什麼是AI代理？

區分代理與聊天機器人的關鍵問題

誰決定接下來要做什麼？

在聊天機器人裡，沒有人決定。你送出一則訊息，模型產生一則回覆，這輪對話就結束了。如果回覆需要後續動作，得由你自己動手寫。模型從不對外在世界採取行動，它只會寫出文字。

在代理裡，是模型自己決定。給定一個目標後，它會挑選一個行動，例如搜尋網路、執行一段程式碼、開啟一個頁面或編輯一份檔案，取得文字形式的結果，讀取它，再挑選下一個行動。它會持續下去，直到自己判斷目標已達成，或是被步驟上限擋下來。模型就是這個迴圈的控制者。

Anthropic於2024年12月發表的工程指南「Building effective agents」，也是在同一個地方畫下界線：工作流程是模型在固定路徑的程式碼裡運作的系統，代理則是模型自行主導流程與工具使用的系統。這份指南也直白地表明，兩者之中應該先建置哪一個，答案是工作流程。

聊天機器人、工作流程、代理：同一個模型，三種不同的迴圈

三者可以跑在同一個語言模型上，差別在於外圍包著什麼。

多數實用的自動化都落在工作流程這一欄。一條先摘要文件、再擷取日期、最後草擬回覆的管線，就是三次順序固定的模型呼叫。它可靠，是因為路徑是開發者決定的。不管落地頁怎麼寫，它都不是代理，把它叫成代理反而模糊了真正的取捨：固定路徑可預測又便宜，模型自選的路徑則靈活，但兩者都算不上兩全其美。

這個迴圈實際上長什麼樣子，一步一步來看

來看一個具體的例子。目標是「查清楚我們的競爭對手這個月有沒有調整定價，然後幫我寫一份兩段的摘要」。

1. 模型讀取目標，決定第一個行動：搜尋競爭對手的定價頁面。
2. 搜尋工具以文字形式回傳一串結果，模型讀取後挑一個來開啟。
3. 瀏覽器工具回傳該頁面，模型從中擷取目前的價格。
4. 模型判斷自己還需要舊的價格，於是搜尋存檔版本並開啟它。
5. 它比對兩者，判斷資訊已經足夠，寫出摘要。

五個步驟、四次工具呼叫、六次模型呼叫。每一步都是模型的一次完整回答，輸入內容包含到目前為止的整段歷程。這最後一點正是成本的來源：跑到第五步時，模型每次呼叫都要重新讀取四頁份的搜尋結果與頁面文字。什麼是AI裡的代幣解釋了為什麼每一輪都在變大的輸入，會是最花錢的那種。

而且每一步都可能出錯。如果第一步的搜尋找到的是錯誤的公司，第二到第五步就會很有自信地摘要出錯誤的定價。這個迴圈放大錯誤的方式，跟它放大進度的方式一模一樣。設定步驟上限，並在任何動作送出之前安排人工確認，都不是可有可無的選項。

跑一次代理要花多少錢，相較於單一次回答

這筆算術很簡單，但大家常常跳過不算。一次標準回答，輸入1,000個代幣、輸出500個代幣，每個模型的牌價可以在AI模型成本索引查到，OpenRouter費率的擷取日期是2026-08-20。一次20步的代理跑動，至少相當於20次這樣的回答，實際上通常更多，因為輸入量會逐步增加。

在Claude Sonnet 5上跑20步，底價是$0.14，而單一次回覆只要$0.007；在Claude Opus 5上是$0.35，如果每小時都跑一次，換算下來每月大約是$250，這還沒算進逐步變大的輸入所帶來的加成。換算成Whizi點數，同樣的算術可以對照上方的Auto階梯來看：100點數等於在主力模型上進行100次快速提問，或是在GPT-5.6 Sol上進行5次推理回合，所以在推理這一階跑20步的迴圈要花400點，約是2,500點Pro方案一個月額度的六分之一，而同樣的迴圈換成主力模型只要20點。這就是為什麼正確的設計，是把規劃步驟交給強模型，把例行步驟交給便宜的模型，也是為什麼多模型工作空間會是代理工作的自然歸宿，而不是單一模型的訂閱方案。

哪些產品才算真正的代理

會編輯檔案、執行測試的程式編寫助理是嚴格意義上的代理：給定一份錯誤回報，它們會讀程式碼、做出修改、跑測試套件、讀取失敗訊息，再試一次。這個迴圈是真實存在的，而且由模型自己主導。

ChatGPT、Gemini和Perplexity裡的Deep Research模式是代理：它們搜尋、讀取、根據找到的內容再次搜尋，並在自己判斷問題已被涵蓋時停下來。步驟數量會隨問題而變，這正是判斷的關鍵線索。

產品選單裡多數的「代理」其實是人設或工作流程。在模型選擇器裡標示為稅務代理或讀書導師的那一列，通常只是一個固定的系統提示詞，外加一兩個工具。Whizi自己的代理專區對此相當坦白：加拿大CPA那一列是一個預設，強制每一輪都執行網路搜尋，上限為七次搜尋，並配有較大的代幣預算，輸入55,000、輸出40,000。這是一個掛了工具、配了較大預算的人設，而它之所以好用，正是因為路徑是固定的。它不是一個由模型主導的迴圈，Auto路由指南解釋了每則訊息背後究竟是什麼在決定要用哪個模型。

現在的用詞正逐漸把什麼都叫成代理。要考驗一個產品，就問這頁一開始的那個問題：誰決定下一步？如果答案是「一個腳本」或「沒有人」，那你買到的就是工作流程或聊天機器人，而這也可能正是你需要的。

什麼時候該用代理，什麼時候不該用

當路徑無法事先得知時，代理就值回成本：研究工作中第二次搜尋要看第一次的結果，除錯工作中的修法要看測試輸出，瀏覽工作中下一次點擊要看頁面內容。靈活性本身就是價值所在。

當路徑已知時，代理就是錯誤的工具。摘要、擷取、翻譯、重新排版、分類，這些都是一次呼叫或固定順序的幾次呼叫，把它們包進一個迴圈裡，只會增加成本、延遲，以及新的出錯方式，卻不會增加能力。Anthropic那份指南的建議依然成立：先從單一次呼叫開始，一次呼叫不夠時進到工作流程，只有在工作流程持續需要一個你無法預測的分支時，才伸手去用代理。

判斷原則就是：如果你能在動手之前，先在白板上把步驟畫出來，那就不要建置代理。