AI Agent 教學：四個元件，組出會自己做事的 AI

前言

想自己做一個 AI Agent 的人，工具多半都會用，卡住的是不知道一個 Agent 由哪幾塊組成、哪一塊該先做。這篇把它拆成大腦、記憶、手腳、排程四個元件，每一塊配一個我線上實際在跑的流程，再給你三種工具路線的門檻比較、第一個 Agent 的四個步驟，以及做出來之後怎麼驗、為什麼會爛掉、token 到底花在哪。

AI Agent 是什麼？跟「有接了 AI」的系統差在哪

現在幾乎每個產品都說自己有 AI，但有用 AI 不等於是 AI Agent。分界點在誰決定流程。你把步驟寫死、模型只負責其中一站，那是一條資料管線；你給它一個目標、讓它自己決定下一步做什麼，才進入 Agent 的範圍。

自主程度的光譜

Agent 不是一個開關。最左邊是純問答，只有一顆大腦，你問一句它答一句；往右加上知識庫，它開始答得出你的事；再往右它會自己呼叫工具去查；再往右它會把一個目標拆成好幾步自己走完；最右邊是好幾個 Agent 分工協作。越往右自主程度越高，中間沒有一條明確的線，比較像一根滑桿。你第一次自己做的東西通常落在中間偏左，這很正常，也比較好維護。

分水嶺：會不會自己決定下一步

真要挑一個位置當分界，就看系統會不會自己決定下一步。一般 AI 功能的路線是你定的：先做 A、再做 B、輸出 C。Agent 拿到的是目標，它會自己想「先查資料，查完發現不夠，再查一次，然後整理，最後輸出」。這種想一下、做一步、看結果、再想下一步的循環，是 Agent 跟其他東西最實際的差別。它不照寫死的步驟走，邊做邊判斷。

管線型 vs Agent 型

我手上兩套線上的東西剛好一邊一個。AI 工具排行榜網站 AICommand 的流程是：去 Reddit、GitHub、Hacker News 撈大家在討論哪些工具，用模型把每則討論抽成結構化資料（提到哪個工具、評價正負面），再算分排名。這裡確實用了模型，但它不是 Agent：流程是我寫死的，模型是管線中間負責抽取的那一站，它不會自己決定要多爬一輪，也改不了流程。

另一套監控 Threads 的系統就不一樣。它定時撈相關貼文，用模型判斷每則該不該回、適合怎麼回，把建議回覆寫成候選清單，然後停下來等我按核准，才真的發出去。它自己做了判斷、自己擬了行動，我只在「送出去」前面卡了一道人工閘門。

「AI 架構」講的是同一件事嗎

搜「AI 架構」會跑出兩種完全不同的東西。一種是雲端大廠和硬體商講的基礎建設：要多少張顯示卡、資料放哪、模型怎麼大規模訓練，那是有 MLOps 團隊的公司在煩惱的。另一種是應用層：怎麼把一個會做事的 AI 組起來。這篇講的是後者，而 AI Agent 就是應用層架構長到「會自己決定下一步」時的樣子。架構在講元件怎麼組，Agent 在講組到會自己行動的那個結果，兩個詞指的是同一件事的兩種視角。

AI Agent 由四個元件組成：大腦、記憶、手腳、排程

把 Agent 拆開，會做事的部分就是這四塊。理解它們之後，你看任何 AI 產品都可以直接問四個問題：它的大腦是誰？記不記得你的事？有沒有手腳？誰按下開工鍵？問完，它的骨架就露出來了。

大腦（LLM）：理解與生成

大腦就是大型語言模型，GPT、Claude、Gemini，或跑在 Groq、OpenRouter 上的那些。它負責讀懂你的話、生出回應，也負責 Agent 那個「想下一步」的判斷。只有大腦的 AI 只會聊天，它不知道你公司的事，也不能替你做任何動作，像一個腦袋很靈光但剛報到、什麼都還沒交接的新人。

挑模型時先看兩件事：支不支援 function calling（不支援就長不出手腳），以及它的回應速度跟你的場景搭不搭。要即時回客人的用快的，跑夜間批次的可以用慢一點但便宜的。

📖 延伸閱讀：AI 為什麼一句指令就懂？Agent 推理與規劃

記憶（知識）：讓它講你的事

要讓模型不再只講通則，得餵它知識。做法是把一份知識庫塞進它每次回答前要讀的內容裡，這是 RAG（檢索增強）的入門版。我網站上那隻助理黃小瓜瓜就是這樣組的：一個跑在 Groq 上的模型當大腦，加一份我自己寫的知識庫當記憶。它答得出「Q kangber 有哪些服務」，不是因為模型本來就認識我，是它每次回答前都先讀過那份我餵的知識。

記憶分兩層。同一段對話裡記得你上一句講過什麼，是短期記憶；跨對話都查得到的那份資料，是長期知識庫。第一次做只需要長期那層，把常見問答整理成一份文件就能開始，不用一上來就架向量資料庫。

📖 延伸閱讀：AI 為什麼總忘記你說過的話？Agent 記憶原理

手腳（工具）：能查、能動

模型的知識停在它被訓練的那一刻，問它今天的事它不會知道。工具就是給 AI 裝上手腳，讓它能查即時資料、能呼叫外部服務。我幫文章找資料的那條流程裡，AI Agent 會先自己呼叫 Tavily 搜尋去查最新資料，查完才往下寫。跨過這一步，它就從「用腦袋裡的舊知識講」變成「會自己出去查了再講」。

在 n8n 裡，工具是掛在 AI Agent 節點下面那排 Tool 端口上的；自己寫程式的話就是 function calling 的工具定義。兩邊原理一樣：你描述有哪些工具可用、各自吃什麼參數，模型自己決定什麼時候呼叫誰。

📖 延伸閱讀：AI 怎麼查資料、寄信、操作資料庫？拆解 Tool Calling 運作原理、MCP 是什麼？讓 Claude 直接操作你的 Figma 和 n8n

排程（任務）：誰觸發、跑哪幾步

排程決定這套東西是你開口它才動，還是時間到了自己開工。監控社群那套是定時自動撈新貼文，不需要我盯著。觸發方式大致兩類：時間排程（每天早上八點半跑一次）跟事件觸發（有人填表單、收到訊息、收到 webhook 就跑）。排程決定它是被動等你的工具，還是主動幫你跑的助手。

📖 延伸閱讀：AI Agent 什麼時候開始動手？排程與事件觸發拆解

看懂四個元件，跟真的把流程接起來、在客戶那邊跑得穩，是兩件事。

看 n8n 自動化服務

AI Agent 可以拿來做什麼？六個真的在跑的場景

下面六個都是我自己或幫客戶接過的類型，難度由低到高排。

客服與內部知識查詢

這是最好上手的一類。把公司的服務說明、報價規則、常見問答整理成一份知識庫，接上模型，就能回答八成的重複問題。只需要大腦加記憶兩個元件，不用工具、不用排程。我網站上的黃小瓜瓜就是這一類，做完之後我少回了很多「你們有做什麼」的訊息。

資料監控與通知

定時去某個地方看有沒有新東西，有的話判斷值不值得通知你。社群關鍵字、競品官網、Google Search Console 的排名變化都可以。這類要大腦、手腳、排程三塊，記憶可有可無。判斷那一層是價值所在：沒有模型的話你會收到一堆雜訊通知，加了模型它會幫你先篩。

內容產製與發布

從找資料、擬草稿到排版發布。我的電子報就是這樣跑的，模型負責選材、去重、寫短評，最後停在草稿階段等我看過。這類會用到全部四個元件，而且一定要留人工核准，因為輸出會對外。

文件解析與登錄

把照片或 PDF 丟進去，模型讀出裡面的欄位，寫進試算表。我做過施工日報表的解析流程，工地拍一張日報表照片，模型抽出日期、工項、人數這些欄位再入庫。模型讀得懂那張表，難的是外部服務會間歇性失敗，得自己補重試機制。

報表整理

從幾個來源把數字撈回來、算好、寫成一份人看得懂的摘要。廣告成效、電商訂單、網站流量都適用。這類多半用管線就夠，模型只負責最後把數字寫成人話那一段，不需要做成完整的 Agent。

開發輔助

讓 AI 讀你的專案、改程式碼、跑測試。Claude Code、Cursor 這類工具本身就是高自主度的 Agent，你不用自己組，但值得拿來當範本看：它們怎麼決定先讀哪個檔案、什麼時候停下來問你。

用什麼工具做 AI Agent？三種路線門檻差很多

同樣一個 Agent，用三種路線都做得出來，差別在你要花多少時間學、之後改起來順不順。

無程式碼：n8n

拉節點連線就能組出流程，AI Agent 是其中一個節點，模型跟工具用拉的掛上去。優點是整條流程看得見，哪一站壞了一眼就知道；而且它同時是自動化工具，串 Google Sheets、LINE、Gmail 這些都有現成節點，不用自己寫串接。缺點是要跑得穩得自己找地方架，或用它的雲端版。沒有寫程式底子的話，這條路線最快看到成果。

📖 延伸閱讀：n8n 從 0 到 40 分入門攻略：Zeabur 雲端部署 x 8 大基本節點全解析

半程式：Dify、Coze

介面比 n8n 更專注在 AI 應用本身，知識庫、提示詞、工具都有現成的設定頁，發佈成一個聊天機器人特別快。代價是它偏向做對話型的應用，要接一堆外部系統、做複雜的分支邏輯時會比 n8n 綁手綁腳。想做客服機器人、內部知識問答，這條路線很省事。

全程式：LangChain、Agents SDK

自己寫程式呼叫模型、自己定義工具、自己控制那個決策循環。彈性最大，要做多個 Agent 互相協作、要精細控制每一輪送什麼進去，只有這條路做得到。代價是所有錯誤處理、重試、記錄都要自己寫，第一版跑起來很快，跑得穩很慢。

三條路線各有各的適用場合。我自己線上跑的東西幾乎都在 n8n 上，理由很現實：出事的時候我要能在畫布上一眼看出卡在哪一站，而不是翻 log。

動手做第一個 AI Agent，從四個步驟開始

下面這四步是照光譜由左往右走，每一步跑順了再加下一塊。用 n8n 示範，換成別的工具邏輯一樣。

步驟一：挑一個小到你會做完的任務

第一個 Agent 最容易死在題目太大。挑任務的標準是：你每週真的會重複做、而且做錯了不會出事。「幫我回覆所有客戶信件」不合格，「幫我把這週的產業新聞整理成五則摘要」剛好。題目小，你才有機會在一個晚上看到它跑完，那個成就感決定你會不會做第二個。

步驟二：接上大腦，先讓它會回答

在 n8n 裡拉一個 AI Agent 節點，下面掛一個 Chat Model 子節點，選你的模型、填好憑證。這時候它就是一隻純聊天的機器人，你在 Chat 面板打字它會回。先在這個狀態把提示詞調到滿意再往下走，提示詞沒調好就加工具，後面出錯你會分不清是誰的問題。

步驟三：餵一份知識庫，讓它答你的事

把你要它知道的事整理成一份文件，內容寫得像給新同事看的交接單，不用寫成論文。接法有兩種：內容不多就直接塞進系統提示詞，量大再走向量資料庫。第一次做建議用前者，一份兩三千字的文件塞進提示詞完全跑得動，你可以省掉整套向量資料庫的設定。

步驟四：掛上工具，讓它自己去查

在 AI Agent 節點下面的 Tool 端口掛工具，搜尋、讀試算表、發訊息都算。掛上去之後最該做的一件事是把工具描述寫清楚，模型是靠那段描述決定要不要呼叫它的。這一步做完，你手上就有一隻會自己查資料再回答的 Agent；要再往前一格，就在最前面加一個排程節點，讓它自己開工。

做出來之後，怎麼知道它真的做對了

第一次跑通的那個瞬間最危險，因為它成功了一次，你會以為它會一直成功。Agent 每次的路線都可能不一樣，跑通一次不代表跑得穩。

同一組輸入先跑十次

拿同一個問題連跑十次，看它十次的答案差多少。差很多代表你的提示詞或工具描述太模糊，模型每次的理解都不一樣。這件事花你十分鐘，能省掉之後好幾天的疑神疑鬼。真的要壓穩定度，把模型的 temperature 調低是最直接的做法。

把出錯那次留下來當回歸測試

它答錯的那一次，把當時的輸入抄下來存成一份清單。之後每次改提示詞、換模型，就拿這份清單重跑一遍。這是自己做 Agent 最划算的一件事：你不用寫測試框架，一個試算表分頁就夠，一欄放輸入、一欄放你期待的輸出、一欄放這次實際跑出來的。

看中間步驟，別只看最後輸出

Agent 出問題時，最後輸出常常只是「沒東西」或一段很客氣的廢話，看不出原因。要看的是它中間呼叫了哪些工具、每一輪送進去什麼。有一種狀況特別容易被漏掉：流程裡把模型名稱寫死，結果供應商把那個版本下架，呼叫開始回錯誤，但整條流程外表看起來還是跑完了。流程回報成功不等於它做對了事，這種靜默失敗只有看中間步驟才抓得到。

AI Agent 為什麼會失敗？五個最常見的原因

下面五個是我自己跌過、或幫別人看流程時最常遇到的，前三個都跟你怎麼描述任務有關。

任務給太大

「幫我處理客訴」這種指令，模型會自己編出一套它以為的流程，然後在中間某一步走偏。任務要拆到每一步都能用一句話講完該做什麼。拆不動的話，代表那件事本來就該由人做決定，不該整包丟給 Agent。

工具描述沒寫清楚，它不知道何時該用

工具掛上去了卻從來不被呼叫，或是每一輪都亂呼叫，八成是描述寫太短。模型只看得到你寫的那段文字，它得從裡面判斷「現在這個情況該不該用這個工具」。

// 模型看到的工具描述：它不知道什麼時候該用
{
  "name": "search",
  "description": "搜尋"
}

// 改寫後：查什麼、何時該用、回傳什麼都寫進去
{
  "name": "search_news",
  "description": "查詢台灣近 7 天的新聞。當問題牽涉到今天或本週發生的事、"
                 "或需要即時資訊時才呼叫。輸入一個中文關鍵字，"
                 "回傳最多 5 則標題與連結。"
}

差別在於下面那版把觸發時機寫進去了。工具描述要寫得像在交代一個新同事什麼時候該打哪支電話，不是照抄 API 文件。

記憶塞太多，重點被稀釋

知識庫不是越大越好。塞了三十頁進去，模型要在裡面找那一句關鍵的話，準確度反而掉。比較有效的做法是先只放最常被問到的那幾件事，跑一陣子看它答不出什麼，再針對性地補。

沒有停止條件，繞圈燒 token

Agent 的決策循環如果沒設上限，遇到一個它解不掉的問題時會一直「再試一次」。n8n 的 AI Agent 節點有最大迭代次數可以設，自己寫程式的話要自己加計數器。這是帳單爆掉最常見的原因，而且它通常發生在半夜沒人看的時候。

拿它做管線就能做的事

流程固定、每次都一樣的事，寫死的管線更快更便宜也更好抓錯。給 Agent 太多自由，它會在簡單任務上想太多、繞遠路。判斷方式很直接：這件事的步驟你能不能事先畫成一張流程圖？畫得出來就別用 Agent。

成本會不會失控？token 花在哪、怎麼壓

自己做的人常低估這塊，因為聊天介面用起來感覺很便宜，接成 Agent 之後帳單是另一回事。

決策循環才是主要花費

一次對話你只送一段話進去，Agent 不是這樣。它每想一輪，就要把「原本的目標＋前面幾輪做了什麼＋工具回傳的結果」整包重送給模型一次。跑五輪就是五次，而且每一次送進去的東西都比上一次更長。帳單是被它想了幾輪、每輪帶著多少歷史決定的。

壓成本的三個做法

設迭代上限是止血點，前面講過。再來是分層用模型：判斷「這則要不要回」用便宜快的小模型就夠，只有真正要寫成品的那一步才換貴的。第三是把不需要模型判斷的步驟拉出去用一般節點做，能用程式算的別讓模型算。

還有一件跟成本有關、但更容易痛的事：額度用完的時候，很多服務不會讓你的流程報錯，只會回一個空的結果。我的電子報就遇過整條流程照常跑完、狀態顯示成功，但內容是空的，追下去才發現是 API 額度見底。監控自己的餘額，跟監控流程有沒有跑完，是兩件要分開做的事。

AI Agent 該被允許做到哪裡？權限與安全

Agent 能動到哪裡，要在設計的時候就劃出界線。下面三件事，做客戶案子時我一件都不會省。

對外或花錢的動作留人工閘門

只要 AI 的動作會對外（發文、寄信、回客人）或會花錢，就在動作前面加一道人工核准，這就是業界說的人在迴路（human-in-the-loop）。做法上通常是把流程拆成兩段：判斷跟擬稿自動跑，送出獨立成另一段，卡在核准後面。自動化的目的是省力，不是把判斷權整包交出去。

給它最小權限的金鑰

Agent 用的憑證要單獨開，只給它這件事需要的權限。要它讀某一張試算表，就只授權那一張，不要把整個帳號的權限丟給它。這件事在出事的時候差別很大：權限開得剛好，最糟就是那張表被寫壞；權限開太大，你要查的範圍是整個雲端硬碟。

留下可稽核的紀錄

它每次做了什麼、用了哪個工具、輸出了什麼，寫進一張表。跑順的時候這張表沒用，出事的時候它是你唯一能回溯的東西。順帶一個實作細節：多個步驟同時寫同一張試算表時，寫入會互相蓋掉，得把它們錯開或改成排隊寫。

不是每件事都需要 AI Agent

Agent 聽起來厲害，但它更難控制、更貴、更容易在你沒看著的時候出包。挑對架構比挑最厲害的架構重要。

任務固定、要穩 → 一條管線就夠

「每天固定把 A 資料整理成 B 格式」這種重複又明確的事，一條寫死的管線最可靠。前面提到的 AI 工具排行榜就是這樣，流程固定，用管線最穩。

任務多變、要查要決策 → 才輪到 Agent

任務每次都不一樣、需要邊做邊查、要根據查到的東西決定下一步，這才是 Agent 的主場。像「幫我研究這個主題並寫成文章」，你沒辦法事先寫死要查幾次、查什麼，過程無法預先規劃的任務才值得讓 AI 自己跑。

三個問題決定你用哪種

1. 流程能不能事先寫死？能就用管線；每次都不一樣才考慮 Agent。
2. 過程中需不需要查外部資料或臨機應變？需要就往 Agent 那端靠。
3. 它的動作會不會對外或花錢？會的話不管哪種架構，都加一道人工核准。

📖 延伸閱讀：RPA 是什麼？和 n8n、AI Agent 差在哪，三種自動化怎麼選

AI Agent 要不要做成全自動？這個決定我猶豫很久

做社群監控系統的時候，我掙扎過要不要做成全自動：撈到、判斷完、直接回覆，完全不用我管。我甚至已經把全自動的版本接起來測了。直到有一次測試，模型把一則只是隨口抱怨的貼文判斷成「適合推薦服務」，還擬了一段很熱情的回覆。那是測試環境，如果是正式的，它就真的用我的帳號把那段發出去了。

最後的結論很簡單：把流程拆成兩段，撈取與判斷自動跑，發送獨立成另一段、卡在人工核准後面。這個決定讓系統慢了一點，換來的是我對它的信任。AI 不是用來取代我的判斷，是把我的判斷放大，這道人工閘門就是我守住判斷權的方式。

接下來學什麼？四個元件的深入篇

這篇是骨架，四個元件各自都還有得挖。照你現在卡住的地方挑一篇看就好：

• 想懂它怎麼決定下一步：AI 為什麼一句指令就懂？Agent 推理與規劃
• 想讓它記得住事情：AI 為什麼總忘記你說過的話？Agent 記憶原理
• 想讓它會查、會動手：AI 怎麼查資料、寄信、操作資料庫？拆解 Tool Calling 運作原理
• 想讓它自己開工：AI Agent 什麼時候開始動手？排程與事件觸發拆解
• 還沒有工具環境：n8n 從 0 到 40 分入門攻略：Zeabur 雲端部署 x 8 大基本節點全解析

常見問題 FAQ

Q1：做一個 AI Agent 要不要會寫程式？

不用。用 n8n、Dify 這類工具，拉節點、填設定就能組出一個會查資料、會自己開工的 Agent，全程不用寫程式。會寫程式的差別在於能客製到多細：要做多個 Agent 互相協作、要精細控制每一輪送什麼進模型，那才需要走 LangChain 或 Agents SDK 那條路。第一個 Agent 完全不需要從寫程式開始，先用拉的做出來，遇到拉不出來的需求再說。

Q2：自己做一個 AI Agent 大概要花多少錢？

模型費用取決於它想了幾輪。一個小型的知識問答助理，一個月幾塊美金跑得動；會自己查資料、每天定時跑的監控型 Agent，量開起來一個月十幾到幾十美金都可能。工具本身另計，n8n 自架的話主機費一個月幾美金起跳。最該先做的兩件事是設迭代上限跟盯著餘額，帳單失控幾乎都是這兩件沒做。

Q3：第一個 AI Agent 該從什麼任務開始？

挑一件你每週真的會重複做、而且做錯不會出事的小事。整理本週產業新聞、回答內部同事的重複問題、把某張表的數字彙總成摘要，都是好起點。避開「處理客訴」「回覆客戶信件」這種一錯就影響到外部的題目。題目小，你才有機會在一個晚上看到它跑完。

Q4：AI Agent 跟 AI 架構是不是同一件事？

是同一件事的兩個視角。AI 架構在講元件怎麼組（大腦、記憶、手腳、排程），AI Agent 在講組到會自己決定下一步時的那個結果。要注意「AI 架構」還有另一種用法，指的是 GPU 叢集、資料中心那種基礎建設，跟你自己做 Agent 沒有關係。看到這個詞先分清楚對方在講哪一種。

Q5：讓 AI Agent 自己做事，會不會失控？

會，所以要設計。最實用的三道防線：動作會對外或花錢就加人工核准；憑證只給這件事需要的最小權限；每一輪做了什麼都寫進紀錄表。我自己的系統就是這樣設計的，AI 負責判斷和擬草稿，真正按下發送的永遠是人。

總結

一個 AI Agent 就是大腦、記憶、手腳、排程四個元件，加上一個會自己決定下一步的循環。要動手的話，照光譜由左往右走：先讓它會回答，再讓它答得出你的事，然後讓它會自己查，最後讓它自己開工。每一步跑順了再加下一塊，出錯時你才知道是誰的問題。

做出來之後真正花時間的是後面那半段：同一組輸入跑十次看穩不穩、把錯過的那次留成回歸清單、設迭代上限、盯餘額、對外的動作留一道人工閘門。會跑起來的 Agent 很多人做得出來，跑得穩的比較少，差別幾乎都在這幾件不起眼的事上。

手上有流程還在靠人工重複做，歡迎看看我的 AI 自動化開發服務，一起看那段該交給哪一種工具。想看這四個元件組起來實際長什麼樣子，也可以到作品集看幾套真實上線的系統。

每週的 AI 新聞精選與短評，會整理進電子報。

參考資料

• Anthropic — Building Effective Agents
• 論文：ReAct: Synergizing Reasoning and Acting in Language Models（Yao et al., 2022）
• Microsoft Azure Architecture Center — AI 架構設計
• AWS — Designing Serverless Agentic AI Architectures