週三晚上去了一場聊天機器人小聚，主講的是阿竣，他專門幫企業把 AI 導入成真正的資源管理系統，他現場打開電腦，直接在 Discord 頻道裡打了一句話，一個叫做 M5 的 Bot 就開始幫他查主機、開專案、報昨天的新聞。那一刻我才意識到，企業導入 AI Agent 這件事，早就不是簡報上的名詞，而是有人已經把它當成遠端員工在用了。
先說一個很多人會混淆的前提：AI 跟 AI Agent 差在哪？差在能不能呼叫工具。你問 ChatGPT 一個問題、它回你一段話，那是 AI；但如果它能接著去執行你電腦裡的程式、去讀你的資料庫、去幫你把文章上架，那就是 AI Agent。阿竣的說法很直白——會呼叫工具（function calling）的，就叫代理人。這個區別聽起來像廢話，卻是整場分享的地基：因為 Agent 會做事，所以它才可能取代掉一個職位，而不只是回答問題。
企業導入 AI 的現狀：你的 Agent 跟我的 Agent 各說各話
阿竣講的第一個問題，我聽了特別有感。現在企業裡大部分人是各自打開自己的 AI，各自產出報告、簡報、文件。結果就是「你的 Agent」跟「我的 Agent」各說各話，最後兜出來的東西對不上公司的標準。
這件事我天天遇到。客戶常常直接把 AI 的回答貼給我，而我看到之後，還得再丟給我自己的 AI 去確認「他到底在講什麼」以及「這內容對不對」。如果人的角色只剩下在不同 Agent 之間複製貼上，那為什麼不乾脆讓大家在同一個環境、用同一個 AI，而且讓這個 AI 拿得到公司內部的真實資料來討論？光是想到這裡，效率的差距就很明顯了。
阿竣把這個現象講得更狠。他說你大拇指壓在 AI 的回答上兩秒，跳出來一個「貼上」，然後你把它貼到別的地方——那一刻你不是在用 AI，你是 AI 的奴隸，你在幫它搬運。要擺脫這件事只有一條路：大家一起用同一個 AI。
阿竣的做法：把 Agent 當遠端員工塞進 Discord
那要怎麼讓一群人用同一個 AI？阿竣的選擇是 Discord。
他的架構拆成兩層：一個 Bot 當「協調者」，負責接收你在頻道裡打的話；後面掛一個或多個 Agent 當「做事的人」。你在頻道裡對 Bot 說「幫我查一下這個網站的預覽功能為什麼壞掉」，協調者就會去叫起對應的 Agent，Agent 走 MCP（模型上下文協議）或 SSH 進到那台主機，把問題查出來、修好、回報。對頻道裡的人來說，這就像半夜有一個遠端上班的同事，你隨時可以丟問題給他。
選 Discord 不是因為它潮，而是因為它免費、任何人開帳號就能進來，而且權限管理細到誇張。它有一套 ACL 的權限機制，可以限制到「某個使用者」甚至「某個身分組」看不看得到某個頻道。這一點很關鍵——因為每一個頻道，對阿竣來說就像一間公司裡的一個部門。採購頻道、銷售頻道、倉庫頻道、網站管理頻道，各自有各自的 Agent、各自的權限，彼此看不到對方的東西，但每個人跟 Agent 的對話都會留在頻道裡。
這裡藏著我覺得最漂亮的一個設計：工作記憶會沉在頻道裡。業務離職是 B2B 環境最大的硬傷，很多 know-how 沒辦法寫進交接文件。但如果所有的討論、所有的習慣都收斂在這個頻道的對話裡，新業務接手時只要下一句話：「請你告訴我，之前的業務在這個頻道都是怎麼跟你協作的」，Agent 就會把過去的脈絡吐給他。知識不再跟著人走，而是留在工作場裡。
（延伸閱讀：關於 Agent 管網站到底該走 MCP、REST API 還是 SSH + WP-CLl，我之前寫過一篇實測比較。）
為什麼是 Kiro：一筆省 token 的商業帳
阿竣的後端 Agent 引擎選的是 Kiro（Amazon 的 CLI 工具，前身叫 Q Developer），這一段是整場我覺得最「B2B」的地方。
他算了一筆帳。現在的 AI 訂閱大概兩種計價：一種是吃到飽訂閱制，一種是 pay as you go 的 API。API 貴到嚇人——聰明的模型通常 input 每百萬 token 5 美金、output 30 美金，員工還沒摸熟 Agent 就玩個幾輪，帳單直接爆炸。而訂閱制的問題更致命：它會叫你「休息五小時」。這對個人玩家無所謂，但企業不能接受——今天十萬火急的狀況正在發生，你跟我說系統要休息五小時？
Kiro 的計價是用量計制，一個 turn、一個 credit 才 0.02 美金，而且不是 API 那種 input／output 分開算的貴法。對一群還在學 Agent 的員工來說，這個容錯成本低很多。阿竣說他導入之後，業務工作被取代掉八成以上。
模型龍頭當初都不是為 B2B 定價的，他們定位在 B2C，拿產品去做 CRM，讓大家先用先上癮。這句話點破了一件事：當你在用免費或吃到飽的 AI 時，你其實是他們的訓練資料來源。而 B2B 才是這些公司真正的核心收入。所以阿竣不追求把每一家訂閱都整合進來，他把工具收斂在計價方式最適合企業的那一個，同時保留 OMP（一套開源框架）當備援，讓客戶哪天想用自己的訂閱、想跟他分手，都能自己拿去用。
（關於省 token 這件事，我另外整理過一篇上下文工程的心得，跟阿竣的思路是同一個方向。）
MCP 權限管理：安全操作的環境怎麼設計
放手讓員工在頻道裡跟 Agent 對話，老闆第一個問的一定是安全。阿竣的答案是一層叫 MCP Manager 的東西。
它可以做兩層授權。第一層是頻道層級——這個頻道授權哪幾個 MCP、停用哪幾個，公開頻道就整個不授權。第二層更細，同一個 MCP 裡面還能按「工具」授權：他允許 Bot 把資料送回 Discord，但不允許送任何非結構化的敏感資料，而且會經過一層遮罩，任何 token、API key、帳號密碼都會被遮掉。這樣一來，頻道就是一個安全的操作環境，權限跟著頻道走，跟著企業原本的 ACL 走。
一個頻道，對應 Agent 的一個帳號。看不看得到某張價格表、看不看得到採購價還是零售價、看不看得到哪個倉庫——全部可以限縮。這就是為什麼他敢把這套東西賣進製造業、醫藥業、零售業。權限的邊界畫清楚了，Agent 才能安心地長出手腳。
知識庫要做成 RAG，不是丟一堆 MD 檔
分享到後半，有人問記憶怎麼管，這一段接到了我心得裡想記下來的另一個重點。
阿竣的記憶管理分三層：最外層是公司維度的通用規則，中間是每個頻道的 agents.md（相當於大家熟悉的 CLAUDE.md），最內層是 Agent 當下作業的 session。但真正讓知識可用的，是他自己寫的一套 RAG 知識庫。
他特別強調：知識庫必須是向量化的，不能只是一個裝滿 MD 檔的資料夾。差別在哪？如果是純文字檔，Agent 每次要用某段知識，就得把整包檔案拉進上下文裡看完再吐回來，很快就撐爆記憶體、觸發壓縮，一壓縮就失憶、就做錯事。而向量化的 RAG 是先檢索、再生成，只把相關的片段拉進來，精度高又省 token。當你更新一段業務流程，只要跟 Agent 說「把這個寫進知識庫」，系統會自動重新切片、重新向量化，不需要手動維護。
這一點我認同。相較於把 AI 問出來的東西寫成一本「LLM Wiki」給人看——那本筆記你八成不會再打開——真正該做的是讓 Agent 自己寫一份它之後看得懂的筆記，再灌進向量知識庫，讓它需要時自己抽出來。AI first，不是 human first。傳統的 RAG 架構在資料品質上，反而比花俏的第二大腦更能幫企業主挖到真正的商業洞見。
觀念轉變：從終端機思維到自然聊天
這場小聚對我最大的衝擊，其實是一個觀念的翻轉。
我以前一直覺得，終端機（Terminal）是最好的互動方式，所以會傾向去訓練使用者掌握終端機的邏輯、去下對指令。但這其實是工程師的視角。阿竣提醒了一件我沒想通的事：最自然的互動方式是聊天。你在公司裡請同事做事，不就是出一張嘴嗎？既然「跟人講話」已經是最自然的協作介面，那做一個能聊天的 Bot，就是最合理的事。
他甚至連自家設計的指令（command）都不太希望大家去學。理由跟現在那些 Agent 工具一樣——我能嘴他，幹嘛還特地去背指令？任何模型現在在解決的核心問題，就是「理解你的意圖」。所以他的工具雖然有一堆指令，但他要的是使用者裝上去之後直接開口，而不是先讀一本說明書。
（這讓我想起之前寫的一篇「你會用 AI，但你會教 AI 嗎？」——會用跟會教，中間隔的就是這層觀念。）
工程師的新角色：維護 Agent，而不是碰產線
順著這個思路，工程師的職責也跟著變了。
阿竣現在不接後端工程了，他自嘲說自己是「AI Agent 的修復員」跟「AI Agent 的語言治療師」，大部分時間在幫忙聊天，而不是寫程式。未來還在寫程式的工程師，只會去維護公司的 Agent，不會去碰產線上的任何一條東西——因為產線用 Agent 就好，工程師不需要懂客戶那些欄位的意義，他讓 Agent 懂就好。
這帶來一個有意思的副作用：權力分割。一個無法被替代的工程師，對公司其實是風險；一個團隊裡任何一顆無法被替代的螺絲，都是風險。所以把「維護 Agent」跟「操作產線」拆開，讓每一塊都可替代，公司才安全。這也是為什麼他一直把自己掛在嘴邊的目標是「取代自己」——先做出一個能取代掉自己的代表作，然後就有時間去做別的事。
他講到維護一個 Agent 並不容易，裡面牽扯到很多 harness engineering 的東西。所以他選擇不自己從零造一個 Agent，而是當一個「協調者」，站在開源大神們的肩膀上做整合。這個選擇背後的判斷是：模型跟框架半年就換一代，與其自己維護，不如相信那些幾千幾萬人在用的開源專案。
結論
聽完整場，我試著把阿竣的分享，跟我自己的體會收斂成三件事：
- 知識要留下來。 把工作流收斂在一個共用的頻道裡，業務離職、新人接手，脈絡都還在。
- 不要再一個人用一個 AI。 各自為政的超級個體沒有意義，大家對齊在同一個 Agent 上，才會慢慢收斂出團隊的共識，而不是每個人被自己的偏見餵成不同的形狀。
- 工具是手段，商業才是目的。 從選 Discord、選 Kiro、到堅持做 RAG，每一步背後都是「省 token、可替代、能落地」的商業盤算，不是為了技術炫技。
阿竣最後說了一句我很買單的話：技術從來都不是重點，人文才是。這整套工具的出發點，從頭到尾都是同一個問句——如果可以取代掉「我」，那我就能去做更值得做的事。我是這場小聚的聽眾，不是講者，但走出場地的時候，我確實開始重新想：我手上那些「只有我會」的東西，到底該留給自己，還是該教給 Agent。
如果你也在想企業導入 AI Agent 這件事，我之前寫過一篇企業主導入 AI 的實戰紀錄，可以搭配這篇一起看，激發一下靈感。會後我就把阿竣開源的 kiro-discord-bot 裝起來實際測試看看在 Discord 裡面做事情，不得不說真的很有意思，等用的更深入再來分享我的使用心得。