AI Agent 開發怎麼做？自建、用平台、委外的差別，流程、費用與驗收

AI Agent 開發的白話定義：讓模型自己決定下一步要查什麼、呼叫哪個系統，再把結果交給人或寫進流程。能上線的版本，工作量不在模型本身，落在工具串接、記憶、權限和監控這幾塊。路線有三條：用 n8n 這類平台搭、自己的工程師寫、委外開發，差別在誰負責維運，以及出錯時誰來接手。

我們公司內部現在有 20+ 個 AI 流程每天在跑，聽到最多的一句話也一直沒變：「我想要一個 AI Agent，大概要花多少錢？」這句話缺了兩個前提：Agent 要碰哪些系統，以及它做錯的時候誰來收拾。兩件事講清楚，報價和驗收才有東西可以寫。

外部數據也指向同一個風險。Gartner 在 2025 年 6 月預測，到 2027 年底超過 40% 的 Agent 型 AI 專案會被取消，原因集中在成本失控、商業價值不清楚、風險控管不足（Gartner 新聞稿）。Anthropic 的工程團隊在Building effective agents裡也建議，先找最簡單的做法，需要時才加複雜度，因為 Agent 是拿延遲和成本去換更好的任務表現。這篇寫給要找人做的老闆和 PM，不教寫程式（要自己動手的人看AI Agent 教學）。

AI Agent 開發怎麼選路：自建、用平台、委外一張表看完

先講結論：流程固定、只串幾個 SaaS 的，用平台搭；要碰核心系統或敏感資料的，找人開發；團隊有工程師、又想長期自己改的，才自建。

時程和預算兩欄是單一流程的範圍，實際會隨整合的系統數、資料整齊程度上下移動。委外那一列的來源與六階段細節，整理在客製化 AI 系統開發完整指南與30 萬、100 萬、300 萬各能做什麼。想先確認企業整體該不該導入，從企業 AI 導入完整指南看起。

AI Agent 開發的五個工程元件：模型、工具、記憶、權限、監控

報價單上的項目，拆到最後就是這五塊。先看速覽表，再逐一講每一塊的驗收重點。

模型：多數流程用中等模型加清楚步驟就夠

先講結論：第一版不用上最貴的模型。步驟寫清楚、工具切乾淨，中等模型就能把大部分流程跑完，難的少數案例再轉給大模型或真人。模型換版很快，所以提示詞和測試題一定要留在自己手上，換模型時才能整批重跑比較（名詞不熟的話看老闆級 AI 用語對照表）。

工具與 API：Agent 的能力等於你開給它的接口

先講結論：Agent 能做多少事，看系統有沒有好用的接口。接口亂、欄位名稱不一致，Agent 一定出錯。我們自己每天在用的 CRM「SalesKing」，就把系統功能開成 20 個 MCP 工具讓 AI 直接操作（SalesKing 案例頁）。這種「先把接口整理乾淨」的工作，常常比 Agent 本身更花時間，報價時要單獨列出來。

記憶：先決定要記多久，再決定存哪裡

記憶分兩種：這一輪對話內的短期記憶，和跨次的長期資料。長期資料牽涉個資與客戶機密，保存多久、誰能查、怎麼刪，都要在開發前定好，不要等上線後才補。

權限：預設唯讀，寫入要人點頭

先講結論：第一版 Agent 只給讀取權限，要寫入的動作（改訂單、發信、付款）一律先送人確認。權限盤點可以照AI 導入前資料權限盤點 SOP做，把資料分級、哪些資料不能給模型看先列出來。

監控：每一次決策都要留得下紀錄

監控包含三件事：日誌（每次問了什麼、呼叫哪個工具、回傳什麼）、錯誤告警、費用上限。上線半年才發現帳單翻三倍的案例很常見，成本怎麼失控的拆解看AI Agent 部署 6 個月成本飆 3 倍的真相。

平台、自建、委外三條路的差別：n8n 做到哪裡就該換

先講結論：平台適合驗證想法和固定流程，碰到核心系統寫入、細緻權限、多人協作時，就是該換路的訊號。

用平台搭：快，但有天花板

n8n 的 AI Agent 節點可以接聊天模型、工具和記憶，適合「下一步要查哪裡，得看客人說了什麼」的流程，例如客服問訂單、同仁問 SOP。做法與權限設定寫在n8n AI Agent 怎麼做，初次接觸的人先看n8n 是什麼，自架和雲端的費用差異看n8n 費用怎麼算。流程分支變多、要寫入核心系統、需要版本管理與多人協作的時候，平台就開始吃力。

自建：長期成本最低，前提是有人養

自建的好處是程式碼、提示詞、測試題全在自己手上。代價是你得有人做評測和監控，模型每次換版都要有人重跑測試。只有一位工程師兼任的團隊，建議先從平台起步，驗證價值後再決定要不要自建。

委外：花的是把風險買斷的錢

要碰 ERP、CRM 這類核心系統，內部又沒有 AI 工程人力，委外通常最省事。重點在合約：驗收條件、資料與提示詞的所有權、出事後的回應時間，都要事先寫進去。顧問和開發商怎麼分工、報價與合約紅線，整理在AI 顧問 vs AI 系統開發商分工指南。

AI Agent 開發流程：從一條流程做 PoC，再決定要不要擴大

先講結論：第一次只做一條流程，用真實資料跑完 PoC，再談擴大。下表的時程是業界常見的範圍，單一流程的 Agent 通常不用走完每一個階段。

PoC 到上線這段路最容易卡關，卡在哪裡、怎麼過，看企業 AI 從 PoC 到 production 的 90 天路線圖。

這裡有個我們不太認同的做法：一開始就要做「全自動」。我們的判斷是第一版應該半自動，Agent 負責查資料、整理、起草，要動到錢、客戶或正式資料的步驟留給人按確認，等日誌累積夠、成功率穩定，再一步步放權。我們內部報價自動化就是這樣拆的，節點怎麼切、三個模型怎麼分工、兩種 fallback 怎麼兜底，寫在內部報價自動化 SOP。

AI Agent 開發費用：預算級距與報價單要拆哪幾項

先講結論：開發費用看的是「要接幾個系統、幾種角色」，模型本身反而是小頭。下面是台灣中小企業案子常見的級距，仍屬業界參考，實際報價要等需求訪談後才算得準。

不同導入型態（工具訂閱、流程自動化、知識庫、客製系統）的費用結構差很多，整理在AI 導入費用 4 種型態拆解。收到報價單時，下面這張表可以逐項對照，漏項最常出現在後面三列。

上線後的運行成本比開發費更容易失控，因為它隨用量成長。Agent 每多思考一輪、多呼叫一次工具，都會多燒 token，所以合約裡要有單次與單日的費用上限。

AI Agent 驗收清單：任務成功率、錯誤處理、人工接手點

先講結論：驗收要看「出錯時會怎樣」。成功的案例每家廠商的 demo 都會給你看，只有故意把它弄壞，才看得出系統有沒有做完。

成功率的門檻要看出錯的代價，沒有萬用數字。我們另篇整理的 KPI 文章給的起點是上線 1 個月達 70%、3 個月達 85%，並要求涉及客服、醫療、法務的 Agent 把「不亂講」的比例拉到更高（完整 6 個 KPI 與量測陷阱看AI Agent 評估方法論）。涉及金流與對外發信的動作，就算成功率再高，也要留人工確認。

找委外廠商開發 AI Agent，要問的問題與合約紅線

先講結論：問廠商「做過什麼」，要求對方拿得出實際頁面或系統給你看；問廠商「怎麼收尾」，要求把交付物與驗收寫進合約。下面是簽約前的檢查項目。

• 做過哪些同型的系統串接？要求看實際頁面或操作畫面，口頭描述不算數。
• 工具程式碼、提示詞、測試題、日誌，所有權歸誰？建議全部歸甲方。
• 模型 API 帳號開在誰名下？有沒有每月用量上限與告警？
• 驗收條件寫進合約了嗎？成功率、錯誤處理、人工接手點都要有。
• 上線後出事，多久內回應？調校期有沒有含在報價裡？

合約紅線裡最容易被忽略的是所有權。只寫「乙方交付系統」，卻沒寫提示詞、測試題、向量資料庫歸誰，日後換廠商時很可能帶不走。更完整的合約條款清單看客製化 AI 系統開發完整指南的避坑章節。

下一步：先挑一條流程，再談路線與預算

看到這裡，如果你手上有一條想交給 Agent 的流程，我們很樂意聽你聊聊現況，一起看看它會碰哪些系統、哪一段該留給人。想先釐清公司適不適合導入，可以從AI 顧問服務開始。