530 篇舊文章如何用 AI Agent 重整？兩天實作、成本與驗收流程

我原本只是想替網站上的舊文章補充結構、來源與近期資料，真正開始處理後才發現，最耗時間的不是寫某一篇文章，而是 530 多次重複動作：開啟檔案、讀取內容、依規格修改、更新欄位、搬移圖片、改檔名、記錄狀態，再檢查有沒有漏掉。

我最後把這些動作整理成 AI Agent 可以反覆執行的流程，兩天內完成 530 多篇文章。這兩天還包含測試模型、修改 Prompt、處理失敗結果，以及我原本的工作與生活；有一次我啟動約 100 篇的任務後去上健身課，回來時整批已經完成。

AI Agent 取代了哪些重複動作？

AI Agent 最適合取代規則明確、需要重複執行，而且結果可以檢查的動作。這次它負責逐篇讀取、整理格式、補齊欄位、更新圖片與記錄進度，我則保留內容判斷、例外處理與最後驗收。

這次每篇文章大致需要完成：

保留原有技術細節、觀點與有效超連結。
更新標題、description、front matter 與標題階層。
補充直接回答、可靠來源與必要的 FAQ。
搬移圖片、更新網址，並改成具有意義的圖片檔名。
登記原始檔名、輸出檔名、完成狀態與異常原因。
檢查是否漏件、失真或殘留不該出現的文字。

我使用 DeepSeek、GLM 這類開放權重或低成本模型時，不是直接把一段 Prompt 丟給模型，而是透過 Hermes Agent 串接。Hermes Agent 提供工具操作、持續記憶與 Sub-agent 分工，讓模型能讀寫檔案、分批執行並反覆檢查；缺少這層 Agent 能力，單用模型處理完整工作流程會弱很多。

如果每篇人工處理 30 分鐘，530 篇需要 265 小時，約等於 33 個八小時工作天。AI Agent 的價值，是讓我不用親手重複 530 次相同步驟。

不同模型批次執行的差異有多大？

單篇文章寫得好，不代表模型能穩定完成大量批次。這次 ChatGPT 與 Claude 最能保留既有內容；Gemini、DeepSeek 與 GLM 則各有固定失敗模式，需要用流程發現與補救。

以下是我在不同工具、批次與代理設定下的實際觀察，不是控制所有變因的模型評測：

模型	這次批次處理的表現
ChatGPT、Claude	即使我的需求很模糊，也會主動補齊工作細節；能保留技術內容與觀點，同時讓文字更順，一次約 10 篇仍會逐篇處理
Gemini	透過 Anti-Gravity 執行時，常省略大量內容、把文章縮得過短；可能同時受到模型、代理調度與批量影響
DeepSeek	少量測試尚可，大量處理時常寫出「原文提到」，而且省略既有內容的情況較嚴重，因此無法接受
GLM	也會殘留少量「原文」字樣，但通常能保留必要內容；較常漏掉 FAQ、參考資料、圖片搬移、網址更新或圖片檔名

ChatGPT 與 Claude 的能力仍然明顯比較強。我只提供相對模糊的需求，它們就能主動想到許多我沒有逐項說明的細節，並完成品質很好的文章；GLM 若只收到同樣模糊的要求，完整度還是有差距。

GLM 後來進步的關鍵，是 ChatGPT 在執行時留下了一套完整的工作方法與處理步驟。我把這份方法整理後交給 GLM，讓它不必自行猜測每一步應該怎麼做。GLM 仍會殘留少量「原文」，但通常不會像 DeepSeek 一樣連必要內容都省略，因此比較容易用後續掃描修正。

我再用 ChatGPT 與 Claude 交叉檢查常見問題，並花不少時間人工抽查。最後成品普遍可用，但這代表「高階模型設計方法＋低成本模型執行＋跨模型檢查＋人工抽查」有效，不代表 GLM 本身已經和 ChatGPT 一樣強。

我如何把 530 篇文章變成可管理的批次？

大量任務不能只靠一段很長的 Prompt，而要拆成規格、測試、批次、狀態追蹤與驗收。AI Agent 可以負責執行，人必須先定義完成條件及失敗後怎麼處理。

我的流程分成六步：

定義完成標準： 明確列出必填欄位、內容結構、保留項目與禁止事項。
測試代表文章： 先確認模型會不會刪除細節、改變原意、破壞連結或捏造資料。
拆分批次： 先跑 10 篇，穩定後再擴大，避免單次失敗影響全部文章。
更新 Mapping 表： 逐篇記錄輸入、輸出、狀態、檢查結果與異常原因。
檢查完整性： 確認檔案數、必要欄位、來源、FAQ、圖片與禁止殘留文字。
檢查內容： 比對技術資訊、第一手經驗、作者原意及新增資料的可靠性。

沒有 Mapping 表，即使 AI 漏掉三篇，整批看起來仍可能像已完成。有了逐篇狀態，才能知道少了哪篇、錯在哪裡，以及要重跑哪個步驟。

AI Agent 自動執行，為什麼仍要驗收？

AI Agent 能自動執行，不代表可以無人負責。批次越大，越容易出現少數漏件、缺欄位或內容失真，真正可靠的自動化必須讓錯誤可以被發現、定位與重跑。

這次讓我最有感的，不是哪個模型最聰明，而是模型會用不同方式「看起來完成」：

Gemini 可能交出完整檔案，內容卻被大幅縮短。
DeepSeek 可能遵守格式，正文卻一直評論「原文」。
GLM 可能把主文寫好，最後漏掉 FAQ、來源或圖片，也可能宣稱已移除所有「原文」字樣，實際檔案仍有殘留。

只檢查檔案是否存在，或直接相信 Agent 回報「已全部比對」，這些問題都可能被當成成功。我讓 GLM 掃描多輪，再用 ChatGPT、Claude 交叉檢查，最後由我人工抽查；Agent 的完成聲明只能當成一筆狀態，不能取代實際驗收。

這套 AI Agent 流程花了多少錢？

我的兩批 API 實測中，GPT-5.6 Sol 平均每篇約 1 美元；GLM-5.3 Flash 執行三輪後平均每篇約 0.0526 美元，約為前者的 1/19。這是兩批真實支出，不是控制文章長度、Token 與人工時間後的模型基準測試。

ChatGPT 那批的體驗其實非常好。我只用模糊的方式描述需求，去上健身課回來後，約 100 篇文章已經全部完成，而且品質比我預期更好。接著看到 API 支出約 100 美元時，我真的嚇了一跳，也因此開始研究：能不能先用高階模型建立方法，再讓價格較低的模型完成剩餘文章？

實測項目	GPT-5.6 Sol	GLM-5.3 Flash
文章數	100 篇	76 篇
API 支出	約 100 美元	約 4 美元
平均每篇	約 1 美元	約 0.0526 美元

當時 OpenRouter 顯示，GPT-5.6 Sol 每百萬輸入／輸出 Token 為 2／10 美元；GLM-5.3 Flash 促銷價為 0.075／0.25 美元。成本降低很大一部分來自模型牌價，流程的價值則是讓低成本模型在驗收保護下承接工作。GPT-5.6 Sol 定價、GLM-5.3 Flash 定價

1/19 只適用於這次兩批任務，沒有包含訂閱月費、Prompt 設計、跨模型檢查與我投入的大量人工抽查時間。GLM 的 API 成本很低，但不能因此解讀為整體專案幾乎不需要人力。

哪些工作適合交給 AI Agent？

適合交給 AI Agent 的工作，通常具備三個條件：需要大量重複、規則能夠寫清楚、結果可以驗收。涉及高風險判斷、模糊目標或責任歸屬的工作，仍應由人主導。

文章重整只是其中一個案例。相同方法也能應用在資料分類、表格整理、報告格式化、文件搬移、欄位補齊與初步檢查。

判斷一項工作能不能交給 AI Agent，可以先問：

能不能清楚寫出輸入、步驟與完成條件？
錯誤能不能被程式或清單發現？
失敗後能不能只重跑受影響的部分？
哪些例外必須交回人工判斷？

如果只能告訴 AI「幫我做好」，卻無法說明什麼叫完成，就還不適合直接大規模自動化。

AI Agent 批次工作常見問題

AI Agent 批次工作的核心，不是一次處理越多越好，而是每一項任務都有狀態、錯誤能被定位、失敗可以重跑。先用小批次驗證，再逐步放大，比直接追求全自動更可靠。

Q一次可以讓 AI Agent 處理多少篇？

沒有固定答案，會受到文章長度、模型、平台限制與代理調度方式影響。我曾一次處理數十篇，也曾在健身課期間完成約 100 篇；實務上仍建議先從 10 篇開始測試。

QPrompt 寫得夠完整，就不需要檢查嗎？

不行。DeepSeek 即使收到禁止提及「原文」的指令，仍可能重複出現；GLM 也可能在主文完成後漏掉 FAQ 或圖片。Prompt 是規格的一部分，驗收與重跑機制同樣重要。

Q為什麼開放權重模型需要搭配 Agent？

模型本身主要負責理解與生成；Hermes Agent 則提供讀寫檔案、呼叫工具、分配 Sub-agent、保存工作方法與持續執行的能力。這次成果來自「模型＋Hermes Agent＋明確方法＋多輪驗收」，不能理解成單用 GLM 或 DeepSeek 就能直接完成 530 篇文章。

參考資料

本文的模型價格來自 OpenRouter 公開資料；530 多篇文章的模型表現、Mapping 流程、三輪驗收與實際支出，來自我的第一手專案紀錄。

關於作者

Claire Chang ｜企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。

首次發布：2026-08-28