你真的需要 Agent 嗎？先答對這 6 個問題

核心挑戰

今年最貴的 AI 專案，不是做出來的。是不該做，卻被硬做出來的。

我們反覆遇到這樣的團隊：老闆拍板「全面上 Agent」，然後花三個月搭出一套他們叫「智能體系統」的東西——報價自動發、合約自動讀、週報自動寫。表面看很智能。

但我們只問一個問題：「這裡面，有幾個動作是每次都一模一樣的？」答案往往是「基本都一模一樣」。工具相同，步驟提前定死。

那不是智能體。那是個封裝得挺好看的工作流。

真正的挑戰，從來不是「怎麼搭 Agent」，而是「你到底需不需要 Agent」。

方法

我們把這套判斷提煉成一組 6 問自檢。它夠銳利，因為它逼你誠實面對「到底什麼在重複」：

1）你的智能體第一次動作，是否總是相同的？ → 如果是，你建構的是工作流。 2）你是否每次都呼叫相同的工具？ → 如果是，你建構的是 API 封裝層。 3）團隊是否需要計畫使用哪些工具？ → 如果是，你可能需要的不是智能體。 4）能否提前確定執行步驟？ → 如果是，優先選擇工作流。 5）任務是否需要應對意外的中間結果？ → 如果才是智能體的領域。

數一數你答對了幾個「綠色」。綠色越多，你越該退回工作流或 API。只有當第 5 條亮起，Agent 才真正上場。

解決方案

我們把任何 Agent 候選，放在「自主度」這個尺度上——分三個層級：

第一層·流程內自主：確定性判斷固化進流程，流程自帶腦子，人環外。實際就是工作流 / API 封裝層，不需要 Agent。 第二層·人機協同：半確定判斷由人機共擔，Agent 出提議、人確認。 第三層·環外自主：人從執行環退出，Agent 自主跑。

把「該不該用」（6 問自檢）和「該用怎麼用」（三個層級）合起來，得到一張決策圖：確定性高、步驟固定 → 工作流 / API 封裝層，直接退回；半確定、需人機共擔 → 第二層；需應對意外中間結果、價值可控 → 第三層；價值大、責任重、無先例 → 永遠人在環內。不管怎麼分，結論都一樣：簽字的必須是人。

專案成效

回到開頭那個團隊。他們花三個月搭的「智能體」，自檢完發現：6 問裡 4 條綠色。

那不是智能體。是個該用三天搭完的工作流。

但他們老闆現在逢人就說：「我們全面 Agent 化了。」

最貴的 AI 專案，從來不是做出來的。是不該做，卻沒人敢說那句「我們先退一步想想」。

一句扎心的話：大部分公司嚷嚷著要 Agent，其實 60% 的場景，一個 API 封裝層就夠用了。我們不是不需要 Agent，是不需要那麼多 Agent。

關鍵成果

關鍵經驗

這個框架不是叫你拒絕 Agent，而是叫工具和「真正在重複的模式」對上號。多數「智能體」專案，只要你問一句「動作是不是每次都一樣」，當場就露餡——因為誠實的答案是：它只是披著 Agent 外衣的工作流。

Agent 只有在「需要應對意外的中間結果、價值可控、錯了能回滾且輸贏可驗證」時才配上崗。其餘一切，都是穿著工牌的工作流或 API 封裝層。

適用場景

這張 6 問自檢決策圖，適合這樣的團隊：正在評估要不要建 Agent，但不確定是否真有必要；已經拍板「全面上 Agent」、想做一次 sanity check；跑著重複性、工具驅動的流程，卻預設它需要 Agent；或想把 AI 預算從跟風式建設，轉向 ROI 最高、風險最低的那部分自動化。