Michael Agent Lab Review draft

Agentic Workflow Design

把 SOP 拆成 Agent 真能執行的 Workflow

Agent 不缺能力,常缺的是明確邊界。把大任務拆成小節點,定義每一步的輸入、輸出與驗收條件,才有機會穩定運作。

先做出可觀察的小流程,再逐步增加自動化。
Workflow mapArtifact by artifact
接收請求讀取原始內容與必要背景
RAW
分類與結構化輸出固定欄位,不靠下一步猜
JSON
產生處理草稿依分類、規則與資料撰寫
DRAFT
高風險人工確認通過後才寫回系統或執行動作
APPROVE
Before一份靠人腦補判斷的 Human SOP
After可執行、可檢查、可修正的 Agentic Workflow
01 / LAYERS

先分清楚三個層級

Human SOP、Skill 與 Agentic Workflow 不是三種名稱,而是從「人怎麼做」一路走到「系統如何完成整件事」的三個層級。

Human SOP

寫給人看的流程文件。人會用經驗補上例外、優先順序與「大家都知道」的默會知識。

主要讀者
常見問題
規則藏在腦中,文件更新慢

Skill

一個界線清楚的能力單元,包含何時使用、判斷規則、參考資料,以及必要時可執行的腳本。

主要讀者
Agent
合理範圍
一次負責一類明確任務

Agentic Workflow

把多個步驟、Skill、工具、資料與人工決策點串成一條完成任務的流程。

主要目標
從輸入一路產出可驗收結果
核心設計
節點、Artifact、規則與控制點
02 / BOUNDARY

問題往往不在模型,而在任務太大

一句「幫我優化整個流程」把判斷、搜尋、操作與驗收全塞在一起。即使結果看起來完整,也難以知道哪一段可靠。

Mega Agent

一個 Agent 從頭做到尾,中間決策缺少明確介面。

出錯時難以定位是哪一段推理或工具呼叫出了問題。
修改時常得重寫整段 Prompt,容易影響原本正確的部分。
驗收時只能看最後結果,很難逐步檢查。
VS

可組合 Workflow

每個節點只處理一個明確問題,靠結構化 Artifact 串接。

出錯時可以從 Log 與中間產物找到問題節點。
修改時只調整失準的規則、Skill 或工具。
驗收時每一步都有成功條件與人工檢查點。
03 / METHOD

四步把 Human SOP 轉成 Workflow

每一步都應留下看得見的產物。沒有產物,就很難驗證流程是否真的變得更清楚。

01Standardize

格式標準化

把散文式 SOP 改成 Agent 可判讀的規格:抽出參數、標示規則強度,並把步驟、錯誤處理與輸出格式分區。

MUST
不能省略的硬規則例如:執行前必須驗證申請人身分。
SHOULD
原則上要做若有充分理由可例外,但要留下原因。
MAY
視情況採用不影響核心正確性的選配行為。
Input現有 SOP、使用情境與例外經驗
Action參數化、規則分級、區塊化
Deliverable結構化 Agent SOP v1
02Decompose

拆成節點,用 Artifact 串起來

每個節點都要能獨立執行、獨立驗收、獨立替換。上一個節點的輸出,必須成為下一個節點不用猜的輸入。

Input結構化 SOP 與完整任務目標
Action定義節點邊界、輸入輸出、成功標準
Deliverable流程圖與 Artifact Schema
03Iterate

用真實執行找出默會知識

第一版不會完整。讓流程在低風險資料上跑,觀察 Agent 哪裡誤判,再把原本只存在人腦裡的條件補回規格。

寫 v1先求能跑,不假裝一次完美。
小量執行用真實但低風險案例測試。
看 Artifact找出誤判發生在哪個節點。
補規則把隱藏的判斷寫進 SOP。
再測一次確認問題修好且沒有新回歸。
Input第一版流程與代表性案例
Action執行、觀察、修規則、回歸測試
Deliverable錯誤紀錄、測試集與 SOP v2+
04Integrate

接上工具,也接上控制點

工具讓 Agent 能讀取資料或執行動作;人工確認、權限、記錄與停止條件,則讓流程保持可控。MCP 是連接外部能力的協定,不會替你設計整條工作流。

Input已驗證的節點、權限需求與風險分級
Action接工具、限制權限、加 Log 與人工閘門
Deliverable可觀測、可停止、可回復的流程
04 / CASE

案例:公司內部請求分類

表單、Email 或通訊軟體送來的請求,常需要分類、判斷優先級、找負責人與草擬回覆。這類重複工作適合先做成窄而清楚的流程。

Internal Request Triage

示意資料,不含真實公司資訊
1

讀取請求

保留原文、來源、時間與必要識別欄位。

2

分類

輸出 IT、HR、Finance 或 Other,並附信心程度。

3

補充資訊

若內容不足,產生兩至三個具體釐清問題。

4

回覆草稿

根據分類與 SLA 產生回覆,不直接送出。

5

確認與寫回

高權限、財務或低信心案件先由人確認。

Artifact Arequest.normalized.json
Artifact Btriage.result.json
Artifact Creply.draft.md
05 / PRACTICE

從一件最無聊的重複工作開始

先挑每週都在做、規則大致穩定、失敗風險可控制的工作。第一版只要能省下一部分時間,不必一次追求全自動。

一頁工作表

把答案寫清楚,再決定要用哪個 Agent、模型或工具。

  1. 先縮小任務邊界。
  2. 先定義輸出,再寫步驟。
  3. 先保留人工確認,再逐步放寬。
Task哪一件重複工作最耗時間?開始與結束在哪裡?
Inputs流程一定需要哪些資料?哪些資料可能缺漏?
Artifacts每一步要留下什麼結構化輸出,下一步才不用猜?
Rules哪些是 MUST、SHOULD、MAY?例外怎麼處理?
Acceptance什麼情況算成功?要用哪些案例驗證?
Human Gate哪些動作涉及權限、金錢、外部溝通或不可逆變更?
06 / REVIEW

上線前的六項檢查

流程不是能跑就算完成;還要能理解、能追蹤、能停止,也要知道失敗後怎麼恢復。

1
邊界明確每個節點只處理一類任務,沒有偷偷接管整條流程。
2
輸入輸出固定Artifact 有 Schema、必要欄位與錯誤格式。
3
成功可以驗證每一步都有可測量的接受條件與代表性案例。
4
過程可以觀察保留執行紀錄、中間產物、錯誤原因與版本。
5
權限最小化讀取與寫入權限分開,只開放任務真正需要的能力。
6
人仍能接手高風險、低信心與例外情況會停下來等待確認。
07 / SOURCES

來源與延伸閱讀

本頁以原始內容為主軸,再用官方資料核對技術名詞與設計邊界;不是逐字轉錄。

Original
AI 時代非技術人最該學的設計能力Gary Chen,Human SOP 到 Agentic Workflow
觀看原始內容 →
Architecture
Building Effective AI AgentsAnthropic:可組合 Workflow、Routing、Evaluator 與人工檢查點
官方文章 →
Specification
Agent Skills SpecificationSkill 目錄、SKILL.md、scripts 與 references 的正式結構
查看規格 →
Protocol
Model Context Protocol ArchitectureMCP 的 Host、Client、Server,以及 Tools、Resources、Prompts
官方文件 →
Language
RFC 2119MUST、SHOULD、MAY 的要求強度定義
查看 RFC →
範圍說明:本教材整理的是工作流設計方法。實際導入時仍需依資料敏感度、權限、法規、錯誤成本與使用平台調整;MCP 解決的是標準化連接,不等於自動提供安全、驗收或流程治理。