agent 系統：Opus 做策略 / 寫作判斷、Sonnet 做機械任務、Codex 做 coding、再加排程腳本串起來。實際做下來，最麻煩的真的是記憶：跑沒幾天 agent 就會「忘記上次的決定」，根因是記憶層沒設計好（不是模型不夠強）。後來把核心檔做到精簡且分層才止血。

對「一般上班族能不能自己搭 AI Agent」的看法：能！但建議從成熟的最佳化架構與自我修復（self-healing）設計起步，不要一開始就追求 24 小時全自動。

延伸閱讀