現在你已經知道你的代理要做什麼、會部署在哪裡，是時候問自己一個重要的問題了。

這個問題真的需要一個智能代理嗎？

不是每個專案都需要智能代理，甚至不是每個自動化專案都需要。有時候，一個簡單的流程、腳本或規則式程序就能更好地完成任務。了解兩者的差異，能幫你節省時間、金錢，也避免後續的混亂。

AI 智能代理不只是執行指令。它能用自然語言讀取、撰寫與對話，能判斷意圖、運用知識，並在不確定情境下做決策。這種彈性讓它很強大，但同時也增加了複雜度。每一次 LLM 呼叫都會消耗 token、時間與帶來風險。因此，只有當任務真的需要推理或語言理解時，才值得使用智能代理。

如果任務是確定性的（也就是有明確的輸入和輸出），通常用流程或自動化工具會更好。（小提醒：Botpress 兩者都能做到！）

如果任務涉及情境、解讀或對話，那就適合用 AI 智能代理。

我們來看看 Terminal Roast 是怎麼處理這個問題的。

Taryn 的團隊定義了第一個任務：收集顧客對新咖啡口味和配方的回饋。首席咖啡師 Adrian 提出兩種代理可以處理的方式。

第一種是對話式。代理會詢問顧客為什麼喜歡或不喜歡某款飲品，並試著理解他們的想法。這需要細膩、解讀與記憶，很適合用智能代理來處理。

第二種是程式化。代理只需列出新配方，請顧客回覆「是」或「否」。這種互動不需要推理，非常適合用自動化來完成。

將這兩種流程分開，讓系統更有效率。需要語言理解的部分用智能代理，單純邏輯的部分用流程來處理。

很多團隊會混淆這個界線，想打造一個什麼都能做的代理：回答問題、抓取資料、更新紀錄、處理交易。但每多一個功能，就會增加成本、延遲和維護負擔。更好的做法是結合智能代理與流程。

用流程來確保結構與穩定性，用智能代理來提供智慧與彈性。

可以把智能代理想成「第一線」的介面，負責理解使用者，再把結構化的動作交給自動化系統精確執行。當這兩個系統分工明確，整體就會更穩定、可擴展且透明。

這裡有個簡單的判斷方法。

問問自己：這個任務需要理解自然語言嗎？還是只要一套簡單規則就能處理？如果需要理解——例如判斷意圖、處理模糊或引用知識——那就需要智能代理。如果不需要，就用流程來做。

等你有明確的邏輯和資料後，隨時可以再加上智能代理。把已經運作良好的流程升級成智慧型，比起一開始就除錯一個過於複雜的代理要容易得多。

Terminal Roast 的做法（把對話式和程式化任務分開）就是很好的範例。這樣他們的系統更精簡，每個部分都能發揮最大效益。

這樣的清楚劃分，未來在維護、成本和效能上都會帶來好處。

行動： 檢視你規劃中的代理任務，找出哪些真的需要語言理解。

只保留那些需要代理處理的任務，其餘的規劃用標準流程自動化。

‍