第 21 章・應用場景篇（進階：Agent 與工具）

顧問研究：會查證的市場研究 Agent

前面的場景，流程都是我們事先畫好的。從這一章起進入進階領域——讓 AI 自己決定該做什麼。我們做一個市場研究 Agent：給它一個主題或網址，它會自主判斷要用哪個工具（查百科、讀網頁、看時間）、查幾次，最後整理成報告。這是「Agent＋工具」的第一課。

業界痛點
顧問、企劃、行銷、投研人員每天都要快速搞懂一個陌生主題：它是什麼、有什麼最新動態、對我的決策有何影響。傳統做法是自己開一堆分頁、東查西查、再手動整理，耗時且容易漏。更關鍵的是——這種任務步驟無法事先固定：有時要查定義、有時要讀某篇報導、有時要比對時間。固定流程的工作流不夠靈活，這正是需要「會自己決定」的 Agent 出場的時候。

本章目標

解決什麼: 讓 AI 自主查證、整理一個主題或網頁，產出商務可讀的研究摘要
用到的技術: 第 4 章的 Agent ＋第 7 章的工具：把 Wikipedia、Web Scraper、Current Time 掛給 Agent 自主取用
難度: ★★★★☆　從「我畫流程」跨到「AI 決定流程」，理解 Agent 與 Workflow 的根本差異

✨ 成果搶先看

先看做完長什麼樣——這樣你就知道自己在往哪裡前進。跟著本章做，你也能生出下面這個結果：

① 使用者在聊天視窗輸入
💬 「幫我快速研究「精實生產（Lean Manufacturing）」是什麼、對中小製造業有什麼影響？」

↓　AI 處理，產出 ↓

我先查證「精實生產」的定義與背景資料。# 精實生產（Lean Manufacturing）快速研究報告

一句話結論

精實生產是源自「豐田生產方式（TPS）」的管理哲學，核心在於消除一切不為顧客創造價值的浪費，讓中小製造業能用更少資源做出更快、更穩定的交付——但導入需要組織文化配合，並非單純導入工具就能見效。

一、核心定義與概念（查證自 Wikipedia）

項目	內容
起源	1990 年代由學者將豐田生產方式（Toyota Production System, TPS）系統化命名為「Lean」
三大管理原則	1. 只在需要時生產需要的量（Just-In-Time）<br>2. 異常發生時立即矯正<br>3. 授權第一線員工自主改善流程
核心目標	消除「無駄（Muda，浪費）」，包含七大浪費：等待、搬運、庫存、動作、加工過剩、生產過剩、不良品
與 JIT 的差異	JIT 聚焦「庫存策略效率化」；Lean 更進一步，把「縮短整體週期時間（cycle/flow/throughput time）」也視為顧客價值的一環，範圍擴及行銷、客服等全流程
常見配套工具/方法論	TPM（全面生產管理，日本 1971 年起）、TQM（全面品質管理）、5S、Lean Six Sigma；這三者（TQM、TPM、Lean）被並稱為「世界級三大製造管理技術」

二、對中小製造業的影響（推論＋業界常見觀察，非工具直接查得之數據）

（完整報告更長，這裡先看重點——下載本章 DSL 自己跑就看得到全部）

👇 在 Dify 裡實際執行、長這樣

成果搶先看 — 成品給一個主題或網址，Agent 自主判斷該用哪個工具、查幾次，整理成商務可讀的研究報告。

效益速覽（估算）

省時間

查半天→一句交辦

自主查證整理

省人力

人人有研究助理

面對開放式任務

創造價值

過程透明

工具徽章可核對

⬇ 把這個工作流帶走，直接用
不想從頭做？下載本章的 DSL 檔，到你的 Dify「工作室 → 匯入 DSL 檔案」上傳，就能一鍵複製這個範例、改成自己的。

下載 DSL 檔

21.1Agent 與 Workflow 的根本差別

	Workflow（前面各章）	Agent（本章）
流程	你畫好節點圖，每次照走	AI 依任務即時決定步驟
工具	你指定哪個節點呼叫哪個工具	你給一籃工具，AI 自己挑
適合	定型化、可預期的任務	開放式、每次不一樣的任務
比喻	生產線	請了一位會查資料的研究員

21.2動手做：建立 Agent 並掛上工具

建立應用工作室 →「建立空白應用」→ 選「Agent」，命名「市場研究助理 Agent」。
撰寫指令（提示詞）在提示詞裡定義它的角色與工作原則：先想清楚要查什麼再呼叫工具、能查證就不要憑記憶、明確區分事實與推論。
掛上工具在「工具」區按「＋」，加入三個工具：Wikipedia（查背景定義）、Web Scraper（讀網頁）、Current Time（判斷時間語境）。這一籃工具，Agent 會自己決定何時用哪個。

市場研究 Agent 編排頁：提示詞、3 個工具、預覽 — **圖 21-1**Agent 編排頁。左側是指令（工作原則），下方「工具」區掛著 **3 / 3 啟用** 的 wikipedia、webscraper、time——這就是給 Agent 的工具箱。右側預覽可直接對話測試。

21.3實戰：丟一個網址，看它自己動手

我們給它一個開放任務：「幫我讀這個網頁並整理今日重點與觀察：https://lite.cnn.com/」。注意我們沒告訴它「用哪個工具」——它得自己判斷。

Agent 回覆，標示已使用 webscraper 與 current_time 工具 — **圖 21-2**關鍵在回覆上方的工具徽章：**「已使用 webscraper；current_time」**——Agent 自主判斷出「這是網址，該用 Web Scraper 讀」「要標註資料日期，順手用 Current Time」，然後整理出「一句話結論＋重點」的研究摘要。整個決策過程沒有一步是我們指定的。

帶來的改變
研究一個陌生主題，從「自己開分頁東查西查」變成「交代一句、它自己查完整理好」；面對每次不同的任務，不必為每種情況畫一條流程；工具徽章讓你看得到它查了什麼，過程透明可信。

務必注意
Agent 自主性強，也代表它可能「自作主張」。務必在指令裡框住邊界（只查證、不編造、區分事實與推論），並保留工具使用紀錄供你核對。外部工具（如網路搜尋）偶爾會失敗或被限流——好的 Agent 會如實回報，而不是硬掰一個答案。

輸出、發布與使用：把成果交付出去

做好的應用要能發布、分享給別人用才有價值。以下是這個應用的輸出設定與發布／使用畫面：

**編排（設定）頁**聊天型應用的核心設定都在這一頁——提示詞、變數、開場白與建議問題，改完即時預覽。

**概覽頁**應用的公開網址、使用統計與 WebApp 入口都在這裡。把網址傳給同事，他們打開就能用，不需要自己會 Dify。

**日誌頁**每一次使用者的實際對話／執行都會記錄在此，可回頭檢視 AI 的回應品質，據以持續優化提示詞。

**發佈選單**做好後按右上「發佈 → 發布更新」即上線；選單還提供『運行』獨立網頁、『訪問 API』、『嵌入網站』與『工作流程作為工具』等交付方式——這就是把應用分享給別人使用的入口。

21.4本章回顧

Agent 與 Workflow 的根本差異：前者由 AI 決定步驟，後者由你固定步驟。
把一籃工具掛給 Agent，它會依任務自主選用——適合開放式、每次不同的任務。
用指令框住邊界、保留工具紀錄，是讓自主 Agent 可信可控的關鍵。
下一步（第 22–24 章）我們反過來，把工具當成 Workflow 的節點，精準掌控每一步。