我們要的是 AI Agent 還是一個Workflow？
去年看到這張圖，恍然大悟：
- 你很清楚第一步、第二步、第三步 — 那叫 workflow
- 當你知道起點跟終點，但中間怎麼走你不管 — 那叫 agency
我們每天在用 coding agent，常常走到不知道哪裡去，為什麼？因為 LLM 就是「文字接龍」，他真的.真的.沒有腦，就是機率，所以「可預測性」天生就不可控。
那反過來想，如果你每一步都確定了，你要的根本不是 AI，一個 Shell Script 就搞定了 (認真，寫個腳本就好）。
AI 真正賦能的地方，是你知道目標在哪、知道從哪出發，但中間那條路你「真的不知道」、「沒決定好」，這段讓 AI 做，幫助超.級.大.。
Imperative 跟 Declarative
學校教過 imperative 跟 declarative 的差別，以前我以為是 C/C++ Imperative code 跟 JavaScript Functional Programming 差別。
NO，我想太小了。
- Imperative — 你想上廁所，1）你站起來 2）走到走廊 3）打開廁所門 4）坐在馬桶上，上廁所
- Declarative — 你想上廁所，有一個人帶你去，你在馬桶上，上廁所
Workflow 就是 imperative — 每一步寫死；Agency 就是 declarative — 你定義目標，讓 AI 自己 find the way out。
真實情況是，工程上沒有人站在天平的兩端，一定是光譜上的某個 「最適合位置」，或是隨著時間不斷地調整。
Somewhere in Between
Anthropic 自己在 “Building Effective Agents” 也講了一樣的事 — 自主性是一個光譜，從 workflow 到 agent，漸進式增加複雜度或是降低複雜度。
怎麼讓它多少可控一點
有趣的是怎麼在「可預測性不可控」的情況下，讓他多少可控一點。做法愈來愈多，甚至是以前學過的東西：
- Divide and Conquer — 把任務拆小，每個小任務完成才往下走
- Human in the Loop — 每個階段跟 AI 確認結果，不符合預期就拉回來；控制「失控的時候能抓回來」
- Autonomous + TDD — 訂好測試標準，讓 AI 自己跑，跑完 test pass 再找我。我不盯過程，我盯結果
- Hook — 指定條件達成才做指定動作
- Memory Management — 開發過程寫到硬碟上，給別的 Session 讀取
blahblahblah
實務上我是這樣看一個 「任務」：
很確定要怎麼做 — 二話不說，直接把流程寫出來，叫他照做就好，「拆步驟，1.2.3.4..，每完成一步就先問我要不要往下」（Imperative，沒什麼好猶豫的）。
你不確定怎麼做 — 我第一件事是先跟 agent 聊聊天、談場戀愛：
- 先問問看：「我們的問題，你怎麼看？」
- 問一問以後，他進到我的 context 裡了
- 切到 planning 相關的 skill — superpower brainstorm 之類的
讓他幫我把路「大致」鋪好；有錢老爸的概念，就照做就對了，做了就發大財。
再進階一點：開始之前，先在另一個 agent session 聊一輪，搞清楚問題全貌，然後跟他說：「給我一個 prompt，讓另一個 LLM 來解這個問題」，再開新的 agent session，用剛剛拿到的 prompt 當作 planning 的起點。
俄羅斯娃娃。
（這時候華麗的詞彙就來了，Spec-Driven Development ，嗯嗯，都好，要比抽象，大家一起來 😂 把課程的錢省下來，看底層邏輯，如何😀👍
底層邏輯就是 context engineering
其實這整件事的底層邏輯就是 context engineering。
「LLM 就像 CPU，Context Window 就是 RAM，Context Engineering 就是 Code」 - 這是 2026 年的軟體工程
你不是在寫更好的 prompt，你是在管理「這一刻 AI 能看到什麼資訊」，所以與其每一步都 micromanage AI 怎麼走，不如把 context 餵好 — CLAUDE.md 寫清楚、task description 拆乾淨、相關檔案先餵進去。
讓他在對的框架裡自由發揮，這就是 declarative 的精神。
不過代價也是真的，有一個比喻：
- workflow 像走過一間燈火通明的房子，你看得到每一個房間、通道、轉角
- agent 像在你搭著前面的遊客的肩膀走鬼屋迷宮
在工程維護、Debug上，Agent 比普通 chat 多吃 4 倍 token，multi-agent 更是 15 倍 （Anthropic 的報告，我不知道這個數據怎麼驗證來的🤣
所以不是什麼都要 agent 的，拜託🙏🙏🙏 老闆們，留點活路給我們工程師。能 workflow 就 workflow，需要彈性的時候開 agent。
工程一直都不該是絕對值的，看任務決定解法。
That’s the whole point, come on!
以後世界應該是很多台機器人跟很多台投幣販賣機吧！
我想