為什麼我不上 Claude Code 也不用 AI Agent？用 Claude 18 個月後的選擇

最近半年社群上一個現象很明顯：每天滑過去，都會看到有人在賣 AI Agent 焦慮——「還在用 ChatGPT 嗎？早就過時了」「不會用 Claude Code 你就被淘汰」「AI Agent 是下一個風口，跟不上就死定了」。賣課程的、賣訂閱的、做諮詢的，各種角度都有。

我自己的反應是退一步。用 Claude 用了 18 個月、目前 Max 5x 方案、生意流程跑得順，我選擇在現階段不去追 AI Agent，也不上 Claude Code。

這篇是想把這個選擇背後的判斷邏輯講清楚。不是要告訴你「這些工具不好」（下一段我會直接說明），而是想分享一件事：在被工具焦慮淹沒之前，你應該先回答一些更根本的問題。

這篇不是要說 AI Agent 跟 Claude Code 不好

先把話講清楚，免得被當酸文。

AI Agent 跟 Claude Code 都是真的有價值的工具，只是價值出現的場景很有限。對特定群體來說，它們能解決很實際的問題——這點我在後面會具體講。

我的立場很單純：對我目前的業務來說，投入時間學這兩個工具，不會比把 Claude 用得更深帶來更高的回報。

我也不會說「Claude 永遠夠用」。再過半年、一年，如果我的業務型態變了、客戶數量翻倍、要處理的重複性工作多到撐不住，我會重新評估。但現在這個階段，評估完答案是 No，就只是 No。

這篇講的是這個判斷怎麼來的。

先講我研究過什麼工具

我不是站在「沒用過所以說不要用」的位置。要否定一個工具，你至少要有依據。以下是我這 18 個月評估過、實際碰過的東西。

Claude Code：評估後不用

Claude Code 我沒實際用過，但我看過足夠多的示範跟使用心得，加上我自己的程式碼需求，結論是不需要。原因我後面會細講，簡單講就是它解決的是工程師大型 codebase 開發的問題，我做的是「設計判斷 + 後台操作 + 少量 Custom Code」的客製化網站交付，需求形狀根本不一樣。

Manus：看過，評估後不用

Manus 是 2025 年 3 月由中國 Monica 團隊（後改名 Butterfly Effect）推出的通用型 AI Agent，核心定位不是「聊天」，是「會幫你把事做完」。你給它一個目標，它會自己拆任務、上網查資料、操作軟體、寫程式、產出檔案——最後交你一份簡報、研究報告、Dashboard，或一個跑完的網頁。整個過程它在雲端虛擬機上跑，你可以關掉電腦，等它做完再回來看成果。

通常會用 Manus 的人，是要快速產出研究報告、競品分析、市場調查、履歷篩選、行程規劃這類「有具體成品需求、流程相對標準、可以接受 AI 自主執行」的工作場景。例如分析師接到一個產業研究需求，丟給 Manus 跑兩個小時，回來拿到附圖表的 PPT 簡報；HR 把幾百份履歷丟進去，讓它按條件先篩一輪。對這類使用者，Manus 確實有價值——它替你處理掉「把資料整理成可交付初版」這件高耗時的工作。

但我評估完不需要。我的核心輸出是 SEO 文章、客戶網站、業務諮詢回覆——這些都不是「丟需求收成品」可以解決的，每一份都需要我的觀點、我的素材、我的審閱。Manus 解決的是「把資料整理成標準化初版」的問題，但我這幾條業務線的初版要的不是標準格式，是「有 Roy 的味道的東西」。對話版 Claude 加上我寫好的 Project Instructions、加上我自己的素材庫，已經能達到我要的水準。換成 Manus 反而要重新建立一套工作流，投入產出對我來說不划算。它的做法有它的價值，但跟我目前的解法重疊太少、學習成本又高——所以我沒有理由換。

LobeHub（因為 Lobe 諧音龍蝦，社群很多人這樣叫）：評估後也沒用

LobeHub（原名 LobeChat，2025 年升級改名）是一個開源的 AI 對話介面框架。最大特色是可以「自架」在自己的伺服器上，把 OpenAI、Anthropic、Google、本地 Ollama 等多家 LLM 整合在同一個介面裡用。除了基本對話，還支援自訂 AI 角色、Plugin 系統、知識庫（RAG）、多 Agent 協作。簡單講，它想做的是「一個你自己擁有、可以接所有 AI 模型、可以加任何擴充功能的對話中樞」。

通常會用 LobeHub 的人有幾種典型情境。第一種是技術背景使用者，想透過 API 計費省訂閱費（API 是用多少付多少，重度使用者算下來可能比每月固定訂閱便宜），或想自由切換不同家 LLM 來比較效果、選最適合特定任務的模型。第二種是有隱私需求的個人或團隊，例如要處理敏感資料、客戶資訊、企業內部文件，不想直接送到雲端 AI 服務，所以自架 + 跑本地 LLM（Ollama + LobeHub）把資料留在自己機器上。第三種是想客製化 AI 介面、加 Plugin 整合自家工具的開發者。這三種需求都是真實存在的，LobeHub 也確實是這幾種情境裡很受歡迎的解法。

但我這三種需求都沒有。我的工作流已經完全建立在對話版 Claude 上——每條業務線都有對應的 Project、Instructions、Files，Claude 是我的主力工具，沒有切換多家 LLM 的需求，也沒有想為了省訂閱費去管理 API 計費的動機。隱私這條，我是用「該不該把這個資訊丟進 AI」這條人為規則處理，不是用「把 AI 跑在自己伺服器上」這條技術路徑處理——客戶諮詢整理、簽約客戶具體案例這類資訊，不管 AI 跑在哪裡，我都不會丟進去。換成 LobeHub 等於要重建整套 Project 體系、學 Self-host、管理多家 API 計費，這些工作對我目前的業務沒有帶來新價值。LobeHub 是好工具，只是它解決的不是我的問題。

n8n：這個我真的串過，值得多講一段

n8n 是這四個工具裡唯一實際動手做的。我有興趣的是「能不能讓 AI 完全自動產出內容並上架」這件事，所以我串了一套自動工作流：

觸發 → n8n 用 Claude API 搜尋話題 → Claude 產出文章 → 透過 Shopify API 上傳到我的部落格

技術上跑得起來，工作流也沒問題，文章真的有自動產出、自動上架。但跑了一段時間之後我看自動產出的內容，問題很明顯：

• 主題重複性很高，翻來覆去就那幾個切角
• 文章之間的「氣質」太像，讀起來明顯是同一個自動化流程跑出來的
• 跟我自己審閱過、來回調整三五輪的文章比，品質掉一大截
• 流量表現也明顯不如手動寫的文章

我要先把話講清楚：這個結果不代表「n8n 做不到」。n8n 是非常強大的自動化工具，我相信只要願意花時間調教——例如把流程拆成「主題挑選 → 大綱 → 寫初稿 → 自我評分 → 修訂」多階段、把我自己的素材庫做成 RAG 餵進去、加入更細的判斷規則跟人工審核節點——品質一定可以再拉一級，甚至接近我半自動的水準。

但我選擇不繼續往下調，核心原因不是「能不能」，是「值不值得」。要把 n8n 調到那個程度，我估計至少要再投入幾十個小時的設定跟測試；而我目前半自動流程那 30 到 60 分鐘的人工審閱，本來就是我「想要」保留的環節——因為那是我把關品質的時刻，我不想把它自動化掉。後面 H2-5 我會把這個論點完整講清楚。

這段經驗對我很重要，因為它讓我看清楚一件事：「能自動」不等於「該自動」。很多 AI Agent 的賣點，本質上跟我串的這個 n8n 自動工作流沒有差太多——只是包裝得更漂亮、UI 更友善、技術門檻更低。但「全自動」這個前提，對品質依賴度高的業務來說就是個錯位的目標。如果你想看我對主力工具的長期觀察，我在這 18 個月用 Claude 的具體心得裡有更完整的紀錄。

為什麼我的業務不需要 AI Agent

把工具放一邊，先看業務本身。

我目前是一人公司，業務分三條主線：業務諮詢、SEO 文章、Shopify 客戶網站建置。AI Agent 在這三條線上的可行性，我各別拆給你看。

業務諮詢：從根本上不能自動化

客戶來談合作，我跟他開會、了解需求、整理諮詢內容、回覆建議方向、出報價單。這條線最關鍵的一步——回覆給客戶的訊息跟報價單——絕對要人工看過、確認、修飾才發。

不是因為 AI 不會寫，是因為這是我跟客戶之間的信任邊界。客戶花時間跟我講他生意上的細節、他在意什麼、他不想跟同行透露的數字，然後一個自動化流程吐一個回覆給他，這件事本質上就破壞了諮詢的價值。

報價單更不可能自動化。報價金額會直接決定我這個案子接下來幾個月的時間配置，寫錯一個數字、漏掉一個項目，可能影響整個利潤結構。這種東西非人工核對不可。

SEO 文章：可以半自動，但不能全自動

文章我已經做到「半自動」程度很高——Project Instructions 把寫作規範、語氣準則、Schema 結構、CTA 寫法、URL 規則、內部連結邏輯全部寫進去，Claude 出初稿時 80% 的規格已經對齊我的標準。

但是「最後 20%」沒辦法自動化。每篇文章我都會讀完、調整邏輯不順的地方、把不需要的刪掉、把自己的素材補進去、確認所有引用的數據沒寫錯。這個動作平均吃我 30 到 60 分鐘，但這 30 到 60 分鐘決定文章是 6 分還是 9 分。

n8n 那次自動發文的實驗就證實了這件事。少了這 30 到 60 分鐘，文章看起來都對，但讀起來「沒有我」，品質跟標準都不到位。

Shopify 客戶網站：全程都是人對人

客戶網站建置這條，本來就是高度客製化、高度溝通的工作。Brand Book 對齊、頁面結構規劃、實際後台建置、Custom Code 處理——每一步都要根據客戶的具體狀況判斷。AI Agent 在這條線上能幫的，目前最多就是「把客戶亂七八糟的訊息條列化」這個前置動作，核心建置流程不可能交給 Agent。

還有一個更現實的層次：案件量

三條線檢視完，結論很清楚：我的業務裡，真正能交給 Agent 全自動處理的環節幾乎沒有。

但即便撇開「能不能自動化」這個問題，還有一個更直接的現實：我現在的案件量根本沒到需要全面自動化的程度。一人公司每個月能消化的客戶就那麼幾個、文章產出每週幾篇、業務諮詢一週幾通——這些量還在「人工 + 半自動」處理得游刃有餘的範圍內。

如果之後業務翻倍、案件量變到吃不下，那時候才是真的該重新評估全自動化工具。但「假設未來會吃不下」現在就買 Agent，是把工具當保險，不是當解法。投入產出明顯不對。

為什麼我不上 Claude Code

Claude Code 跟 AI Agent 是兩個不同的東西，單獨講一下。

Claude Code 是 Anthropic 出的命令列工具，讓 Claude 在你電腦的終端裡自主執行 coding 任務——讀檔、改檔、跑指令、debug，可以連續處理多步驟的程式工作。簡單講，它是「對話版 Claude + 自主執行能力」的工程師版本。

跟對話版 Claude 的差異要先講清楚：對話版是「你問一句、它回一句、你判斷下一步」；Claude Code 是「你給它一個目標，它自己拆任務、自己跑、自己改、自己 debug」。這個差異對需要量產級程式碼、要在大型 codebase 跨檔修改、要連續寫好幾百行程式並維護的工程師來說，價值會炸開。

我的網站開發核心不在寫程式

但對我來說，這個能力用不到。我目前的網站開發都是依據客戶需求做客製化 Shopify，整個工作流的核心是：

• Brand Book 對齊（色碼、字體、視覺風格）——設計判斷
• 頁面結構規劃（每個區塊放什麼、怎麼排）——UX 經驗判斷
• 後台 GUI 建置（在 Shopify Admin 或 GemPages 操作）——不是寫程式
• 視覺直覺性、轉換率優化、品牌調性匹配——經驗判斷
• 跟客戶來回溝通——人對人

這些事情 Claude Code 根本不在它能做的範圍內。它能介入的只有最末端：Custom Code(HTML / CSS / JS for Shopify theme)。

而那一小塊，我用對話版 Claude 已經夠了。需要的時候在對話視窗裡講一句、Claude 給我程式碼、複製貼上、需要的話調整，整個過程 10 分鐘。要為了這 10 分鐘的工作去學一個 CLI 工具的工作流、適應 agentic 心智模型（讓 AI 在我電腦上自主跑指令）、改變我現在的開發習慣——投入產出明顯不對。

更實際的問題：不能拿客戶專案來試

還有一個更實際的問題：我沒辦法拿客戶專案來試 Claude Code。客戶的網站是要交付的成品，有時程壓力、有品質責任，我不能在這上面冒新工具不熟的風險。要學新工具就要找時間自己練，但找時間練 Claude Code 對我目前的業務 ROI 是負的——而且就算練熟，真正會用到它的場景還是只有那 10 分鐘的 Custom Code。

第三個現實理由：資源分配

我相信只要願意花時間，Claude Code、n8n、各種 Agent 工具都可以調出某種程度的自動化方案。但「願意花時間」這四個字現在不在我這邊。我目前的優先順序很清楚：把現有的客戶網站、文章、諮詢按時、按品質交付，不是花一個月去鑽研某個新工具能不能取代我現在的工作流。

等業務跑到下一個階段——案件量真的多到要分擔、或我有空閒時間想開新的實驗線——那時候再投入研究，投入產出會比較合理。現在不是。

不是 Claude Code 不好，是我的需求形狀跟 Claude Code 想解決的問題不重疊。

大部分人焦慮的根源：把工具當答案，而不是檢視需求

這篇真正想說的核心觀點在這段。

我觀察一陣子下來，社群上對 AI Agent、Claude Code、各種新工具的焦慮，根源都很類似——把工具當答案，而不是先檢視自己的需求。

順序是反的。

正常的順序應該是：

1. 我的業務在哪個環節真的卡住了？
2. 卡住的原因是什麼？
3. 這個原因有什麼解法？（可能是工具、流程、人，甚至可能是「不解決」)
4. 解法裡需要工具的話，哪個工具最匹配？

但大部分人是反過來的：

1. 看到一個新工具
2. 焦慮自己會不會被淘汰
3. 開始找這個工具能用在哪
4. 為了用而用，但其實業務沒被改變

這就是為什麼很多人學了 n8n、Zapier、Make，串了一堆自動化，最後發現生意沒有比較好——因為一開始就沒從業務本身出發。

核心論點：30% 是規則，70% 是經驗判斷

我自己在做這件事的時候有一個觀察：我的工作標準，大概 30% 是可以規則化的，70% 是經驗判斷。

可以規則化的那 30%——全形標點、Schema markup 結構、色碼、CTA 寫法、文章膨脹或不足的檢查、內部連結路徑、檢查清單——我早就寫進 Project Instructions 跑了。所以從外面看會覺得「Roy 給 Claude 一個指令就直接過，效率高得不像話」。

但每一篇文章寫完之後、每個客戶網站交付之前，我手動審閱、退回讓 Claude 改、自己補素材的那一輪——那就是 70% 經驗判斷在運作。

這個經驗判斷包含什麼？以網站建置來說，就是怎麼讓使用者體驗更直覺、怎麼排版讓轉換率更好、怎麼讓視覺風格符合這個品牌的調性、怎麼挑元件讓打開頁面那一秒就感覺「對」。這些不是規則，是我做過幾十個案子累積出來的判斷力——同樣的版型放在 A 客戶網站是對的，放在 B 客戶就是錯的；同一個 CTA 按鈕的顏色，放在這個品牌色系是直覺，放在另一個就突兀。

以文章來說，就是同一句話放這篇是 OK 的，放那篇就突兀；這個切角這個讀者能接，那個讀者會跑掉；什麼地方需要展開、什麼地方需要克制。這些都是脈絡判斷，沒辦法事先寫成規則交給 AI。

AI Agent 預設的假設是「全程不需要人」。但對我這種工作流來說，有 70% 的環節就是「需要人」。Agent 沒辦法做完那 70%，等於不管它做了多少自動化，我都還是要做最後那一輪。那一輪做完，前面自動化省下的時間就被吃光了。

所以對我來說，Agent 解決不了我真正的瓶頸。我的瓶頸不是「做得不夠快」，是「做得不夠好」。前者用工具，後者只能用經驗。

大前提：品質先、效率後

這背後其實有個更大的前提：我所有工具選擇的判斷基礎，是品質與標準必須先達到我自己設定的目標——文章要讀起來有 Roy 的味道、客戶網站要有體驗跟轉換率、業務諮詢要有信任邊界。在這個前提之下，怎麼用 AI 把時間效率最大化，才是我要找的答案。

順序是先品質、再效率。把效率排第一、品質排後面，就會走進「為了自動而自動」的死胡同——你會看到很多人串了一堆漂亮的自動化流程，但產出來的東西就是「對但沒有靈魂」，然後生意沒有更好。

要先回答的三個根本問題

如果你看到這裡覺得有共鳴，但還是不確定自己是不是需要 AI Agent，我建議先在心裡問自己三個問題。

順序很重要，從根本問題往上問。

第一個：業務根本——我在做什麼生意？它需要什麼？

寫下你業務裡前 5 個吃時間最多的環節。然後對每個環節問：

• 這個環節成果好壞，主要靠速度還是判斷？
• 如果有人（不是工具）幫我做這件事，他需要花多少時間訓練才能做出我滿意的成果？
• 訓練到位之後，他能完全不用我介入嗎？

如果你的環節大部分都「需要判斷 > 需要速度」「訓練時間很長」「最後還是要我看過」——那 Agent 對你的價值就有限。

第二個：生意根本——我的增長方式是什麼？

不同的生意，瓶頸長得完全不一樣。

• 內容創作者：瓶頸通常是「品質」跟「獨特性」，不是產量
• 電商：瓶頸通常是「流量 + 轉換」，不是後台操作的速度
• 服務業：瓶頸通常是「客戶信任」跟「交付品質」，不是行政流程
• 軟體公司：瓶頸通常是「工程速度 + 產品判斷」，自動化救得到的部分多

Agent 對軟體公司、電商後台、客服、行政流程這幾類比較有效，因為這些場景的本質就是「量 × 流程」。對前面三類，Agent 通常解決不了真正的問題。

第三個：個人或公司需求根本——我為什麼考慮這個工具？

這題最重要也最難。誠實問自己：

• 我考慮 AI Agent，是因為我手上有具體的問題它能解決？
• 還是因為「大家都在學，我怕落後」?
• 還是因為某個 KOL 講得讓我焦慮？

第一種情況才該認真評估工具。後兩種情況，你需要的不是 Agent，是先把基本盤的判斷做完。

我的工作流就是反例：半自動為什麼夠用

把「為什麼不需要全自動」講完了，具體看一下「半自動」長什麼樣子。

我目前的工作流，核心結構就是這個：

我提供基礎（原則、想像、想法、素材）→ Claude 出初稿 → 我多輪迭代調整 → 確認沒問題後發布或交付。

這個流程我跑了 18 個月，從一開始只是用 ChatGPT 玩玩看，到現在每天有 4 到 6 條業務線都在這個流程上跑。每一條線都有它對應的 Claude Project，Instructions 都不一樣，Files 也都不一樣。

四個環節我各別說一下「人工在這個點做什麼、為什麼不能完全自動」。

環節 1：提供基礎

這一步我看過最多人卡住。很多人以為「給 AI 一個指令」就叫提供基礎——「幫我寫一篇 Shopify 的文章」「參考前五名再寫一篇更好的」這種指令。但這根本不算基礎，這只是發起需求。

真正的基礎是：你心裡對這件事的標準是什麼？目標讀者是誰？你想表達的核心觀點是什麼？有哪些素材是「你的」而不是網路上任何人都查得到的？

這些東西 Agent 沒辦法替你想。Agent 可以幫你執行，但沒辦法替你「有想法」。

環節 2：Claude 出初稿

這是 Agent 唯一可能取代的環節——但前提是你的標準能完全規則化。

如果可以，直接跑自動化（像我那次 n8n 嘗試）。如果不行，留在對話模式裡讓 Claude 直接寫，因為對話過程本身就是脈絡傳遞，這個價值 Agent 抓不到。

環節 3：多輪迭代調整

這是 70% 的經驗判斷在運作的環節。

我幾乎會審閱 Claude 產出的任何訊息和內容，只要是它寫的東西我都會看過。確定沒問題才用，如果覺得哪裡怪怪的，就跟它討論調整。你一定要知道它在寫什麼，不能拿了就直接傳。如果它寫出你不懂的東西，一定要搞清楚，不能有不確定的地方。

這個原則我從第一天用 Claude 就建立了，18 個月沒變過。

環節 4：確認沒問題後發布或交付

最後這一刀，做的是「我願不願意把這個東西掛上我的名字、交給客戶」的判斷。這個判斷 Agent 永遠做不了——因為要負責的是我，不是 Agent。

所以你看，我的工作流是「自動化 + 人工」的混合，自動化負責規格，人工負責經驗判斷。這個組合對個人工作者、一人公司、中小企業，通常已經夠用了。

如果你想知道自動化跟 AI Agent 在底層邏輯上的差別，我有另一篇專門講這個。

什麼樣的人才真的需要 AI Agent 跟 Claude Code

把誠實邊界畫清楚：確實有人是真的需要這些工具的。

真的需要 AI Agent 的人

• 業務本身就是「量 × 重複流程」——例如客服（每天接幾百通類似問題）、財務行政（每月幾百筆固定流程）、簡單的庫存補單通知、訂單狀態更新。這些場景的本質就是「規則化高、判斷少」，Agent 直接幫你接走流程，人力釋放出來做更有價值的事。
• 規模到了某個量級——不是一人公司，是有團隊、有營運壓力、有多個重複性流程需要釋放人力的中大型公司。這時候 Agent 的設定成本被攤平了，效益看得到。
• 跨系統打通的需求很硬——例如要把 CRM、Email、客服平台、訂單系統串起來自動聯動，這種跨系統流程 Agent 確實是好解法。
• 能投入時間調教——Agent 不是裝完就上手的東西，前期需要花真功夫設計流程、測試、debug。如果你連花一週認真坐下來研究的時間都沒有，跑去買 Agent 訂閱只會多一個沒在用的訂閱。

真的需要 Claude Code 的人

• 每天或每週都寫程式碼的工程師——這個沒什麼好說的，Claude Code 對你絕對是生產力加倍。
• 半工程師性質的產品經理或設計師——會寫一點程式、需要快速做 prototype、要在 codebase 裡跑跨檔任務，Claude Code 對你很有用。
• 獨立開發者——一個人要寫一整個產品的人，Claude Code 能讓 AI 自己拆任務、自己 debug，你跑得會比競爭者快。

如果你不在上面任何一個族群裡——大部分人不在——你目前可能不需要這兩個工具。

如果你還是想試，我建議的順序

聊到這裡如果你還是想試試看，我不會堵死你。畢竟「自己試過再決定」永遠比「聽別人講再決定」靠譜。但我會建議一個順序，避免你直接跳到最深的池子嗆水。

第一步：先把對話型 AI（Claude 或 ChatGPT）用到撞牆

什麼叫撞牆？就是你已經把它放進你的日常工作，每天都在用，而且開始發現「對話模式」沒辦法解決你某些具體場景的問題了——可能是因為任務太重複、可能是因為觸發條件很固定、可能是因為要跨幾個系統。

撞牆之前去碰 Agent 或 Claude Code，通常是無頭蒼蠅亂飛。撞牆之後再評估，你會清楚知道「我需要這個工具解決什麼具體問題」，選工具的判斷會精準很多。

我自己用 Claude 從 Pro 跑到 Max 5x、跑了 18 個月，目前還沒撞到必須上 Claude Code 或 Agent 的牆。但如果你的業務型態跟我不一樣，你可能跑三個月就撞牆了——那是好事，代表你的業務需求清楚了。

第二步：撞牆之後，評估自動化工具（n8n / Zapier / Make）

注意這一步是「自動化工具」，不是「AI Agent」——兩者不一樣。自動化工具解決的是「重複性高、判斷度低」的環節。例如：

• 訂單成立自動推 Email 通知
• 表單填寫自動寫進試算表跟 Notion
• 特定時間自動發定期報告

這些是 if-this-then-that 的清楚邏輯，沒有太多需要 AI 判斷的成分。n8n、Zapier、Make 都是這類工具的代表。從這一步開始，你會學到「規則化」這件事到底有多難——很多看起來簡單的流程，規則化之後會發現邊邊角角的判斷比想像中多很多。

第三步：真的需要全程不介入，再考慮 Agent

跑完第二步，如果你發現：

• 某個流程「規則化的部分」自動化工具解決了，但「需要判斷的那一塊」還是要你介入
• 介入頻率高到吃掉你大量時間
• 而那個判斷的標準是可以教給 AI 的（意思是你能把它寫成文字）

——這時候才是真的可以考慮 AI Agent 的時機。在這個階段你會很清楚知道「我要 Agent 解決什麼」，選 Agent 的判斷就會精準。

跳過前兩步直接買 Agent，通常就是把工具當答案，而不是當解法。

常見問題

延伸閱讀

• 我選 Claude 當主力工具的完整原因
• AI 工具推薦：依用途分類的實用工具清單
• AI 工具全貌總覽：中小企業 AI 應用完整指南

最後

整理一下這篇的核心：不是「Claude Code 跟 AI Agent 不好」，是這兩個工具的價值要在特定場景才會炸開，而那些場景大部分人不在裡面。在被工具焦慮淹沒之前，先回答業務根本、生意根本、需求根本三個問題，通常會發現你需要的不是新工具，是把現有工具用得更深。

我自己這 18 個月的選擇是把 Claude 用到位。半自動的流程對我這種一人公司、服務 + 內容 + 客戶網站三條線的業務，目前已經夠用。我相信這些工具一定有辦法做到更多自動化，但以我現階段的狀況——案件量、經驗判斷的份量、資源分配的優先順序——我不打算再投入大量時間去鑽研。我必須先把現有的工作趕快做好。

說到底，我的做法就是取一個平衡：盡量利用 AI 輔助讓時間效率最大化，但同時必須兼顧最高的品質。品質與標準達到我自己設定的目標，是大前提；在這個前提下，怎麼用 AI 更有效率地節省時間，才是我真正在找的東西。

再過半年、業務型態變了，我會重新判斷。但「重新判斷」會基於業務需求，不會基於社群焦慮。

我幫過不少中小企業老闆判斷工具該不該上、流程該不該自動化，如果你也卡在類似的選擇，可以預約一個 30 分鐘的免費諮詢聊聊，我可以根據你的業務狀況給你具體建議。