AI Agent智能工作流：設計與自動化全實戰

2025，Agent 元年。
AI 不再只是回答問題，而是真正幫你把事情做完。
這本書帶你認識這個即將改變工作與生活的新夥伴。

★ 不用學程式，也能擁有 24 小時待命的數位員工
★ 從 ChatGPT 到 AI Agent，一次搞懂「動口」到「動手」的關鍵差異
★ 故事導向寫法，讀起來像看小說，不像讀教科書
★ 涵蓋生活應用、企業實務、軟體開發，各行各業都適用
★ 零程式碼工具教學，帶你親手打造第一個 Agent

【第一部：初識】從零開始認識你的數位夥伴
‧ 從餐廳 AI 訂位的真實案例，秒懂 Agent 在做什麼
‧ ChatBot 只會回話，Agent 會動手做事——本質差異一次講清楚
‧ 大腦、手腳、工具箱：用簡單比喻理解 Agent 的基本構造

【第二部：理解】Agent 如何思考與行動
‧ 感知、思考、行動、反省——Agent 工作循環完整拆解
‧ 記憶的藝術：Agent 怎麼記得你說過的話
‧ 一個不夠用？多個 Agent 的團隊協作模式

【第三部：應用】Agent 正在改變的世界
‧ 你的私人秘書：生活中的行程管理、訂餐、訂票
‧ 不眠不休的員工：企業客服、銷售、人資自動化
‧ 會寫程式的 Agent：軟體開發的革命性變化

【第四部：實作】打造你的第一個 Agent
‧ 零程式碼工具介紹，不會寫 code 也能做
‧ 手把手帶你建立簡單 Agent
‧ 讓 Agent 更聰明的實用技巧

【第五部：展望】與 Agent 共處的未來
‧ Agent 會搶走你的工作嗎？
‧ 當 Agent 犯錯，誰該負責？
‧ 人機協作新時代，找到你的位置

亨利羊(楊皓霖)
楊皓霖，授課時的藝名是亨利羊。
曾是人資，如今是工程師。曾教 Excel，如今教自動化程式。
角色在變、工具在變，不變的是——始終致力於幫助人們把工作做得更輕鬆、更聰明。

我相信，一個好的老師應當技法與心法並重；
技法是怎麼操作工具，心法是怎麼思考問題。
洞穿問題的本質後，複雜的任務也能迎刃而解。

在教學時擅長把複雜的概念拆成簡單的故事，
把艱澀的技術，用生活化的例子講得清清楚楚。
在這個 AI 快速演進的時代，注重底層的思維邏輯，培養那些不會過時的關鍵能力。

我經常在社群上分享有趣的開發實作心得，歡迎追蹤我的社群帳號
http://s.henryyang.tw/DWBook

我是一個軟體工程師，日常工作就是把使用者的需求變成可運作的程式。最近這一年，我深刻體會到一件事：善用 AI，工作可以變得多麼不一樣。
以前，我的工作流程大概是這樣：
跟使用者討論需求 → 確認開發規格 → 開始寫程式 → 測試 → 上線
每個環節都需要我親力親為，來來回回，疲於奔命。

而現在，這條流程的每一步，都有 AI 在旁邊幫忙：
•開會時，AI 即時記錄與總結討論內容
•會後，AI 根據討論自動產出開發文件
•開發時，AI 根據文件幫我寫程式碼
•測試階段，AI 協助驗證功能
•部署時，AI 處理繁瑣的上線流程
•結案時，AI 把整個過程記錄下來，歸檔備查

那一刻我才意識到，AI 不是來搶工作的，它是來幫我省下那些瑣碎時間的。
那些重複的、規則明確的、讓人心累的瑣事，AI 可以代勞。而我終於能把精力放在真正需要我的地方——需要創意的設計、需要判斷的決策、需要溫度的人際互動。
這個體悟，讓我想寫這本書。
我希望更多人能搞懂 AI Agent 到底在幹嘛，然後好好利用它，而不是整天擔心被取代。

------
我寫這本書的時候，一直在想一個問題：如果我要跟一個完全不懂技術的朋友解釋 AI Agent，我會怎麼說？
我大概會這樣開頭：「你知道嗎，以後你可能會有一個不用付薪水的數位員工，24 小時待命，幫你處理那些瑣碎但必要的事情。」

這聽起來像科幻小說，但其實已經有餐廳用 AI 接電話訂位、有公司用 AI 處理客服問題、有工程師讓 AI 幫忙寫程式和修 bug。

這本書會告訴你這些故事，也會帶你理解背後的原理——但不用擔心，我會盡量少用術語，多用比喻。

我希望你讀這本書的時候，感覺不是在「學習」，而是像在聽一個朋友分享他最近發現的新鮮事。

這本書不是寫給工程師或 AI 研究者的。它是寫給每一個好奇「AI 到底在搞什麼」的普通人。不管你是學生、上班族、創業者，還是只是想了解世界正在發生什麼變化的人——這本書都希望能幫助你。
------
在接下來的篇章裡，我們會從最基本的問題開始：什麼是 AI Agent？它跟聊天機器人有什麼不同？

第一部「認識」會帶你建立對 Agent 的基本認知。我們會從一個實際的案例開始——一間餐廳如何用 AI 來接電話訂位——然後逐步介紹 Agent 的核心概念和組成要素。

第二部「理解」會深入 Agent 的運作方式。我們會探討它怎麼思考（感知-思考-行動-反省的循環）、怎麼記住你說過的話（記憶系統）、怎麼使用各種工具來完成任務（工具調用）、以及多個 Agent 如何團隊合作。

第三部「應用」會帶你看看 Agent 正在如何改變各行各業。從你的日常生活（私人助理、行程管理），到企業應用（客服、銷售、HR），再到軟體開發領域的革命性變化。

第四部「實作」是給想動手的人。我們會介紹不需要寫程式就能打造 Agent 的工具，也會帶你一步步建立自己的第一個簡單 Agent，並分享讓 Agent 更聰明的實用技巧。

第五部「展望」會討論更大的問題。Agent 會取代人類的工作嗎？當 Agent 犯錯時，誰該負責？在這個人機協作的新時代，我們該如何找到自己的位置？

你不需要按順序讀。如果你只是想了解概念，可以專注在第一、二部。如果你想看實際應用，直接跳到第三部。如果你迫不及待想動手，就從第四部開始。

------
當 AI Agent 變得這麼厲害，一個有趣的轉變正在發生。

過去，我們求職時被問的是：「你會什麼技能？」履歷上列的是 Excel、Photoshop、程式語言。我們花大量時間學習工具、精進技術，深怕自己的技能過時、被市場淘汰。

但當 AI 可以幫你寫程式、做簡報、分析數據、設計圖片，這些「會不會」的問題突然變得沒那麼重要了。

未來，真正關鍵的問題將會是：「你想做什麼？」
你想解決什麼問題？你對什麼充滿熱情？你想為這個世界創造什麼價值？
當執行力不再是瓶頸，想像力就成了最珍貴的資源。當工具不再是門檻，願景就成了真正的競爭力。
這可能是 AI Agent 帶來最有意思的改變——它逼我們重新想想：拿掉那些「不得不做」的事情之後，我們「真正想做」的是什麼？

AI Agent 不是來搶位子的，它是來幫我們卸下那些重擔的。
讓我們從那些重複、瑣碎、讓人疲憊的任務中解脫出來，把時間和精力花在真正重要的事情上。
這本書的核心想法很簡單：每個人就是老闆，自己決定想做的事情。而 Agent 將會成為未來每個人的數位員工。
問題不是「要不要接受它」，而是「如何善用它」。
讓我們開始吧。

亨利羊(楊皓霖)

序章：當 AI 開始「動手做事」
0.1 我為什麼寫這本書
0.2 延伸閱讀

第一章：那個會幫你訂餐廳的 AI
1.1 一通改變歷史的電話
1.2 語音 AI 的進化之路
1.3 從「會說話」到「會辦事」
1.4 餐廳訂位只是開始
1.5 不只是餐廳的事
1.6 它不只是更聰明的 Siri
1.7 為什麼現在才做得到？
1.8 不完美，但夠用了
1.9 常見問題
1.10 所以，AI Agent 到底是什麼？
1.11 本章摘要
1.12 延伸閱讀

第二章：從「動口」到「動手」— ChatBot 與 Agent 的本質差異
2.1 一個更戲劇化的例子
2.2 圖書館員 vs. 私人助理
2.3 一個問題，兩種回答
2.4 被動 vs. 主動
2.5 單次推論 vs. 多步推理
2.6 記憶的差異
2.7 工具使用：真正的分水嶺
2.8 深入技術：Agent 是怎麼「動手」的？
2.9 Agent 市場的爆發性成長
2.10 那我應該用哪一個？
2.11 不是取代，而是演進
2.12 常見問題解答
2.13 本章重點整理
2.14 延伸閱讀

第三章：大腦、手腳、工具箱 — Agent 的基本構造
3.1 從一個真實的故事說起
3.2 用員工來想像
3.3 大腦：大型語言模型（LLM）
3.4 選擇大腦：各家 LLM 的比較
3.5 手腳：執行層
3.6 工具箱：外部工具與 API
3.7 MCP：工具的「USB-C」標準
3.8 記憶：讓 Agent 記得你是誰
3.9 組合起來：Agent 的完整架構
3.10 不同的 Agent，不同的配置
3.11 為什麼這個架構重要？
3.12 一個類比總結
3.13 常見問題
3.14 本章重點回顧
3.15 延伸閱讀

第四章：感知、思考、行動、反省 — Agent 的工作循環
4.1 一個真實的情境：當航班取消時
4.2 OODA：軍事決策的智慧
4.3 Agent 的四步循環
4.4 ReAct：推理與行動的結合
4.5 讓 AI 學會「思考」的技術演進
4.6 一個實際的例子
4.7 反省的力量
4.8 多輪反省：Reflection 模式
4.9 循環的邊界
4.10 為什麼這個循環重要？
4.11 一個比喻總結
4.12 常見問題
4.13 本章重點回顧
4.14 延伸閱讀

第五章：記憶的藝術 — Agent 如何記得你是誰
5.1 記憶如何改變一切
5.2 沒有記憶的困境
5.3 記憶的類型
5.4 記憶是怎麼運作的？
5.5 RAG：讓記憶變得實用
5.6 現實世界的記憶系統：產品比較
5.7 記憶壓縮：當記憶太多怎麼辦
5.8 記憶的挑戰
5.9 記憶讓 Agent 成為夥伴
5.10 你可以做的事
5.11 常見問題
5.12 本章重點回顧
5.13 延伸閱讀

第六章：當 Agent 學會使用工具
6.1 當 Agent 第一次「拿起工具」
6.2 為什麼大腦不夠用？
6.3 工具是什麼？
6.4 Function Calling：讓 AI 動手的關鍵技術
6.5 Function Calling 的技術細節
6.6 一個更複雜的例子
6.7 MCP：工具的「USB-C 接口」
6.8 Agent 如何選擇工具？
6.9 工具使用的風險
6.10 工具的未來
6.11 一個類比總結
6.12 工具選擇的智慧：當工具太多怎麼辦？
6.13 常見問題
6.14 本章重點回顧
6.15 延伸閱讀

第七章：一個人不夠用？多個 Agent 的團隊協作
7.1 一個小故事：AI 團隊的崛起
7.2 為什麼需要多個 Agent？
7.3 團隊的分工模式
7.4 實際案例：AI 軟體開發團隊
7.5 Agent 之間怎麼溝通？
7.6 A2A：Agent 之間的共同語言
7.7 協調的挑戰
7.8 框架和工具
7.9 深入了解：OpenAI Swarm 的設計哲學
7.10 多 Agent 框架大比較
7.11 多 Agent 系統的成本考量
7.12 未來的方向
7.13 常見問題解答
7.14 本章重點整理
7.15 一個比喻總結
7.16 延伸閱讀

第八章：你的私人秘書 — 生活中的 Agent
8.1 一個忙碌媽媽的一週實驗
8.2 一天的生活，有 Agent 幫忙
8.3 生活中的 Agent 應用
8.4 Siri 和 Alexa 不是早就有了嗎？
8.5 口袋裡的 Agent：手機上的 AI 革命
8.6 已經可以用的工具
8.7 目前的限制
8.8 一個心態的轉變
8.9 隱私保護：讓 AI 幫忙，又不洩露秘密
8.10 常見問題解答
8.11 生活 Agent 工具總覽
8.12 本章重點整理
8.13 延伸閱讀

第九章：不眠不休的員工 — 企業裡的 Agent
9.1 企業為什麼需要 Agent？
9.2 客服：最早的戰場
9.3 銷售與行銷
9.4 人力資源
9.5 財務與會計
9.6 供應鏈與營運
9.7 投資報酬率：一筆實際的帳
9.8 導入的挑戰
9.9 企業 Agent 的安全架構
9.10 Vending-Bench：一場揭露 Agent 真實能力的實驗
9.11 不是取代，是增強
9.12 未來的方向
9.13 常見問題
9.14 企業 Agent 應用總覽
9.15 延伸閱讀

第十章：會寫程式的 Agent — 軟體開發的革命
10.1 一個資深工程師的心路歷程
10.2 從自動補完到自主開發
10.3 Coding Agent 能做什麼？
10.4 主要的工具
10.5 實際的開發場景
10.6 對程式設計師的影響
10.7 實際使用的建議
10.8 未來展望
10.9 常見問題解答
10.10 2025 年 Coding Agent 工具比較表
10.11 本章重點整理
10.12 延伸閱讀

第十一章：當 AI 學會上網 — 瀏覽器 Agent 的崛起
11.1 一個模擬情境：當 AI 替我處理保險理賠
11.2 為什麼這很重要？
11.3 它是怎麼做到的？
11.4 深入技術：視覺定位是怎麼運作的？
11.5 跟傳統自動化有什麼不同？
11.6 實際應用場景
11.7 主要的工具與產品
11.8 安全與隱私的考量
11.9 當 Agent 代你購物：Amazon 與 Perplexity 的衝突
11.10 目前的限制
11.11 未來展望
11.12 常見問題解答
11.13 本章重點整理
11.14 延伸閱讀

第十二章：各行各業的 Agent 浪潮
12.1 醫療健康
12.2 金融銀行
12.3 法律
12.4 教育
12.5 製造業
12.6 零售電商
12.7 農業
12.8 娛樂媒體
12.9 不動產
12.10 保險
12.11 物流
12.12 台灣的 Agent 應用實例
12.13 共同的模式
12.14 挑戰與考量
12.15 常見問題解答
12.16 各行業 Agent 應用總覽
12.17 註腳
12.18 延伸閱讀

第十三章：不寫程式也能做 — 零程式碼 Agent 工具
13.1 什麼是零程式碼工具？
13.2 零程式碼 vs 低程式碼
13.3 最簡單的起點：ChatGPT 的 GPTs
13.4 主要的工具介紹
13.5 如何選擇？
13.6 實際操作示範
13.7 零程式碼的限制
13.8 成功的關鍵
13.9 未來的趨勢
13.10 給非技術人員的鼓勵
13.11 常見問題
13.12 零程式碼 Agent 工具總覽
13.13 工具連結清單
13.14 延伸閱讀

第十四章：動手做一個簡單的 Agent
14.1 一個週末改變一切
14.2 從最簡單的開始
14.3 Agent 的四個核心組件
14.4 不寫程式的理解方式
14.5 動手寫一個簡單的 Agent
14.6 這段程式碼做了什麼？
14.7 加入更多工具
14.8 從簡單到複雜
14.9 錯誤處理：讓 Agent 更可靠
14.10 用框架簡化開發
14.11 不想寫程式？
14.12 專案建議
14.13 重點回顧
14.14 常見問題
14.15 開發 Agent 的檢查清單
14.16 延伸閱讀

第十五章：讓你的 Agent 更聰明的小技巧
15.1 對的 Prompt 放在對的位置，價值連城
15.2 技巧一：讓它「想出聲」
15.3 技巧二：減少「幻覺」
15.4 技巧三：寫好工具說明
15.5 技巧四：設定明確的角色和限制
15.6 技巧五：分段處理複雜任務
15.7 技巧六：加入檢查點
15.8 技巧七：持續監控和改進
15.9 技巧八：控制成本
15.10 一個比喻總結
15.11 延伸閱讀

第十六章：進階 Prompt Engineering
16.1 進階推理技巧
16.2 System Prompt 設計的藝術
16.3 參數調整的科學
16.4 常見問題
16.5 Prompt 優化檢查清單
16.6 延伸閱讀

第十七章：給 Agent 一個安全的遊樂場 — 沙箱與安全隔離
17.1 當 AI 失控：真實的災難案例
17.2 不是新概念，但更重要了
17.3 為什麼 AI Agent 特別需要沙箱？
17.4 兩道防線：檔案隔離與網路隔離
17.5 一個不夠：你需要的是多層防禦
17.6 來自另一場災難的教訓
17.7 沙箱的技術實作
17.8 用生活比喻理解 Docker
17.9 雲端沙箱服務：E2B vs Modal
17.10 Prompt Injection：當 Agent 被「洗腦」
17.11 企業的安全缺口
17.12 使用者可以做什麼？
17.13 常見問題解答（FAQ）
17.14 沙箱與安全技術總整理
17.15 一個比喻
17.16 延伸閱讀

第十八章：Agent 會搶走我的工作嗎？
18.1 一個虛構的銀行職員轉型故事
18.2 先看數據
18.3 什麼樣的工作最危險？
18.4 什麼樣的工作最安全？
18.5 歷史的教訓
18.6 這次不一樣？
18.7 你該怎麼辦？
18.8 AI 時代的新興職業
18.9 一個不同的思考角度
18.10 給焦慮的人的話
18.11 常見問題解答（FAQ）
18.12 本章重點整理
18.13 延伸閱讀

第十九章：當 Agent 犯錯，誰該負責？
19.1 一場沒有被告的法庭
19.2 一個真實的死亡事故
19.3 責任缺口
19.4 現行法律怎麼說？
19.5 一個關鍵原則：AI 的自主性不是藉口
19.6 人類在迴路中
19.7 EU AI Act：全球最嚴格的 AI 法規
19.8 AI 責任保險：新興的風險管理工具
19.9 不同情境的責任歸屬
19.10 企業該怎麼做？
19.11 使用者該怎麼做？
19.12 未來的方向
19.13 一個倫理的思考
19.14 常見問題解答（FAQ）
19.15 本章重點整理
19.16 延伸閱讀

第二十章：人機協作的新時代
20.1 不是取代，是增強
20.2 已經發生的例子
20.3 人機協作的模式
20.4 有效協作的關鍵
20.5 信任校準：不過度信任，也不過度懷疑
20.6 組織文化：打造人機協作友善的環境
20.7 未來的工作場景
20.8 需要培養的能力
20.9 一個心態的轉變
20.10 常見問題解答（FAQ）
20.11 本章重點整理
20.12 延伸閱讀

終章：每個人都將擁有自己的數位員工
0.1 2030 年的一封信
0.2 從奢侈品到必需品
0.3 未來的一天
0.4 不是取代，是解放
0.5 AGI：那個更大的問題
0.6 數位落差的新形態
0.7 新的能力、新的素養
0.8 一些實際的建議
0.9 一個時代的開始
0.10 寫在最後：無可避免的 AI 浪潮來了，我們怎麼應對
0.11 延伸閱讀