AI 自動化文件處理怎麼做？對話框、腳本到代理的三階段選擇

想像手上有三十份 PDF，要整理成一份月報。用對話框處理的時候，你其實一直在當啟動器、搬運工跟收尾的人：一份一份上傳、等 AI 讀完、把結果複製出來、貼進 Excel，三十份重複三十次。AI 做的只是中間那一小段——真正花時間的開檔、複製、整理，全部是你自己做的。

這種重複性的檔案工作，能不能不要每次都手動丟給 AI？答案是可以，但要看任務的性質選對做法。對話框、固定腳本、代理式 AI 是三個不同階段，適用的情境不一樣，省下來的時間跟承擔的風險也不一樣。

先搞懂現在卡在哪一層

判斷要用哪個階段，看兩件事：這份工作格式固定不固定、流程畫不畫得出流程圖。

• 格式不固定、一次性、量不大 → 對話框手動處理就夠。
• 格式固定、步驟可預期、畫得出流程圖 → 用固定腳本／工作流。
• 格式會變、需要判斷例外情況、要操作真實檔案系統 → 才考慮代理式做法。

這個判斷邏輯跟 該用工作流還是 AI Agent？先畫得出流程圖就不要用代理 講的是同一件事：流程圖畫得出來，就不需要代理那種彈性，反而是多餘的風險。

階段一：對話框手動處理，適合一次性、格式不固定的任務

ChatGPT、Gemini 這類對話框可以整理 PDF、算月增率，但有兩個限制會一直卡著你：它不知道有新檔案進來，除非你開口告訴它；而且結果只存在對話框裡，你不複製貼上，東西就沒了。

這種做法適合偶發、格式每次都不太一樣的任務——比如這個月突然多了一批格式亂七八糟的報價單要整理，下個月可能又不會再遇到同樣的格式。因為格式不固定，寫腳本反而不值得，手動丟給對話框處理一次性任務最快。

用對話框處理這類任務時，提示詞盡量講清楚輸出格式（例如「用表格列出日期、金額、供應商」），每次拿到結果後自己對照原始檔案抽查幾筆，不要整批直接信任。如果同類任務開始每週都出現，就是該往下一階段走的訊號。

階段二：固定腳本／工作流，步驟寫死、流程圖畫得出來就用這個

如果同一種檔案天天進來、格式幾乎固定，就該把步驟寫死，讓工具自動跑，不用自己盯著。

n8n 是一套開源自動化工具，可以裝在自己的電腦，也可以放在雲端平台上跑——放雲端會比靠自己電腦監控資料夾穩定，因為電腦不會一直開著。常見的做法是接 Google Drive：在 n8n 裡用 Google Drive 節點監控特定資料夾，有新檔案上傳時工作流就自動開始，不用自己按下去。設定上可以指定每分鐘檢查一次、只盯特定資料夾、只抓檔案建立事件；子資料夾裡的變更是否會觸發這個節點要看監聽設定而定，建議設定好之後實際測試確認，再讓流程上線。

這一階段要準備的東西很具體：固定的檔案命名規則、固定的輸入資料夾位置、固定的輸出位置，還有工作流本身的執行權限範圍。流程一旦設計好，格式沒變就能一直穩定跑，缺點是遇到流程圖沒畫到的例外狀況（比如檔案少了一頁、格式突然換了），它不會自己判斷，只會照著寫死的步驟硬跑，結果可能是整段流程卡住，或者把錯的東西當對的處理掉。

階段三：代理式做法，只給目標與工具，它自己判斷步驟

代理式 AI 是生成式 AI 的延伸，核心差異是不只會生成內容，還能在系統裡實際執行動作去達成更高層次的目標。做法上是把 LLM（大型語言模型）當成「大腦」，透過一組工具去執行動作——你只給它目標和工具集，它自己判斷要用哪個工具、分幾步做、做完之後再看要不要繼續，不像固定腳本是把每一步都寫死。

跟階段二比起來，代理最大的差別是它能處理流程圖沒畫到的情況：少一頁、格式跟平常不一樣、字跡看不清楚，它會自己判斷怎麼處理，而不是卡住或硬跑。它也能操作你真正的檔案系統、被排程定時叫醒去檢查有沒有新工作、結果直接寫回指定的位置，不需要你人在現場按按鈕。

一家貨櫃航運公司的案例可以看出這種做法實際上怎麼落地。這家公司財務跟物流同事每天要手動讀單據、輸入系統，單據狀況差異非常大，有的乾淨得像機器印出來，有的得打電話去問才搞得清楚。問題是兩端系統各自獨立，沒有 API 可以串接，往往連可用的網頁介面都沒有，更換系統這個選項光看成本就被否決了。

處理這種案子，第一步不是急著動手自動化，是先去分析那套根本沒有文件記錄的流程到底怎麼跑。擷取單據內容的方式選了 OCR（光學文字辨識）加 LLM 的混合方案，而不是純靠 LLM 視覺——因為當時 LLM 的視覺能力還無法從真實單據穩定擷取資料。整合方式刻意做成非侵入式，從操作員螢幕上已經有的東西去讀，不要求企業更換核心系統。

更關鍵的設計是：擷取出來的值從來不直接寫進資料庫，一律先進人工覆核佇列，就算看起來是乾淨的紀錄也要再核一次。流程裡設有檢查點，中斷之後可以從記錄的位置接著跑，不用從頭來。任務也刻意安排在清晨啟動，讓任何失敗在同事到班的時候就能看得見，不會悄悄被忽略。整套流程的設計邏輯是：自動化不是全有全無的事，機器做到一半，人隨時可以從介面接手剩下的部分。

代理式做法需要準備的東西比前兩階段都多：清楚界定它能操作哪些檔案、哪些資料夾、哪些系統（權限範圍），固定的輸出位置，還要先想好什麼情況要停下來交給人。這部分可以參考 AI Agent 導入前要搞懂什麼？權限、流程與風險檢查清單。架構上想再深入了解代理怎麼規劃步驟、怎麼記憶上下文、怎麼呼叫工具，可以看 AI Agent 架構拆解：Tool Calling、Memory、Planning 與 MCP／A2A。

彈性換來的代價：它可能做出你沒預期的決定

代理式做法的好處是彈性，代價是它有時候會做出你沒預期的決定——而且這個決定可能悄悄發生，你完全不知道。

有個真實的教訓是一套用來擷取發票資料的代理系統。一開始用五份乾淨、字體清晰、格式一致的 PDF 做 demo，跑得完全沒問題，上線後三個月、處理了八百張發票也都正常。問題出在換了新供應商之後——新供應商給的是掃描文件，紙張有旋轉、字體偏細、OCR 品質差。這套系統在四天內把三十一份發票的金額小數點讀錯，而且完全沒有觸發任何錯誤警報。原因很簡單：模型是靠機率從文字裡找結構、再把結構化的結果吐出來，它沒有「我不確定」這個機制，讀錯了也會很有把握地給你一個看起來正常的答案。

這跟文件掃描品質本身的限制有關。即使是目前表現最好的文件解析工具，遇到密集的表格、公式，或者掃描品質不佳、版面複雜的頁面，漏抓、讀錯的機率都會明顯上升——越複雜的版面、越不清楚的掃描檔，風險越高。這也解釋了為什麼固定腳本或代理式做法在「乾淨、格式一致」的測試階段表現很好，一碰到真實世界裡五花八門的來源檔案就容易出包，而且不會主動告訴你出包了。

怎麼設防線：驗證層、人工覆核、留紀錄

發票擷取代理出錯之後,真正解決問題的方法不是換更好的模型或寫更細的提示詞,是在代理的輸出跟下游系統之間加一道驗證層。這道驗證層跟代理同步運行,耗時很短,檢查四件事:必填欄位有沒有空著、金額是不是正數且落在合理範圍、日期有沒有落在合理的時間窗內、總額跟各行項目加起來是否一致。只要有一項不符合,就路由進審查箱,交給人去看、修正、標記處理完畢。上線後第一週,一千四百份文件裡攔截了二十三份有問題的,其中大部分是掃描品質不好跟格式沒見過的情況。這道驗證層本身建置起來只花了幾個小時,但從部署以來攔截了每一次重要的擷取失敗——它不是什麼令人興奮的技術,但每次都是正確的選擇。

前面貨櫃航運的案例也是同樣的邏輯：擷取結果不直接寫進資料庫,先進人工覆核佇列;流程設檢查點方便中斷續跑;任務排在清晨啟動讓失敗被看見。這些設計常常被當成「自動化做得不夠徹底」,但實際上剛好相反——流程裡留著人工覆核這一關,正是讓這套自動化能夠真正被放上線運作的原因。沒有這一關,一旦出錯就是悄悄地、大量地錯下去,沒人知道。

另外一個該設的防線跟資料本身有關:商業邏輯的原始碼、客戶個資、資料庫密碼這類敏感內容,不要直接貼進公開的 AI 對話框去處理,比較穩妥的做法是採購有隱私承諾的企業版 AI 工具,或者整合在內部系統裡的插件。這部分可以參考 用 AI 工具會不會洩漏公司資料？從金鑰外洩案例看該怎麼設防。

三個階段怎麼選

階段	適用情境	要準備什麼	主要風險
對話框手動處理	一次性、格式不固定、量不大	清楚的提示詞、人工抽查結果	結果不複製就沒了，無法重複利用
固定腳本／工作流	格式固定、步驟可預期、畫得出流程圖	檔案命名規則、固定輸入輸出位置、觸發條件設定	遇到流程圖沒畫到的例外會卡住或硬跑出錯
代理式做法	格式會變、需要判斷例外、要操作真實檔案系統	明確的權限範圍、驗證層、人工覆核的停下點、可回溯的紀錄	可能做出沒預期的決定，而且不一定會報警

想先搞懂自己團隊目前卡在哪個層級，可以對照看 AI工作術分三層級：你卡在哪一層？助理、工作流到代理的升級路線。如果還不確定代理跟一般自動化流程的根本差異,也可以看 AI Agent 是什麼？和 Chatbot、自動化流程差在哪，2026 入門。