Claude Code 取代 n8n？BigGo 執行長談：AI Agent 工具快速換代，開發者真的不看程式碼了嗎？
Manus、OpenCode、Hermes Agent，這三個名字在 2025 年的技術社群裡前後爆紅，每一個都代表一種截然不同的 AI Agent（AI 代理）路線。與此同時，曾經當紅的 n8n、LangChain、Cursor，彷彿一夕之間從討論熱度榜消失。Agent 圈的關鍵字汰換速度，已經快到讓很多人來不及搞清楚上一個就要追下一個。這些工具真的消失了嗎？還是它們其實成為了今天技術底層的一部分？
以下 Q 為《數位時代》創新長黃亮崢（James）提問，A 為東南亞最大比價搜尋引擎 BigGo 創辦人兼執行長焉德葳（Kevin）回答，他將從技術實作者的第一手觀察出發，拆解 Agent 圈演進邏輯、Skill 與跨會話記憶的實際意義，以及 BigGo 如何把這些技術轉化為打破語言隔閡的財經情報平台。
Q1：Manus、OpenClaw、Hermes Agent 在技術社群都很紅，這三個產品各自代表什麼路線？
A： 它們其實是一脈相承的結果，每一個都繼承了前一個的能力，再往下一步演進。Manus 是最早出圈的。它真正的價值，有點像是把 AI 和各種工具綁在一起，成為一個「自帶工具的複雜物件」。在 2023 年底、2024 年那段 AI 只能純粹對話的時代，你可以用 Manus 生成圖片、閱讀圖片、做多模態任務，AI 工具的組合能力在那個階段讓 Manus 成功出圈。
OpenClaw（社群暱稱「龍蝦」）則代表下一個演進方向：不只是給 AI 工具使用，而是讓 AI 自己做工具。這就像 Claude Code 的精神，你給了 AI 命令列的執行權限、程式碼的讀寫權限，它就具備了創造所有工具的能力。一邊騎車、一邊改造自己的腳踏車。它不需要有人幫它設定好工具，它自己就能把需要的東西做出來。
Hermes Agent（由 NousResearch 開發）則是在前兩者的基礎上，進一步解決一個關鍵問題：記憶管理。大家如果在 2025 年底用過 Claude Code 寫程式，應該都能直接感受到 Opus 4.5 模型僅有 20 萬上下文的限制，至 Opus 4.6 及後續模型則擴展至 100 萬上下文的長度。因此，當 AI 的記憶空間不夠長的時候，你讓它做一個大型任務，它可能還沒開始，就要先壓縮記憶了。
Hermes Agent 就是針對這個問題做了非常好的最佳化。讓 AI 具備長期記憶，在不同對話、甚至不同工作階段之間，都可以把過去的記憶召回來。加上今年各家模型的上下文視窗全面大幅提升，AI 的記憶能力在 2026 年已經來到了一個新的量級。所以與其把它們看成三個互相競爭的產品，不如說它們是 Agent 演進過程中，不斷繼承並突破的三個世代。
延伸閱讀｜教學｜Manus AI 怎麼用？輸入一句指令，幫你上網、找資料到匯出 PPTX，省下半天整理時間
Q2：你提到 Skill 取代了 MCP，跨會話記憶也越來越成熟。對一般使用者來說，這兩件事實際意義是什麼？
A： 跨會話記憶這件事，我們在 BigGo 有非常深入的實作經驗。我們在 2024、2025 年做 Agent 桌面軟體的時候，花了大量精力研究記憶管理，那時候的流派非常多，LangChain 上關於 RAG（檢索增強生成）管理的專案可能就有十幾套，每一套各有好壞。
什麼叫上下文壓縮？就是讓 AI 把你之前放進對話的內容重新讀一遍，把不需要的東西刪掉。
舉個例子：Agent 幫你在 BigGo 搜尋 iPhone 17 Pro Max，搜尋結果回傳 30 筆，其中 20 筆是你要的，10 筆是不相關的皮套或配件。AI 在做記憶壓縮的時候，就可以把那 10 筆排除掉。如果你讓 AI 搜尋 200 台冷氣，最後確定只要 10 台，那另外 190 台的記憶就可以忘記。這就是「跨會話記憶」的實際運作：在長期對話中去蕪存菁，把不需要的東西遺忘，把重要的東西留下來讓下一次對話可以接續使用。
對一般使用者的意義在於：讓 AI 越用越懂你。當你跟 AI 相處夠久，比如你把它當成一個每天交流的工作夥伴，它對你媽媽喜歡什麼品牌、耶誕節已經送過什麼禮物、你女朋友有哪些節日要過，全部都記得。情人節不會重複推薦耶誕節送過的東西。這種跨會話的記憶能力，在購物、工作、個人生活的自動化場景上，都會有非常實際的影響。
Skill 這件事也類似。過去 MCP 需要有人預先建好工具、AI 才能使用那個工具；但現在只要給 AI 一個 skill 文件（一個用自然語言寫成的操作指引）它就能學會如何完成那個任務，甚至自己去建工具。以 Claude Code 為例，你可以在專案根目錄放一份 CLAUDE.md，用自然語言寫下這個專案的規則、慣例與執行方式，Claude Code 就會把它當作指引來遵守，這本質上就是一種 skill 文件的概念。MCP 還是有它的使用場景，但很多過去需要 MCP 的事情，現在一個 skill 文件就夠了。
延伸閱讀｜Claude Code 資料夾完整教學！agents、skills⋯7 個目錄一次搞懂，讓 AI 每次都按你的方式工作
Q3：n8n、MCP、LangChain、Cursor 等工具在 Agent 圈中的汰換速度很快，要怎麼判斷哪些是真趨勢，哪些只是熱門關鍵字？
A： 所有我們提到的東西，在某個時間點都有它的意義，只是因為這個時代的演進速度太快，傳統技術很少會在這麼短的時間內噴出這麼多關鍵字。有的關鍵字你還不熟悉，它就已經過時了。
拿開源自動化工作流程工具 n8n 來說，它在 AI 真正崛起之前就已經存在很久了。它是把工作流程圖像化、讓不會寫程式的人可以用拉方塊的方式設計自動化流程。它的問題是：每個方塊裡面可能有幾百個設定選項要填，它並沒有真正降低門檻，只是讓人產生一種「我在寫程式」的錯覺。
AI 出現之後，n8n 加上 AI 讓更多人以為可以用無程式碼做到一切，短暫爆紅。但到了 Claude Code 這個世代，我估計有八九成的日常開發者已經完全不看程式碼了，他們只管理邏輯、輸入和輸出。不看程式碼的時候，n8n 那種流程圖的視覺化介面還重要嗎？它就自然消失了。
AI 輔助程式編輯器 Cursor 是另一個例子。它的核心功能是開著程式碼編輯器 VS Code，一邊跟 AI 講話，一邊看著程式碼被生成出來。但當你在 Claude Code 或 OpenCode 裡同時跑十個 sub-agent（子代理）、十個人一起協同開發，你的螢幕換再大也沒辦法同時盯著十個程式框框。Cursor 「一邊看著 AI 寫」的設計前提就失效了。
這些工具不是真的消失，它們是演進過程中的必要節點。你在 2024、2025 年聽到 n8n 是對的；你現在聽不到 n8n 也是對的。
Agent 在能力上持續提升，工具使用的門檻持續降低，記憶能力持續加強，跨平台的自主性持續擴大。每一個曾經紅過的關鍵字，都是這條大方向上的一個里程碑，而不是終點。對一般使用者來說，不需要有太過 FOMO（錯過恐懼）的情緒。
Q4：n8n 這類「把流程視覺化秀給人看」的工具會越來越不重要嗎？上市公司稽核、工業控制系統，不還是需要有人看的流程介面？
A： 觀察流程這件事本身沒有改變，只是觀察的順序和方式改變了。過去用 n8n 開發的模式是：你先把流程圖畫好，程式跟著流程圖同步完成。現在的做法是：讓 Agent 先把流程圖生出來，我們評估這個流程是不是我們期待的運作模式，確認之後再讓它實際開發；或者開發完之後，把執行結果用圖形化方式呈現給我確認流程是否正確。
還有一個現實：你評估的架構，跟你真正落地執行的，往往是不一樣的。你原本設計說這個模型要跑在 GPU（圖形處理器）上，然後再到 CPU（中央處理器）的 RAM（記憶體）繼續執行，但實際跑起來才發現這個模型有先天限制，只能在特定硬體環境上運作。AI 在開發的時候也是這樣，遇到問題才知道要調整。所以你說「我能不能一開始就把流程圖全部畫好，然後強制要求 AI 完全按照流程圖執行？」，人類工程師在寫程式的時候也不會這樣做，所以這個要求對 AI 也不合理。
流程圖在前還是在後、在中間還是在最後，都可以，取決於你的需求。
Q5：BigGo Finance 怎麼從電商比價延伸到財經資訊？這個服務在做什麼？
A： BigGo Finance 是我們的 side project，有一段很有趣的演進過程。我們從 2023 年開始把 AI 引進 BigGo，用 AI 幫使用者整理產品規格、收集相關資訊。在這個過程中，我們研究出一套演算法：在事件發生的當下，去把這個事件做更好的補充說明，然後呈現給使用者。後來我們發現，這其實就是一個「讓 AI 扮演記者調查新聞事件」的架構——AI 不是等人叫它去調查，而是主動到處去收集、看到有價值的事件就回頭產出報告。
這個技術再往外延伸，就誕生了 Finance 這個平台。因為你的產品新聞，最終都會結合到某一間公司；那間公司的產品，又會影響到它的營收和股價。比如 RTX 5090 顯示卡的首批價格上漲、高效能記憶體供不應求，這些都跟財經息息相關。
但 Finance 目前最讓我們意外的收穫，是打破了語言隔閡。就像 X（前身 Twitter）在某段時間突然把所有文字加上自動翻譯。原本日文社群和英文社群在平台上完全不互通，翻譯功能一打開，大家才發現原來兩邊都在關注完全不同的事。
財經新聞也是這樣。台灣真正 能閱讀大量韓文的人非常少，但整個 AI 硬體革命的核心發生在台灣和韓國。三星員工看到 SK 海力士的薪資後的大罷工、工會如何影響罷工進程、細節從幾號到幾號，這些在韓文媒體講得最清楚，但語言隔閡讓台灣幾乎看不到。
BigGo Finance 的事件偵測架構打破了這層障礙。我們已經觀察到大量日本和美國的使用者，透過這個平台來獲取亞洲的資訊，甚至成為 Reddit 上的熱門參考來源。
至於這個平台最終要往哪個方向發展，目前還在醞釀中。對我們來說，它還是一個很有趣的實驗，還沒有對營收產生明顯貢獻，但使用者的反應已經讓我們看到一些非常有趣的可能性。
Q6：一年後你預期會看到什麼？Agent 圈還會有什麼大變化？
A： 如果從購物這個角度來看，一年內不會有翻天覆地的改變。就像 ChatGPT 推出快三年，如果你隨機在路上問一個人，他的人生有沒有因此真的改變，很多人感覺不出來。電商的 AI Agent 影響，今年對一般電商來說可能也才佔到 4、5% 的比例；反而是整體供應鏈價格上漲帶來的 3C 銷售下滑，對電商的衝擊比 AI 還大。
但如果你用 5 年、甚至 10 年的尺度來看，這絕對是翻天覆地的變革開端。就像台灣在 1998、1999 年就有博客來這樣的電商了，當時用數據機撥接才能上網購物，對一般消費者來說感受不深，但電商本身每年是以 200%、300% 在成長的。手機革命也是一樣。從 Nokia 時代到現在，你甚至已經五、六年不換新手機，整個使用習慣早就天翻地覆，但這個改變是漸進發生的，不是一夜之間的。
AI 的革命也會是這樣的節奏。越早注意到這個開端、越早做出因應，才是比較好的位置。
BigGo 比個夠（樂方股份有限公司）
- 執行長： 焉德葳（Kevin）
- 成立年： 2016 年
- 總部： 台灣高雄
- 定位： 東南亞最大比價搜尋引擎
- 核心產品／服務： 跨平台商品比價、圖片搜尋（BIRSE）、AI 購物助手、現金回饋追蹤、BigGo Finance 財經資訊平台
- 市場布局： 台灣、泰國、日本及多個東南亞市場
收聽完整 Podcast｜數位關鍵字 EP241｜從比價到買手！AI Agent 正在改寫你的購物決策流程
（本文初稿為 AI 編撰）
延伸閱讀
AI agent 為何會失控又越罵越笨？台大教授用 80 字實驗拆解 Harness Engineering 三個控制關鍵
一天跑完 5,000 組電解液配方，這款 AI Agent 解決電動車最大難題！省下電池 10 年研發時間
AI Agent 如何重新定義行銷？我現在知道：多花一塊錢能帶來多少營收增長！