這兩天 Moltbot（原 Clawdbot）帶起的狂熱，不僅讓 Mac mini 賣到斷貨，也讓社群再次掀起一波「有了 Agent，誰還寫自動化」或「Workflow 已死」的論調。
在工具 FOMO 的浪潮下(我也不例外)，有趣的是我不小心翻閱到高見龍老師去年十月的一篇文章( Workflow、AI Agent，傻傻分不清楚？)，雖然 AI 圈的迭代速度極快，但文中對於 Workflow vs. Agent 的論述，反而為現今的現象提供了一個優雅的理論定錨：這不應該是工具之爭，而是一場關於「控制權」與「自主性」的深層思辨。
透過這幾天的實測，我對兩者的價值有了更深層的盤點：
鐵道與越野：確定性 vs. 可能性
- Workflow（鐵道）：它像軌道，軌道鋪到哪，車就開到哪，雖然路徑死板，但它給予我們使用者最渴求的東西 ——「100% 的可預測性」。如果你的任務是「結構化」的，如在處理發票、數據搬運、API 串接時，我們不需要 AI 有個性，我們只需要它「乖乖聽話」。
- Agent（越野車）：你給它一個方向，它自己找路開，它的強項在於處理非結構化、具備模糊空間的任務。例如操作沒有 API 的老舊後台，或是根據螢幕視覺做出動態判斷，它彌補了 Workflow 的僵化，但缺點是可能會開進坑裡，或是狂繞路(高昂的 Token 消耗、燒電費，以及不可控的潛在風險)。
重新定義：不是「誰更強」，而是「任務特性」
我們不應思考誰更強，而是回歸任務特性：
- 容錯率 0% 的鋼性任務 ➡️ 堅守 Workflow。用於處理需要穩定「體力」的重複性事務。
- 變數極大的彈性任務 ➡️ 派遣 Agent。用於處理需要即時「判斷力」的模糊需求。
別讓工具的熱度，遮蔽了你對需求的洞察。
💡 我的「混血作戰」策略：用結構約束混亂
目前的開發邏輯中，我傾向將兩者優勢結合：
- 由 Workflow 負責核心邏輯，確保流程不偏離軌道。
- 在骨架中適度嵌入 Agent 節點，處理變數與自然語言轉換。
- 真的沒路走時，遇到完全沒有 API、必須進行系統操作的場景，才派全能助手收尾。
現實的權衡：資源（銀彈）的合理分配
而且在實作中，資源配置是避不開的課題，對於多數人而言，我們擁有的算力與資金並非無窮無盡，現在比拼的不再是誰會的工具多，而是誰能利用有限的訂閱額度與 API 配額，透過靈活調配達到最大化效益。
謝謝這篇文章，讓我重新思考：這場進化論最終比的不會是工具的新舊，而是誰能把「確定性」與「可能性」玩得最絲滑，從工具焦慮中解脫的關鍵，在於學會用聰明的方式分配算力，而不是成為工具的奴隸。
