決定做 Agent 前,先回答這4個問題!
整理版優先睇
做 Agent 前先回答4個問題:複雜度、價值、瓶頸、出錯代價,避免項目爛尾
大家好,我係姚路行,一個愛搞 AI 嘅大廠程序員,亦係一個90後奶爸。呢篇文章引用咗 Anthropic 工程師 Barry Zhang 喺 AI 大會上嘅分享,佢提出咗四個問題,幫大家判斷一個項目係咪真係需要用 Agent。整體結論係:做 Agent 之前,一定要先諗清楚呢四個問題,否則好大機會爛尾。
第一個問題係「複雜度夠唔夠」:如果任務每一步都可以寫成確定嘅 if-else,咁寫腳本就得,唔需要 Agent。第二個問題係「價值高唔高」:Agent 嘅開發同維護成本好高,要計清楚節省嘅人工時間同成本係咪抵。第三個問題係「瓶頸喺邊」:現有流程如果冇瓶頸,就唔好為咗用 Agent 而加。第四個問題係「出錯代價大唔大」:要根據風險程度揀自主執行、人機協作定輔助模式。
Barry Zhang 嘅呢四個問題,本質係叫開發者由「我能造啲乜」轉向「我應該造啲乜」。如果係為咗解決真正問題,Agent 可以係利器;如果只係追潮流,不如先寫個腳本試試。
- 複雜度要求:如果任務超過30%嘅步驟需要「根據實際情況判斷」,即係夠複雜,可以考慮 Agent;否則用腳本就夠。
- 價值計算:Agent 項目真實成本包括開發時間(比預期多2-3倍)、模型調用成本、錯誤處理(佔代碼40%+)同持續優化,要用公式「價值 = (節省人工時間×頻率) - (開發+維護+模型成本)」評估。
- 瓶頸判斷:先睇現有流程有冇瓶頸,如果冇,就簡化任務,唔好硬加 Agent。
- 出錯風險分類:根據後果嚴重程度分三類——自主執行(低代價)、人機協作(中代價)、輔助工具(高代價),選擇合適模式。
- 核心心態:做 Agent 之前,先問自己係解決真正問題定追逐技術潮流,前者用 Agent 係利器,後者可能先寫腳本。
做 Agent 前,先過呢4關
而家幾乎所有人都喺度搞 Agent,但係咪真係需要?Anthropic 工程師 Barry Zhang 喺 AI 大會上話:「做不做呢個 Agent,先過 4 道題。任何一道答唔上,項目好大機會爛尾。」呢四個問題分別係:複雜度夠唔夠、價值高唔高、瓶頸喺邊、出錯代價大唔大。
做不做呢個 Agent,先過 4 道題
複雜度夠唔夠
價值高唔高
問題一同二:複雜度與價值
第一個問題係睇任務本身複唔複雜。Barry Zhang 話:「如果你的任務每一步都能寫成確定的 if-else,那不需要 Agent,寫腳本就行。」試嚇將任務畫成流程圖,如果超過30%嘅節點寫住「根據實際情況判斷」,咁 Agent 就有用武之地。
如果每一步都能寫成確定嘅 if-else,唔需要 Agent
超過30%嘅節點寫住「根據實際情況判斷」
第二個問題係價值。Agent 嘅開發成本同維護成本往往被嚴重低估,真實成本包括:開發時間(比預期多2-3倍)、模型調用成本(尤其多步驟 Agent)、錯誤處理同兜底邏輯(佔代碼量40%+),同埋持續優化同監控。
開發成本同維護成本,往往被嚴重低估
2-3倍
問題三同四:瓶頸與出錯代價
第三個問題係瓶頸。Barry Zhang 話:「當前流程存在瓶頸,就簡化任務,冇瓶頸先寫 Agent。」即係要睇現有流程係咪真正有樽頸,冇就唔好夾硬用 Agent。
當前流程存在瓶頸,就簡化任務,冇瓶頸先寫 Agent
第四個問題係出錯代價,呢個係最重要但最容易被忽視嘅。Anthropic 內部將應用場景分為三類:自主執行(低代價,直接做)、人機協作(中代價,畀建議等人確認)、輔助工具(高代價,只提供資訊,人做決定)。
最重要但最容易被忽視嘅問題
自主執行
人機協作
輔助工具
總結:由「造乜」轉向「點解造」
Barry Zhang 呢四個問題,本質上係叫開發者由「我能造啲乜」轉向「我應該造啲乜」。做 Agent 之前,先問自己:我係解決真正問題,定係追逐技術潮流?如果係前者,Agent 可能係利器;如果係後者,不如先寫個腳本試試。
我係解決真正問題,定係追逐技術潮流?
先寫個腳本試試
大家好,我係姚路行,一個鍾意整AI嘅大廠程式員,亦都係一個90後爸爸
公眾號,回覆【claude】免費拎取Claude Code學習資料而家幾乎個個都喺度整Agent,但係呢啲場景係咪真係需要整Agent呢?
呢個令我想起Anthropic工程師Barry Zhang之前喺AI大會上講嘅嗰句嘢,
「做唔做呢個Agent,先過4條題。是但一條答唔到,項目就好大機會爛尾。」
問題一:複雜度夠唔夠?
核心問題:呢個任務本身係咪複雜、需要判斷嘅?

Barry Zhang原話嘅大意係:「如果你嘅任務每一步都可以寫成確定嘅if-else,咁就唔需要Agent,寫Script就得。」
Agent嘅價值在於處理複雜性——需要理解上文下理、做判斷、靈活調整嘅場景。
試嚇將你嘅任務寫成流程圖。如果超過30%嘅節點寫住「根據實際情況判斷」,咁Agent可能有用武之地。
問題二:價值高唔高?
核心問題:呢個Agent可以創造嘅價值,值唔值得投資落去?

Barry Zhang強調:「Agent嘅開發成本同維護成本,往往俾人嚴重低估。」
一個Agent項目嘅真實成本包括:
開發時間(通常比預期多2-3倍) 模型調用成本(尤其係多步驟Agent) 錯誤處理同兜底邏輯(佔Code量嘅40%+) 持續優化同監控
價值判斷公式(簡化版):
Agent 價值 = (節省的人工時間 × 頻率) - (開發成本 + 維護成本 + 模型調用成本)問題三:瓶頸喺邊?
核心問題:當前流程係咪存在瓶頸?

Barry Zhang話:「當前流程存在瓶頸,就簡化任務,冇瓶頸先寫Agent」
問題四:出錯代價有幾大?
核心問題:呢個Agent如果犯錯,後果有幾嚴重?

呢個係Barry Zhang認為最重要但最容易被忽略嘅問題。
Barry Zhang提到,Anthropic內部將Agent嘅應用場景分成三類:
自主執行(Autonomous):低代價場景,Agent直接執行
人機協作(Human-in-the-loop):中代價場景,Agent建議,人確認
輔助工具(Assistance):高代價場景,Agent只提供資訊,人做決策
總結
Barry Zhang呢4條問題,本質係令開發者由「我能造乜嘢」轉向「我應該造乜嘢」。
最後送一句話:
「做Agent之前,先問自己:我係喺解決真正嘅問題,定係喺追趕技術嘅潮流?」
如果係前者,Agent可能係利器,如果係後者,可能整咗個Script試嚇先。
之前嘅優質文章
【咪走寶】35+ OpenClaw實戰案例,每個都可以直接抄功課!
血淚總結!我用OpenClaw一個月,總結咗呢6個令你由「玩具」變成「生產力」嘅配置原則
一齊學習

大家好,我是姚路行,一個愛搞AI的大廠程序員,也是一個90後奶爸
公眾號,回覆【claude】免費領取Claude Code學習資料現在幾乎所有人都在搞 Agent ,但是否這些場景真的需要搞 Agent 呢?
這讓我想到 Anthropic 工程師 Barry Zhang 之前在 AI 大會上說的那句話,
"做不做這個 Agent,先過 4 道題。任何一道答不上,項目大概率爛尾。"
問題一:複雜度夠不夠?
核心問題:這個任務本身是不是複雜的、需要判斷的?

Barry Zhang 的原話大意是:"如果你的任務每一步都能寫成確定的 if-else,那不需要 Agent,寫腳本就行。"
Agent 的價值在於處理複雜性——需要理解上下文、做判斷、靈活調整的場景。
試着把你的任務寫成流程圖。如果超過 30% 的節點寫着"根據實際情況判斷",那 Agent 可能有用武之地。
問題二:價值高不高?
核心問題:這個 Agent 能創造的價值,值不值得投入?

Barry Zhang 強調:"Agent 的開發成本和維護成本,往往被嚴重低估。"
一個 Agent 項目的真實成本包括:
開發時間(通常比預期多 2-3 倍) 模型調用成本(尤其是多步驟 Agent) 錯誤處理和兜底邏輯(佔代碼量的 40%+) 持續優化和監控
價值判斷公式(簡化版):
Agent 價值 = (節省的人工時間 × 頻率) - (開發成本 + 維護成本 + 模型調用成本)問題三:瓶頸在哪?
核心問題:當前流程是否存在瓶頸?

Barry Zhang 說:"當前流程存在瓶頸,就簡化任務,沒有瓶頸再寫 Agent"
問題四:出錯代價多大?
核心問題:這個 Agent 如果犯錯,後果有多嚴重?

這是 Barry Zhang 認為最重要但最容易被忽視的問題。
Barry Zhang 提到,Anthropic 內部把 Agent 的應用場景分為三類:
自主執行(Autonomous):低代價場景,Agent 直接執行
人機協作(Human-in-the-loop):中代價場景,Agent 建議,人確認
輔助工具(Assistance):高代價場景,Agent 只提供信息,人做決策
總結
Barry Zhang 這 4 個問題,本質上是讓開發者從"我能造什麼"轉向"我該造什麼"。
最後送一句話:
"做 Agent 之前,先問自己:我是在解決真正的問題,還是在追逐技術的潮流?"
如果是前者,Agent 可能是利器,如果是後者,可能先寫個腳本試試。
往期優質文章
【別錯過】35+ OpenClaw實戰案例,每個都能直接抄作業!
血淚總結!我用 OpenClaw 1個月,總結了這6個讓你從"玩具"變"生產力"的配置原則
一起學習
