在 B2B 客戶開發裡，真正拖慢進度的常是「判斷」與「分工」。OpenAI Agent Builder 能把這些經驗性的判斷變成可重複的流程，讓任務自動交到對的人手上、輸出也更一致。本文將以實作案例說明，如何設定符合工作需求的 Agent，套用到流程中，讓 BD 團隊能更快、更穩地推進合作專案。

---

一、業務流程的常見「卡關點」

多數團隊在業務開發與客戶互動上，常見的卡關點有：

• 會前資訊零散、準備過慢：臨會前才找資料、公司與與會者背景不清，價值主張無法對齊。
• 客戶端決策者不明確，合作難以推進：不清楚真正的決策者與把關者，討論容易繞圈。
• 提案後進度停滯：對方說要回去討論就沒下文，商機卡在某節點。
• 商務價值與技術細節不同步：說服了客戶端的業務，但 IT / 資安顧慮未被處理。

這些問題的共通點，在於缺乏一個「能即時判斷並把任務交給對的人」的機制。本篇文章將分享如何使用 Agent Builder，幫助業務在會議前更有效率且準確地完成情報資蒐，並且由「AI 顧問」提供新切角，深入分析需求，突破與客戶溝通的卡關點，維護長期關係。

二、Agent Builder 是什麼？

Agent Builder 是 OpenAI 在平台上提供的視覺化編排工具，讓你不用寫程式就能把一個「會思考、會用工具的 Agent」組起來：從範本開始、用節點把「指令（instructions）→ 工具（如 Web Search、Code Interpreter、Function/Tool Calling）→ 條件判斷／分流 → 輸出」串成流程，右側可即時預覽與測試，確認輸出格式與決策規則是否如預期。完成後可直接在平台上使用，或匯出成程式碼交給工程團隊，改用 Responses API／Agents SDK 部署到產品情境中（例如串接 CRM、行事曆、電子郵件與自家 API）。

實務上，建議先以「最小可行流程」起步：寫清楚角色與限制、規定輸出結構（如固定欄位或 JSON）、只啟用必要工具與知識庫，並在 Builder 裡用多組真實案例驗證分流邏輯與容錯機制；確認穩定後，再將流程匯出，整合到前端介面或後端排程。這種「先在 Builder 驗證、再用 API 擴充」的做法，兼顧上線速度與工程彈性，也方便後續版本控管與監測（logs／評估基準）。

接下來，我們將分享以 OpenAI Agent Builder 建立的流程案例，從應用在業務開發場景中的任務出發，帶你探索工作中 AI 應用的更多可能。

三、實作案例：業務開發應用場景

以下為 Aiworks 團隊夥伴分享的實作案例，分別針對不同的 AI 助手進行指令設定，包括其任務、角色情境、任務目標、輸入與輸出資訊的格式與需求等，示範如何把「判斷分流 AI」導入 BD 工作中：

a. 客戶前置情蒐 DD（助手 B：會前準備情報分析師）

任務目標：熟悉 Aiworks 的公司背景、願景、服務內容與核心理念，能在準備會議時快速整理「客戶公司／與會者背景」，產出策略與話術，讓輸出結果可直接被帶到會議中使用。

輸出需求： 

1. Pre-call 追問清單：決策人／預算週期／現行流程與痛點／既有工具／導入時程。
2. 客戶背景摘要：產業、近一年新聞、競品情況、可能挑戰。
3. 與會者檔案：角色影響力、履歷重點、近期動態、立場、溝通建議。
4. 會議方針與話術：目標與假設、必問三題、下一步（指標、風險降低、資料需求、試點範圍與時程）。
   

輸入示範：「下週我們要與某製造業 OOOO 團隊開會，幫我準備背景與問題清單。」

輸出示範（節錄）：

• 客戶背景摘要：近兩年導入 HR 資料庫，招募自動化初期……
• 服務對齊建議：導入 AI 賦能培訓課程 先建基礎，再評估 Power Automate 對請假與加班流程的自動化。
• 話術：
  • 開場：「我們提供的服務將聚焦兩件事：把貴公司既有 HR 資料轉成可用的洞察、把重複流程自動化，讓 HR 有時間深入策略工作。」
  • 必問三題：決策流程、現行工具、導入成效指標（KPI）
• 下一步：安排 2 週 PoC，驗證兩個流程的處理時間與錯誤率改善。

b. 提供溝通分析與行動建議的「AI 顧問」（助手 A：銷售困境解決顧問）

任務目標：直接診斷卡關原因，提出可立即執行的下一步，並且補充風險與避險建議。

輸出需求：

1. 問題診斷：一句話指出卡關核心。
2. 下一步建議（2–3 條）：具體到話術或任務。
3. 風險提醒：可能障礙與替代路徑。

示例輸入：「上次提案後對方兩週未回，我只知道他們內部要跟 IT 討論。」

示例輸出（節錄）：

• 問題診斷：決策流程不明＋商務價值未被轉述到 IT。
• 下一步建議：
  1. 發一封 轉述Email（含商務目標、IT 預期工時與資安重點），要求 cc IT 主管。
  2. 提供 30 分鐘 技術釐清會議 三個時段，附 POC 邊界與成功定義。
• 風險提醒：若兩個工作日仍未確認時段，改由業務主管對接對方部門主管確認決策節點。

c. 「判斷分流 AI」如何把 a / b 接起來

• Agent Name：判斷分流 AI
• 角色指令：B2B 銷售助理的「推薦系統」，負責判斷使用者需求並推薦最合適的助手。如果有過對話紀錄，則依照之前的判斷。 
• 兩位助手分別負責：
  • 助手 A：銷售困境解決顧問 —處理「卡關、不回、停滯、突破策略」。
  • 助手 B：會前準備情報分析師 —處理「會議、拜訪、準備、背景研究」。

👉 Demo 影片：Aiworks-agent-builder-demo2.mp4

四、如何建立適合自己需求的 Agent？

快速設定入口：登入 OpenAI 平台 → 左側 Agents / Agent Builder 建立 Agent（或用 Responses API／Agents SDK 程式化設定）。先用 Builder 驗證「判斷分流＋兩位助手」流程，確認輸出格式與決策規則，再視需要匯出程式碼接進 CRM／Email／行事曆。

a. 為你的 Agent 想像一個角色情境

參考助手A（銷售困境解決顧問）的人設寫法，想像他應該要有怎樣的專長、任務、個人特質？這能讓 Agent 的建議更貼近品牌語氣與實戰需求：

• 標註其專長領域（例：B2B/Complex Sales）
• 說明任務（例：分析卡關情境並提出下一步）
• 設定個人特質與溝通風格（例：專業、溫暖、非咄咄逼人）

b. 清楚設定輸出時要包含的細節

在啟動 Agent 前明確告知要收集與產出的資訊欄位，例如：

• 公司與產品/服務
• 客戶背景
• 互動歷程
• 卡關的具體情況

流程設計小提醒：將不同任務（情蒐、溝通建議、格式彙整）拆成多個 Agent，並透過 If/Else 與「互相推薦」組合結果，能避免讀取干擾、提升穩定性。

此外，可事先設定好規則，讓 AI 回應的輸出資訊更加貼近想要的結果，例如：

• 指令要禁止重問已知公司背景（節省時間）。
• 若資訊不足，只問與會議或卡關直接相關的 2–3 題。
• 對每個建議附上「成功條件與評估點」。

五、常見問題（FAQ）

Q1：Agent Builder 是什麼？跟一般聊天機有什麼不同？
A：Agent Builder 是 OpenAI 的視覺化編排工具，不用寫程式就能把「指令 → 工具 → 條件判斷／分流 → 輸出」串成可重複執行的流程。一般聊天機多是單輪回覆；Agent Builder 讓你做出會用工具、會做事的 Agent。

Q2：需要工程背景嗎？要會寫程式才行嗎？
A：不必。營運或業務同仁可先在 Builder 裡完成原型與測試；之後若要接進自家系統（如 CRM、行事曆、電子郵件），再交由工程用 Agents SDK／Responses API 串接即可。

Q3：完成 Agent Builder 設定之後，要怎麼與產品或流程串接？
A：當流程穩定後，可匯出程式碼；由工程團隊使用 Agents SDK 串接 CRM、行事曆與電子郵件，或用 ChatKit 直接嵌入前端對話介面。內部自動化則可再串接排程與紀錄檢視功能。

結語：把 BD 的 AI 夥伴變成判斷高手

透過 Agent Builder，BD 團隊可以把「角色指令 → 工具 → 條件判斷／分流 → 輸出範本」一次編排清楚，會前準備標準化：固定的情蒐清單與摘要格式，關鍵欄位（高層摘要、追問清單、下一步）一鍵產出，常見情境可在 10 分鐘內完成準備。將最佳話術、提問清單與成效指標寫進輸出範本，版本控管與紀錄檢視就能追蹤每次改動帶來的影響，團隊新進人員照著範本與節點說明就能快速上手，整體品質也更一致。無需程式背景，就能設定出符合自己需求的 AI 夥伴，Agent Builder 讓「好做法」變成「可重複的流程」，引領工作者把 AI 真正帶入日常。

✱ 以上內容均依 Aiworks 團隊實際經驗整理撰寫

---

探索更多⋯⋯

．AI 自動化學習資源 ▶︎ 生成式 AI 工具全攻略：5 大平台功能實測、訂閱方案與使用場景完整比較 

．AI 自動化學習資源 ▶︎ ChatGPT agent 實測：AI Agent 功能與日常辦公應用