很多人在選 AI Agent 工具時，第一個動作是打開功能表：支援哪些模型、能不能接 Slack、能不能操作瀏覽器、有沒有 MCP、能不能自動寫程式。

這些當然重要，但如果你是小團隊、個人創作者、顧問或正在建立內容資產的人，這不是第一層問題。

第一層問題應該是：這個工具會幫你省下可重複的決策，還是只是多了一個需要你管理的新員工？

AI Agent 最迷人的地方，是它看起來能把很多事情自動做完。可是實際導入後，最常見的失敗不是模型太笨，而是流程沒有被定義好。你以為買的是自動化，最後得到的是更多 prompt、更多檢查、更多例外處理，還有更多「等一下它剛剛到底做了什麼」。

對 Glenn 這種北極星明確的內容產線來說，工具選型不能只問酷不酷。它要能服務兩件事：穩定累積 AI 內容資產，並且不要犧牲主觀生活品質。也就是說，工具不只要會產出，它還要降低心智負擔。

三種成本，比功能表更重要

選 AI Agent 工具時，我會先看三種成本：導入成本、治理成本、回收成本。

導入成本不是訂閱費，而是你要花多少力氣才能讓它真的進入日常工作。包含資料怎麼給、任務怎麼切、輸出格式怎麼驗收、失敗時誰接手。如果每次使用前都要重新解釋背景，這個工具就還沒有進入系統，只是多了一個聊天視窗。

治理成本是它做錯事時，你要花多少力氣才知道錯在哪裡。Agent 會讀檔、查資料、改文、發 PR、操作瀏覽器，這些能力本身不是問題；問題是每一步是否有紀錄、權限是否可控、重要動作是否會停下來讓人確認。越靠近外部發布、金流、客戶資料或帳號權限，治理成本越不能省。

回收成本則是最容易被忽略的一塊。小團隊導入 AI，不應該只是讓今天的任務快一點，而是要讓每次產出都能留下資產。文章、FAQ、決策紀錄、prompt、檢查清單、比較表、導入案例，這些東西未來可以被搜尋、被引用、被改寫、被轉換成產品入口。不能沉澱的自動化，只是更快地消耗注意力。

所以選型時，不要只問「它能做什麼」。要問：

• 它能不能接住固定工作流？
• 它能不能讓輸出容易驗收？
• 它能不能保留決策與修改紀錄？
• 它能不能把一次性工作變成可複用資產？
• 它失敗時，是讓人更清楚，還是更混亂？

這些問題比功能表醜，但更接近真實價值。

四類工具，適合的任務完全不同

現在市場上的 AI Agent 工具可以粗略分成四類：聊天助理型、工作流自動化型、瀏覽器操作型、工程代理型。

聊天助理型最適合用來思考、草擬、整理、改寫。它的優點是彈性高，缺點是流程容易散。適合用在內容前期：題目發想、文章大綱、觀點整理、FAQ 草稿。它不適合直接負責穩定發布，除非外面再包一層檢查與版本控制。

工作流自動化型適合處理規則明確、輸入輸出穩定的任務，例如定時生成草稿、抓資料、整理表格、派發通知。它的價值在於讓流程變穩，不在於每次都寫出驚天動地的文案。內容產線裡，排程、分類補齊、缺稿檢查、草稿交接都屬於這一類。

瀏覽器操作型看起來最像真正的助理，因為它能點網頁、填表單、跨網站處理事情。但它也最需要邊界。只要牽涉登入狀態、個人資料、付款、發布，就要把確認點設好。它適合處理低風險、可回復、可截圖驗收的流程，不適合一開始就拿來全自動接管帳號。

工程代理型則適合寫程式、修 bug、跑測試、開 PR。它的價值不是替你打字，而是替你在既有 repo 裡完成一段可驗證的變更。它需要清楚的任務、乾淨的工作樹、測試命令與提交規則。對內容產線來說，它可以負責 Hugo 文章新增、建置檢查、commit、push，但不應該隨便改動樣式或設定檔。

這四類工具沒有誰一定比較高級。關鍵是不要拿錯工具解錯問題。

如果你只是需要一篇觀點文，用工程代理全自動開 PR 可能太重。如果你要穩定每天五檔內容，只靠聊天助理手動複製貼上又太脆。工具選型的重點，是把任務風險和工具權限對齊。

小團隊的選型矩陣

小團隊最實用的選型方式，不是打分數打到小數點，而是把候選工具放進一個簡單矩陣。

第一欄：任務頻率。每天都會發生的任務，比一個月一次的任務更值得自動化。內容產線裡，選題、草稿、排程檢查、建置、發布紀錄，都屬於高頻任務。

第二欄：錯誤代價。如果錯了只是重寫一段文字，風險低；如果錯了會發錯公開文章、刪掉資料、改錯 repo、寄出不該寄的信，風險就高。高風險任務可以讓 agent 協助，但需要人工確認或明確 rollback。

第三欄：驗收清楚度。越容易定義好壞的任務，越適合交給 agent。像「新增一篇 Hugo 文章、front matter 正確、hugo –minify 通過、只 add 新文章檔」就是清楚任務；「寫一篇會紅的文章」就太模糊。

第四欄：資產回收。這個任務完成後，是否能留下未來有用的東西？一篇有判斷的長文、一個 FAQ、一張選型表、一個修正過的 prompt，都有回收價值。純粹追逐新聞熱點但沒有觀點，很快就蒸發。

把這四欄看完，通常答案會很明顯。

高頻、低錯誤代價、驗收清楚、可回收的任務，適合優先自動化。

高頻、高錯誤代價、驗收清楚、可回收的任務，適合半自動化，加上確認點。

低頻、模糊、不可回收的任務，不值得為了「用了 AI」硬導入。

這也是為什麼內容產線不該只追求一天發幾篇。真正該追的是每篇在漏斗裡的位置：它是帶流量、建立信任、回答疑問、推動選型，還是承接轉換？

內容產線應該怎麼用 Agent

以每日五檔節奏來看，AI Agent 的角色應該分工，而不是全部混在一起。

07:30 長文要負責信任與搜尋資產。這類文章不能只是介紹工具，要有明確判斷與可執行框架，例如選型矩陣、導入清單、風險邊界、成本模型。

09:30 導流短文要負責把讀者帶到下一步。它可以短，但不能空。最好的導流文通常會承接昨天或早上的長文，提出一個清楚問題，帶讀者去讀更完整的決策內容。

12:30 觀點文要負責建立主張。它不需要解釋所有背景，但要敢下判斷：什麼被高估、什麼被低估、什麼短期不值得追、什麼會變成基礎設施。

16:30 工具快評要負責新鮮度和實用入口。工具文可以帶流量，但每篇都要回答「適合誰、不適合誰、導入前要注意什麼」。

20:30 趨勢或反直覺文要負責讓讀者記住你。這類文章最怕變成新聞摘要。它應該提出一個反直覺但合理的觀察，讓讀者隔天還能拿去和別人討論。

Agent 不是要取代這些策略，而是幫策略穩定執行。它可以檢查哪一檔缺席、補齊題型、避免連續三天都在寫工具解析、確保每篇文章都有明確的漏斗位置。這比叫它隨機生五篇文有價值多了。

最後的判斷

小團隊選 AI Agent 工具時，最危險的問題是「它能不能做很多事」。

比較好的問題是：「它能不能穩定做少數幾件高回收的事，而且不把我的生活品質打爆？」

如果一個工具能把高頻任務變成可驗收流程，能讓錯誤停在草稿階段，能把每次產出沉澱成內容資產，那它就值得認真導入。

如果它只是讓你每天多開一個介面、多檢查一份輸出、多處理一堆看起來很聰明但沒有累積的結果，那它不是自動化，是新的管理債。

AI 內容產線真正要買的，不是更多文章，也不是更多工具。

是更穩的決策、更低的心智負擔，以及會隨時間累積的信任資產。