看完「AI Agent 六大趨勢」影片那天，許郁婷才發現她真正該做的是設一個 Token Budget
上週六晚上，許郁婷（示意人物，台中一家保養品電商品牌的行銷營運主管，非真實客戶）滑手機時隨手點開一支講「AI Agent 趨勢」的 YouTube 影片，本來只想殺時間，卻讓她週一一進公司就想找答案。她打開自己收藏了快一年的「提示詞範本」資料夾，準備幫團隊補幾張新的教學投影片，把最常用的那句「我希望你扮演一位資深的市場行銷專家，請用五個步驟幫我規劃……」貼進對話框，想示範給新人看。
回覆卻讓她愣住：模型直接問她，「妳可以直接告訴我妳想要的成品長什麼樣子就好，不用先幫我設定角色。」新人在旁邊小聲問：「範本是不是過時了？」許郁婷答不出來。她決定花這一週,把自己看到的一支影片裡提到的六個 AI Agent 趨勢,一個一個拿團隊真實在用的工作去對照,看看到底哪些是真的要跟,哪些只是噱頭。
週一：範本資料夾被打臉的真正原因
影片裡提到的第一個趨勢很直白：模型變聰明之後，使用者不再需要記那些「請你扮演……」的咒語式提示詞，只要把需求講清楚、講具體，AI 給的結果就會越接近你腦中的樣子。這件事不只發生在文字，連圖片生成也一樣——過去要在 Midjourney 塞一堆比例、風格代碼，現在很多新一代圖片模型可以直接用白話說「把主標題改成紅色、背景換淺藍色」就完成調整。
許郁婷試著把團隊常用的三個範本拿掉角色設定的開頭，直接用白話描述需求重新問一次，發現輸出品質確實沒有變差，甚至更貼近她要的成品。她開始懷疑，過去一年花時間收藏、整理範本的力氣，可能有一部分真的用錯地方了。
週二：學會一次的事,AI 記得住,還會自己拼起來
第二個趨勢是「Skills」——把一套已經打磨好的操作流程存成 AI 記得住的說明書，下次一句話就能原樣重做，而且還能持續修正更新。影片提到，目前 Claude、Claude Code、Cowork、Codex、Cursor 這些主流工具都支援類似機制。真正有效的做法不是一開始就想寫出完美的流程文件，而是先讓 AI 做一次具體任務、滿意之後才請它把這個流程存下來。
更關鍵的是，累積的 Skills 一多，AI 會開始自己把它們組合使用——比如「查資料」和「寫週報」兩個 Skills，只要說一句「幫我做這週的週報」，AI 就會依序自動串接完成，不需要中途提醒。許郁婷把團隊每週固定要做的「新品文案初稿」流程存成一個 Skill,隔天讓另一位同事直接呼叫,省下重新解釋一遍的時間。
週三：從五、六個工具換到不想換，直到她試了「一個平台通吃」
第三個趨勢是通用型智能體平台的出現，影片點名的例子是 Anthropic 的 Claude Cowork 與 OpenAI 的 Codex。這類平台的特點是把寫文件、做簡報、寫程式、甚至把做好的網頁直接發布上線,全部整合進同一個介面,不用再五、六個軟體來回切換。影片也提到平台內建瀏覽器,能自己上網搜尋、點連結。
許郁婷團隊過去客服回覆用一套工具、社群貼文排程用另一套、商品文案又是第三套,光是帳號登入切換就耗掉不少時間。她把客服草稿與社群文案兩件事集中到同一個通用平台試跑一週,確實少了很多「換分頁」的碎片時間——但她也提醒自己，平台功能好不代表用量會自動變省，這點她打算留到週五再算一次帳。
週四：自動化不用人盯了，但沒人盯錢包也是真的
第四個趨勢是背景自動化——設定好一句話，例如「每天早上 8 點半，把昨天的產業新聞整理成五條摘要發給我」，AI 就會照排程自動執行，不需要像過去用 Zapier、Make.com 那樣學設定觸發器的技術門檻。影片也提到更前緣的「Computer Use」，也就是 AI Agent 直接操作滑鼠鍵盤、接管瀏覽器；創作者個人推測，AI 操作電腦的熟練度可能在一年到一年半內超越人類——這是該創作者的個人觀察與推測，並非官方數據或學術研究結論，功能本身目前也仍分批開放中，不是每個帳號都能立即用到。
許郁婷手癢設定了三個自動化任務——整理競品社群動態、彙整客服信件重點、產出每日社群貼文初稿——通通串接團隊裡評價最好的旗艦模型，設定成整週背景執行，自己完全沒有再看過一眼。
轉折：週五的帳單提醒，揭穿了沒人管錢包的代價
週五盤點這週用量時,許郁婷才發現問題不在工具好不好用,而在她把「整理競品動態」「彙整客服信件」這類天天要做、對品質要求沒那麼細緻的重複性工作,全部串接到最貴的旗艦模型,還設定成整週自動跑,沒人設過上限。影片裡剛好也提到同一個現象的另一面：目前最頂尖的前沿模型仍然很貴,有人分享實測案例,單靠對話用最頂配模型做出一個手機 App,前後約九到十次對話,換算下來就燒掉了數百美元——這是影片提到的個案分享,並非官方定價依據,實際花費會因任務規模、模型版本而有很大差異。同時,影片也提到開源模型正快速追上,體驗已經非常接近旗艦模型,尤其在網頁設計這類日常工作上差距不大,價格卻可能只是零頭；影片裡進一步提到目前最好的一批開源模型來自中國——這同樣是該創作者的個人觀察,排名會隨模型版本快速變動,實際選型仍建議以最新的公開基準測試為準,不宜視為定論。
許郁婷這才意識到，她這一週追著六個趨勢跑，唯獨漏了最關鍵的一件事：沒有替公司設一個「Token Budget」——先想清楚哪些任務值得上最貴的旗艦模型（一次性、重要、出錯代價高），哪些任務該交給便宜的平價或開源模型（重複性高、對精細度要求沒那麼嚴苛），而不是讓自動化系統對每一件事都用同一顆最貴的模型跑到天荒地老。
結尾：她帶去下週工作坊的，不再是範本資料夾
下週一的教育訓練，許郁婷沒有再翻開那個提示詞範本資料夾。她帶去的是一張新做的表格：把團隊常用的任務分成兩欄——「值得上旗艦模型」和「交給平價模型就好」，旁邊註記每一類這週實際花掉的 Token 量。她跟團隊說的第一句話不再是「這樣寫提示詞比較厲害」，而是：「以後每個自動化任務上線前，先想清楚它該用哪一級的模型，再決定要不要串接。」
她把這句話寫進團隊「自動化上線清單」的第一條，貼在資料夾原本放提示詞範本的位置——那個週一早上讓她愣住的資料夾，現在裝的不再是咒語，而是規則。
FAQ
Q1：現在真的不需要背提示詞範本了嗎？
不是完全不需要，但依賴程度確實在下降。趨勢方向是模型越來越能理解白話描述的具體需求，比起背誦固定句型，把需求講清楚、講具體更重要。這是影片創作者依實測經驗歸納的觀察，並非所有任務、所有模型都適用，複雜或高精度任務仍可能需要更結構化的提示。
Q2：Skills 跟提示詞範本有什麼不一樣？
提示詞範本是每次都要重新貼上的固定句子；Skills 則是把一套已經打磨完成的操作流程存成 AI 記得住的說明書，之後一句話就能重複呼叫，還能持續修正更新，甚至多個 Skills 之間會自動組合串接。
Q3：企業需要一次導入好幾個 AI Agent 平台嗎？
不一定。趨勢顯示通用型智能體平台（如 Claude Cowork、Codex）正把多種工作整合進單一介面，與其糾結該學哪個工具，先挑一個團隊用得順手的當主力平台，通常比同時維護五、六套系統更有效率。
Q4：什麼是 Token Budget？為什麼企業需要它？
Token Budget 是指企業對 AI 用量與花費先設定好可承受的預算與分級規則，例如哪些任務用旗艦模型、哪些交給平價或開源模型，避免自動化系統在無人監督的情況下，把每一件事都用最貴的模型跑，導致帳單失控。這在自動化與多智能體協作越來越普及的階段格外重要。
Q5：開源模型真的可以取代旗艦模型嗎？
在部分日常、重複性高、對精細度要求沒那麼嚴苛的工作上，差距確實在縮小；但這個判斷會隨模型版本快速變化，建議依實際任務用公開基準測試或自己的真實案例做對照，而不是憑單一影片的說法直接下結論。
資料來源聲明
本文參考自 YouTube 頻道「李厂长来了」於 2026 年 8 月 1 日發布的影片《未來一年，這6個 AI Agent 趨勢會徹底改變你的工作方式！》，並經重新組織與故事化改寫，非逐字翻譯。文中「許郁婷」為說明用示意人物，非真實客戶。文中「AI 操作電腦的熟練度可能於一年至一年半內超越人類」「目前最好的開源模型來自中國」「單一案例約九到十次對話花費數百美元做出一個 App」等描述，均為原影片創作者的個人觀察、推測或個案分享，並非官方數據、學術研究或可驗證的定價依據，實際情況會因模型版本、任務類型與時間點而有顯著差異。文中趨勢判斷僅供參考，讀者實際導入前應以各平台官方文件與最新公開基準測試為準。
延伸閱讀
立即行動
AI Agent 的趨勢一個接一個來，但真正決定帳單會不會失控的，是你有沒有替每個自動化任務先劃好該用哪一級模型的邊界。免費試用 AI Token King，讓我們幫你把不同 Agent、不同 Skills 實際燒掉的 Token 用量攤開來看，替團隊設好屬於你們的 Token Budget。
留言