挑戰：聊天機器人無法承接工作流
本案例的導入組織是一支自台灣出發、於多國市場快速拓展的 AI 新創團隊——節奏快、據點分散，日常協作全數於 Lark 平台進行。規模擴張的同時，三項痛點日益明顯：
- 會議紀錄依賴人力：決議與交辦散落於對話紀錄，重要事項缺乏追蹤機制
- 重複問答：產品規格、法務條款、報價方式等相同問題，每週均有人重複回覆
- 內容產出效率不足：一份對外簡報耗時半日，產出樣式亦難以統一
市面上的 AI 聊天機器人無法解決上述問題：其能回答問題，卻無法承接工作流——不會主動取得會議逐字稿、不會將交辦寫入任務系統、不會將產出物直接交付至對話之中。
解決方案：進入工作流的 AI 代理人
本專案以 Agent 架構為基礎，深度整合 Lark 開放平台（訊息、任務、文件、多維表格、互動卡片），並透過 ATP Petrichor 統一接入與治理所有模型呼叫。
一、會議自動化。 代理人自動輪詢會議逐字稿，偵測到新會議後即產出結構化總結文件（摘要、立場、決議、風險），交辦事項直接寫入 Lark 原生任務系統（負責人、截止日、提醒一次到位），決議入庫可追溯；並依隱私路由分發——會議資訊僅推送予相關成員，各成員空間彼此隔離。
二、任務治理。 於對話中以單一指令完成交辦，直接落地為原生任務與提醒，屆期前自動追蹤。
三、企業知識庫。 產品問答、法務範本、銷售工具集中入庫並自動同步；群組內即問即答，答案均附出處。
四、內容產線。 於對話中描述需求，代理人即自動產出符合品牌識別系統的簡報、產品單頁與社群素材——向量文字 PDF 直接交付至對話。
五、執行前確認機制。 高成本任務執行前，以互動卡片回報方向與預估時間，經確認後始執行；執行失敗主動回報，全程進度透明。
ATP 於本案例中的角色
該團隊同時採用 ATP 的一站式 Token API 服務——單一介接點即可依任務需求任意切換模型，代理人的每一次呼叫均於平台上執行：
| 治理面向 | 實際做法 |
|---|---|
| 多模型路由 | 例行任務採用高性價比模型，深度任務自動升級；主力模型異常時自動備援切換 |
| 成本統制 | 排程與對話任務分級計費，額度事前設定——而非月底對帳時方知失控 |
| 全鏈留痕 | 每次呼叫之模型、用量、來源均予留痕，用量異常可於當日定位、當日修正 |
成效
- 會議結束後，總結文件與交辦任務自動產出，不再依賴人力整理
- 重複問答由知識庫承接，答案一致且均有出處
- 簡報與行銷素材自「耗時半日」縮短為「對話中單一指令」，品牌樣式完全一致
- 模型成本可見、可控：曾透過用量留痕於當日定位排程任務之異常消耗，調整模型分級後隨即修正