你手上有一件每星期吃掉一小時、卻永遠不變的工作：一封電郵進來，你讀完，判斷它該歸去哪個資料夾或試算表，然後歸檔。你心知 AI 應付得來。真正令你卻步的，是那個假設：以為打造一個代理（agent）就等於要寫程式、盯着黑漆漆的終端機。其實不用。現在有三個零程式碼平台，讓你靠拖動方塊、打幾句白話指令，就砌出一個能運作的 AI 代理。
本文用一個實際例子，帶你走完整個判斷與每一個步驟：一個會讀取進來的查詢電郵、替它分類、再記錄到試算表的代理。讀完之後，你會知道哪個平台適合你，以及如何在這星期內把你第一個代理推出去。
什麼是零程式碼 AI 代理？
零程式碼 AI 代理，是一個利用語言模型去做決定的自動化流程，而且完全透過視覺化介面砌成，不用寫程式。你接上一個觸發器，把資料交給一個 AI 步驟，再把結果送去一個動作，全部靠點擊與打字完成。
它跟一般自動化的分別，在於中間那個 AI 步驟。傳統自動化只按固定規則運作；而代理能讀取像電郵內文那種雜亂、無結構的輸入，並判斷該怎麼做，而這正正是死板規則最不擅長的部分。
該選哪個平台：Zapier、Make 還是 n8n？
想要最平緩的學習曲線就選 Zapier；想要視覺化控制與成本之間最佳平衡就選 Make；想要最深入的代理功能或把資料自行託管，就選 n8n。三者都能砌出同一個電郵分類代理，分別在於手感與價錢。
Zapier 可接超過 8000 個應用程式，並透過自然語言介面砌代理，對於從未做過自動化的人而言是最快的起點。它的代價是：任務量一大，成本上升得很快。
Make 用一塊視覺化畫布，讓你把每個步驟看成一個相連的節點，並附詳細的逐步日誌，以及大約 400 多個應用模組。無論在難度還是價錢上，它都居中。
n8n 提供最深入的 AI 代理節點、超過 1200 個整合，還能選擇跑在你自己的伺服器上，令資料永遠不離開你的掌控。它的 n8n 2.0 版本加入了持久的代理記憶與沙盒式執行。它前期要求你多花一點心力，換來的是那份控制權。
每個 AI 代理流程的三個組成部分是什麼？
每一個零程式碼 AI 代理，都由三部分砌成：啟動它的觸發器、負責決定的 AI 步驟、以及執行決定的動作。把這三樣在腦中弄清楚，每個平台用起來就都是同一回事。
觸發器是喚醒代理的事件，例如 Gmail 收到一封新電郵，或表單有一份新提交。AI 步驟把那份資料連同你的指令送給模型，取回一個決定。動作則根據那個決定，去寫進試算表、發出回覆，或更新一筆記錄。
以我們的例子而言，三部分就是：觸發器等於收到新電郵、AI 步驟等於替查詢分類、動作等於在 Google Sheets 加一行。
如何一步步砌出這個電郵分類代理？
你只需四個「點擊加打字」的步驟就砌得成：加入電郵觸發器、加入一個附清晰指令的 AI 步驟、把 AI 輸出對應到試算表、再用一封真實電郵測試。在三個平台任何一個上，整個過程都在 30 分鐘內完成。
無論在哪裡，次序都一樣：
--- 步驟一：加入「收到新電郵」的觸發器，接上你的郵箱。
--- 步驟二：加入一個 AI 步驟，貼上下面那條分類指令。
--- 步驟三：加入「建立試算表一行」的動作，把 AI 的分類與摘要對應到欄位。
--- 步驟四：寄一封測試電郵給自己，確認那一行正確出現。
唯一需要動腦筋的，是你交給 AI 步驟的那條指令。這就帶到下一節。
給 AI 的指令實際上該怎樣寫？
這條 AI 指令應該講明角色、准許使用的確切分類、以及確切的輸出格式，令結果能乾淨地落入你的試算表欄位。含糊的指令只會產生含糊的標籤，把下一步弄壞。
在 AI 步驟試試這條提示：
你是一位查詢分流助理。閱讀下面的電郵，只回傳兩樣東西，中間用一個直線符號分隔。
第一，只能從這份清單選一個分類：銷售、支援、帳務、垃圾、其他。
第二，一句不超過 15 字的摘要。
格式：分類 | 摘要
不要加任何其他文字。
電郵：{{步驟一的電郵內文}}
那個直線格式很關鍵：它讓下一步能把答案切成一個乾淨的分類欄與一個摘要欄，不用額外解析。把分類限死在一份固定清單上，能阻止模型自創新標籤、令你的資料四散。
砌第一個代理時有什麼常見錯誤？
最常見的錯誤，是任由 AI 回傳自由格式的文字，而非固定格式，令輸出無法被自動歸檔。永遠要同時約束分類與答案的形狀。
第二個錯誤，是省略用一封真實、雜亂的電郵去測試。能通過乾淨測試郵件的代理，往往在遇到帶轉寄串或附件的真實郵件時就出錯，所以在信任它之前，用貼近現實的東西測試。
第三個錯誤，是在未查成本前就把代理接上實時資料。每個 AI 步驟都是一次付費的模型呼叫，所以在把它接上繁忙郵箱之前，先確認每次執行的成本，並設一個每月上限。
如何把一個代理長成一套真正的工作流程？
方法是一次只加一條分支：分類運作正常後，把「銷售」電郵導向一個通知、把「垃圾」電郵導向垃圾桶，各自作為一個新動作。只在核心步驟穩定之後才加分支。
區分「有用的代理」與「脆弱的代理」的那份紀律，就是忍住一次過砌齊所有東西的衝動。一個每次都成功的觸發器、一個 AI 決定、一個動作，勝過一個十步、卻不可預測地失敗的流程。
一旦掌握了這個模式，同一副三部分骨架就能處理社交媒體撰稿、發票分類，或會議記錄的分流。你只學一次模式，之後就一直重用。
重點回顧
擋在你第一個 AI 代理面前的，從來不是寫程式。而是懂得那三部分的形狀，並寫出一條清晰的指令。這兩樣你現在都有了，還附上一條今天就能用的可複製提示。
這正是 UD 一直秉持的理念：科技應該像一位能幹的同事，而不是一場程式考試。懂AI，更懂你；UD 相伴 28 年，我們始終用「用起來有多有溫度」來衡量自己的工作。
準備好讓 AI 代理真正上手處理實務？
砌成一個代理已是很好的起步。把它變成一支可靠、能全天候處理查詢、行政與跟進的 AI 團隊，才是真正的槓桿所在。來了解 UD 的 AI Employee Hub，我們會手把手帶你完成每一步，從你的第一個工作流程，到一支完整部署的 AI 團隊。
