自主研究：工作流中的 Agent 節點
全書壓軸。前面兩條路——Agent 會自主但難嵌進流程，Workflow 可控但每步要你畫——在這一章合而為一：Agent 節點。它是 Workflow 裡的一個節點，內部卻是一個能自主選用工具、多輪推理的 Agent。可控的流程外殼，包著自主的智慧核心，這是 Dify 目前最強大的一種積木。
真實任務常是「大方向固定、細節要臨機應變」：一份研究報告的產線是固定的（收任務 → 查證 → 產出 → 存檔），但「查證」這一步該查什麼、用哪個工具、查幾次，每次都不一樣。純 Workflow 無法在單一節點裡做這種開放式判斷；純 Agent 又難以嵌進「前處理 → 研究 → 後處理 → 寫回系統」的完整產線。你需要一個既能被流程調度、內部又能自主的單元。
本章目標
- 解決什麼
- 在 Workflow 裡放一個自主 Agent，讓它自行選用多個工具完成開放式研究任務
- 用到的技術
- Workflow 的 Agent 節點（FunctionCalling 策略）＋掛載多個工具；需安裝官方 Agent 策略外掛
- 難度
- ★★★★★ 全書最進階：把「可控流程」與「自主智慧」合為一體
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：
💬 「研究「看板方法（Kanban）」是什麼，以及它對中小製造業排程管理的幫助」
看板方法（Kanban）研究報告
一、結論（一句話）
看板方法是一套源自豐田生產系統的「拉式（Pull）視覺化生產管理工具」，透過限制在製品（WIP）與即時視覺訊號來同步生產與需求；對中小製造業而言，它是一種低成本、易導入、能有效降低庫存與縮短前置時間的排程管理手段，特別適合流程重複、需求相對穩定的生產型態，但對高度客製化、少量多樣的訂單式生產則需搭配其他排程工具使用。
二、查到的事實
1. 起源與定義
- 「看板」（かんばん，意為「看板／告示牌」）由豐田汽車工程師大野耐一於 1940 年代發展，是精實生產（Lean Manufacturing）／即時生產（Just-In-Time, JIT）體系下的排程系統。
- 名稱來自用來追蹤工廠內生產狀況的「卡片」，在汽車業也被稱為「Toyota nameplate system」。
2. 運作原理
- 拉式生產（Pull System）：後製程依實際消耗量向前製程「拉取」補貨，而非依預測「推」料生產，藉此避免過度生產。
- 限制在製品（WIP Limit）：對每個生產／供應節點設定庫存上限，一旦超過上限即代表流程存在瓶頸或效率問題，需要改善。
- 視覺化管理：以看板卡（或看板板、電子看板）標示各工序狀態，常見欄位如「待辦／進行中／完成」，讓現場人員一眼掌握生產進度與瓶頸。
- 持續改善（Kaizen）：透過量測前置時間（Lead Time）與週期時間（Cycle Time），逐步收緊 WIP 上限，反覆暴露並排除流程中的無效率環節。
- 延伸方法包括 CONWIP、Generalized Kanban、Extended Kanban 等，皆為同一「限制在製品＋拉式補貨」概念的不同變形。
（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
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。
25.1Agent 節點：流程裡的一顆自主大腦
結構看似簡單：開始 → 研究 Agent → 輸出。但中間那顆節點不是普通 LLM——它是一個完整的 Agent，設定了策略（FunctionCalling）、模型，以及一整籃工具。流程負責把任務餵給它、把結果接走；至於中間怎麼查、查幾次，交給它自己。
Workflow 的 Agent 節點需要一個「策略」來驅動（決定它如何思考與呼叫工具）。到 Marketplace 安裝官方的 Dify Agent Strategies 外掛，即可獲得
FunctionCalling 與 ReAct 兩種策略。FunctionCalling 適合支援工具呼叫的現代模型（如 Claude 全系列）。25.2設定 Agent 節點：策略、模型、工具、指令
25.3實戰：看它自己想、自己修正
我們丟一個研究任務給它。最能展現 Agent 價值的，不是它一次做對，而是它遇到問題會自己調整。
Agent 節點功能強大，但每次執行會多輪呼叫模型與工具，token 成本與時間都遠高於單一 LLM 節點（本例一次就上萬 tokens）。用於真正需要自主判斷的步驟；能用固定流程解決的，就別動用 Agent。同時務必設好最大迭代次數，避免它在工具失敗時無限重試。
你終於能把「可控的產線」與「自主的智慧」組在一起：前處理、後處理、寫回系統用固定節點掌控；唯獨最需要臨機應變的「研究／判斷」那一步，交給 Agent 節點自主完成。這是打造複雜、真實世界 AI 應用的終極積木。
25.4總結：從「型」到「自主」
回顧這趟旅程：我們從最單純的一段提示詞（第 11 章）出發，一路走過工作流、知識庫、多模態、平行執行、分類器、工具，最後抵達能自主判斷的 Agent 節點。你手上現在有的，不只是十五個範例，而是一整套把任何業界痛點，拆解成 Dify 積木組合的思維。
- Agent 節點＝可控流程的外殼 × 自主智慧的核心，Dify 目前最強大的積木。
- 它適合「大方向固定、細節要應變」的任務；成本高，用在刀口上。
- 自主的代價是不可預測——設好邊界、迭代上限與工具紀錄，才能收放自如。
十五個場景、十個產業，用的其實就是前十章那些「型」與「工具」的排列組合。真正的能力，不是記住某個範例，而是看到一個痛點時，能在腦中把它拆成 Dify 的積木。創造之門，已經為你打開。
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：
text）對應成整條流程的最終結果——決定使用者最後拿到什麼。