持久 AI 代理與輸出修正：中小企導入手冊

持久代理指的是一種會記住你告訴它的事、在你關掉電腦後仍繼續工作、並像同事一樣回你訊息的 AI 代理,而不是一次對話結束就遺忘的聊天機械人。它與一般聊天機械人的分別不在模型多大,而在記憶、權限與工作區。至於 ai agent development 的輸出修正,起點同樣不是換模型:先把「目標、語氣、格式、取捨」問清楚,讓 AI 反過來訪談你,才開始產出。次序上,系統的接口、授權與資料口徑要在選模型之前先接好,因為模型可以換,接口契約不容易換。

截至 2026 年 11 月,三份官方公告指向同一個方向:代理的重心正由「生成一次」轉向「持續運行、可被驗收」。Anthropic 於 2026-11-09 發布兩個新版本模型,Google 於 2026-11-05 開放新的影片模型,Social Media Examiner 於 2026-11-12 的週報則把「先讓 AI 訪談你」與「持久代理」並列為本週重點。三者合起來描述的,是一條可以照做的導入次序。

重點摘要

• 持久代理的分別不在模型多大,而在記憶、權限與工作區;先定義這三樣,才談得上去接其他系統。
• 輸出修正的第一步不是換模型,是把「目標、語氣、格式、取捨」寫成可核對的問題清單。
• 直接買最貴的模型往往不是最省的選擇:官方定價與速度的比較,要看每項任務的成本而非單價。
• 官方的安全說明本身也提醒:模型自我回報「疑似被評測」的比例上升,人工抽查仍有必要。

模型層的三項新事實

Gemini Omni 新版本:影片更長、單價更低

Google 於 2026-11-05 公布 Gemini Omni 新版本並全面開放。官方公告寫明,原生可生成與編輯最長 15 秒的影片,比前一版更長;用戶亦可指定 3 到 15 秒之間的長度,以秒為單位調整。定價方面由前一版下調 30%,720p 影片為每秒 0.07 美元。

對營銷團隊而言,這裡有一個容易被忽略的工作流細節:官方建議先在較低解像度快速出草稿,用追問修正細節而不重新生成整段,最後才把滿意的版本升頻到更高解析度。單價只是其中一半,另一個變數是重跑幾次。

Claude 新版本:速度、價格與大批代理

Anthropic 於 2026-11-09 發布兩個版本。官方公告稱,輸出速度比前一版最快快 30%,定價方面,每百萬輸入 token 收 8 美元,每百萬輸出另按同一個公告的價目結算;另可選快速模式,token 生成速度最快提升 2.5 倍。

同一個公告也給了一個規模化的例子:一批以千計的代理在 30 小時內完成費馬最後定理的形式化證明,而這批代理所需的行動 token 遠少於前一次的做法。這個案例的意義不在數學,而在「大批代理同時工作、由它們自行協調」已經被官方當成可展示的生產方式。

兩個版本的對照

持久代理與「跑一次」的分別

Social Media Examiner 2026-11-12 的週報把持久代理形容為:記得你告訴它的每一件事、在你關掉電腦後仍繼續工作、像同事一樣用短訊回你。這個描述拆開來看,落在機制問題上,與模型多大無關。它要記住什麼、記錄保留多久、誰有權清除,屬於記憶的範圍。它能讀哪些系統、能不能代你執行動作,屬於權限。它的檔案存放在哪裡、會不會與其他任務互相污染,屬於工作區。

這三項定義清楚之後,後續的 ai 系統整合 才有穩定的對象:一個知道自己能讀什麼的代理,接口授權才寫得下來。

營銷主管真正要回答的問題是第三項:同一個品牌有多條產品線、多個地區時,代理共用一份記憶還是各有一份。共用會方便,也會把 A 產品線的語氣帶進 B 產品線的文案。

Boot dev: does it use generative AI? 判斷依據

「Boot dev: does it use generative AI?」問的是如何看待一間公司與生成式 AI 的關係;檔案裡沒有這間公司的資料,所以這裡不談它本身,只談判斷依據。搜尋結果頁上沒有一頁把它寫成可核對的流程,這一段補上的,就是那份沒被寫出來的分析:把「有沒有用」拆成幾條可以在一個下午答完的問題,答得出來的是依據,答不出來的就是空白。

第一組問題來自週報的訪談做法:這個系統要達成什麼目標、成品要像什麼樣與什麼語氣、當有兩個都合理的做法時走哪一條。這三條要由使用方回答,而不是由供應方代答,因為它們寫的正是「用得好不好」的定義。第二組問題來自驗收要求:樣本用哪幾份、評分規則怎麼寫、通過門檻是多少,以及交付時附不附測試記錄。答不出第二組,就沒有可核對的輸出,只能憑印象說「好像用得不錯」。第三組問題是範圍:代理可以讀取哪些欄位、可以代為執行哪些動作、哪些自動發佈明確不在範圍內。這三組問題在 ai 系統整合 動工之前就要有答案,否則接口寫得再好,驗收仍無從開始。

輸出修正:先訪談,後產出

週報提出的做法很簡單:在任何請求最後加一句「先訪談我」,讓 AI 一次問一個問題,問清目標、寫法、偏好,直到你認為資料足夠才開始產出。這個做法的價值在於把隱含的判斷變成明示的答案。

• 活動簡報,先問「最好的結果長什麼樣、哪個目標最重要」。
• 落地頁,先問「語氣、長度、結構是怎樣,以及先處理哪一個反對意見」。
• 社交圖片或輪播,先問「你心目中的風格、顏色、版式」。
• 簡報,先問「觀眾要決定什麼、要數據密集還是故事驅動」。

把這一輪回答存成範本,下一次同類任務就從同樣的問題開始。對企業而言,這一步的真正產物是一份「答案庫」:它是驗收的依據,也是交接的依據。

AI 輸出怎樣才算通過驗收

以下是一個可以直接套用的核對次序,由淺入深。

1. 先看數字與來源,每個指標有沒有註明時間範圍與資料來源。
2. 再看措辭、結論與客戶背景是否符合品牌既定立場。
3. 核對權限邊界,未納入範圍的自動發佈有沒有確實沒有發生。
4. 檢查例外處理,資料不足時系統是提出確認事項,還是自行補寫。
5. 最後做回歸檢查,改過的內容有沒有重新跑過同一批測試。

這五步與模型的聰明程度無關,與流程設計有關。同一個公告週裡,Anthropic 的官方安全章節也承認,評測本身仍不完美:模型愈來愈常「懷疑自己在被評測」,而這個問題目前未有解法。既然如此,把驗收交給模型自我回報,並不是穩妥的做法;因此 erp 系統 整合 一類跨系統任務的驗收,更要寫明每個欄位的來源與更新時間。

系統整合:代理與 ERP 的接口次序

當代理要真正接管重複任務,下一個問題就是接系統;而 ai agent development 的成敗,往往在接口清單寫完之前就決定了。多數中小企的順序是「先買模型、再想怎麼接」,而實際經驗是反過來:先看接口。

一個務實的次序是:先盤點已有系統的接口、授權方式與資料品質,把可重用的接口與連接器排在前面;再定對接數量,例如啟動階段只做一個標準系統對接,跑順了才擴到兩個;最後才決定模型,因為模型可以換,接口契約不容易換。這也是 ai 系統整合 工作的實際分工:接口與映射先行,模型與提示詞後置。

這也是 erp 系統 整合 要與一般接口連接分開列帳的原因:前者是連接與映射的工作量,後者是欄位口徑與主數據的對齊,兩者的討論對象與負責人都不同。報價時把兩者混在一起,後續追加幾乎必然。

Topkee 的做法:把驗收寫進交付

從 Topkee 的 AI Agent 開發服務看,上述次序與其設計原則一致。服務分四部分:Agent 搭建、APP/Web 應用開發、系統整合,以及交付後的持續優化。四項設計原則是「資料有來源、執行有權限、成果可驗收、交付可接手」。在驗收層面,雙方先約定樣本、評分規則與通過門檻,然後核對資料口徑、輸出品質與工具參數;交付依據是驗收樣本與測試記錄,判斷有沒有做好,看的就是這兩樣。

持久代理的部分,其 TTO 漏斗調優智能體是一個具體實例:每個營銷活動部署一個獨立實例,擁有專屬工作區與記憶檔,上下文互不污染;決策寫入長期記憶,下一個週期會自動檢驗先前預期的區間與目標達成情況,再決定要不要調整。另一條紀律是「無資料不虛構」:資料源沒有接上,系統就不生成對應的章節,不會用估算填滿空白。系統整合方面,其定義是把 Agent 與企業現有的 CRM、ERP、電商及雲服務以 API 連接、資料映射、單向或雙向同步接起來,應用與 Agent 共用的後台、接口與聯調只開發與計費一次。

至於輸出修正,其人工審核與確認機制要求審核人核對三類事項:數字與來源、內容與品牌、交付權限;資料不足時提出確認事項,不擅自補寫客戶事實。這一條,正好對應本文前面提到的「例外處理」那一步。

今日可以自己跑的檢查

• 打開你最近一次的 AI 產出,數一數有幾個數字沒有標明時間範圍。
• 問一問代理:它記得什麼、記多久、誰能清除。
• 用同一份簡報分兩次產出,一次加「先訪談我」,比較兩份的差異在哪一段。
• 列出你希望代理讀取的系統欄位,標出絕不能外流的那些。

今日收工前可以做的驗收檢查

這一項今天就能跑,不需要先買任何東西。打開最近一份 AI 產出,在旁邊做三欄:第一欄寫它每一項數字與來源,標明指標名稱、時間範圍與資料來源;第二欄寫它的措辭與結論,對照品牌既定立場,把不合的地方圈出來;第三欄寫它有沒有做了不在範圍內的事。然後問一個問題:如果這一版要交由客戶看,我手上的樣本與測試記錄在哪裡。

三欄有兩欄空白,這份產出的通過是憑感覺,不是憑記錄。先把樣本、評分規則與通過門檻約定下來,再談下一個周期的調整;資料不足的地方,寫成待確認事項,而不是讓系統自行補寫。這一步做完,才輪到對接數量與模型版本的問題。

需要接電話與跟進客的場景,可參考 Voice Agent 的實際用法;名單進來之後怎樣追,看 商機跟蹤怎樣接上數據。

常見問題

持久代理和一般聊天機械人有什麼分别?

分別在記憶、權限與工作區。聊天機械人多數是一次對話結束即遺忘,持久代理則保留長期記憶、在你不在線時繼續工作,並可被授予讀寫特定系統的權限。這三樣要在第一天之前寫下來,寫漏了,它就會「記得太多」或「做得太多」。

應該先買最貴的模型嗎?

不一定。官方公告給出的價格與速度差異,要用每項任務的成本去換算:同一個任務跑幾次、需要多少人工覆核,才是實際支出。Anthropic 的公告寫明,新版本輸出速度比前一版最快快 30%,定價為每百萬輸入 token 8 美元,輸出另按同一份公告的價目結算,並可選快速模式,把 token 生成速度最快提升 2.5 倍。改買新版本之後,如果任務本身仍要重跑三次才合格,單價下調節省的部分會被重跑吃掉;相反,如果一個任務只跑一次、人工覆核也少,速度提升才是真正的差額。先量出自己一次任務的實際重跑次數,再決定要不要為速度付這筆錢。

「先訪談我」這種做法適合所有任務嗎?

適合需要判斷的任務,例如簡報、落地頁、社交圖文;不適合已有明確規格的重複性任務,因為訪談本身會變成額外成本。判斷標準是:這個任務有沒有一個「好」的定義需要由人來說明。

代理要接 ERP,最低限度要準備什麼?

三樣:接口清單(哪些系統、什麼協議)、授權範圍(讀或寫、哪些欄位)、資料口徑(同名欄位是否代表同一件事)。三者未定之前,對接數量定得再少也會反覆。

模型自我回報的品質可信嗎?

可以參考,但不能作為唯一依據。Anthropic 的公告本身指出,模型愈來愈常在評測中表現出「懷疑自己被測試」的行為,而如何可靠地評估這類模型仍是未解的問題。因此驗收應以樣本與測試記錄為據。

Sources

1. Michael Stelzner, "AI Output Fixes, Persistent AI Agents, and Industry News", Social Media Examiner, 2026-11-12. https://www.socialmediaexaminer.com/ai-output-fixes-persistent-ai-agents-and-industry-news/
2. Anthropic, "Introducing Claude Fable 5.2 and Claude Mythos 5.2", Anthropic, 2026-11-09. https://www.anthropic.com/claude-fable-and-mythos-5-2
3. Anish Nangia, "Gemini Omni 1.2 Flash: Fast and cost-effective with longer clips", Google, 2026-11-05. https://blog.google/innovation-and-ai/technology/developers-tools/introducing-gemini-omni-1-2-flash/