我們一路走來，已經為 AI Agent 建立了大腦 (LLM)、靈魂 (Prompt)、記憶 (Memory) 和工具 (Tools)。你甚至學會了如何為它配置安全可靠的憑證 (Credentials)。

現在，AI Agent 就像一位準備好接受指令的超級助理。但你是否發現，有時候它能聰明地解決複雜問題，有時卻在簡單任務上反應遲鈍？

這其中的關鍵，往往不在於模型本身的好壞，而在於你為它選擇了哪種「思考模式」。

在 n8n 的 AI Agent 節點中，你可以指揮 AI 使用兩種截然不同的運作方式：一種是單刀直入的 Regular Model，另一種是深思熟慮的 Reasoning (Thinking) Model。

這兩種模式沒有絕對的優劣，只有適用場景的不同。今天，我們將以強大的 Gemini 模型為例，深入拆解這兩種模式的差異，讓你學會如何為你的 AI Agent 選擇最恰當的思考方式。

Regular Model：一位全能的執行者

首先，來看看最直接、也最常見的模式：Regular Model (常規模型)。

在這種模式下，你的 AI Agent 只會使用一個你指定的 LLM，例如 Gemini。這個模型將扮演所有角色，包辦從頭到尾的每一件事：

1. 理解你的指令：分析你的需求是什麼。
2. 思考與決策：判斷是否需要動用工具，以及該用哪個工具。
3. 生成最終回答：將所有資訊整理成通順的語言回答你。

你可以把 Regular Model 想像成一位「全能管家」。你說「幫我查今天幾號」，它會自己思考、找到 Date & Time 工具、取得日期，然後告訴你答案。從頭到尾，都是它一個人在運作。

如何設定 (以 Gemini 為例)？

你需要在 AI Agent 節點中：

1. 點選 Chat Model +，選擇 Google Gemini Chat Model。
2. 在 Credentials 欄位選擇你設定好的 Gemini API 金鑰。
3. 在 Model 欄位，選擇一個 Gemini 模型，例如 gemini-2.5-flash-lite。

這樣就完成了。所有任務都會交由 gemini-2.5-flash-lite 獨立處理。

適用場景：

• 簡單、明確的任務：當你的指令非常直接，例如「今天天氣如何？」或「發送一封 Email」，Regular Model 速度快、效率高，足以勝任。
• 成本與速度優先：由於每次互動只呼叫一次模型，API 的費用較低，回應速度也更快。對於追求極致效率的新手或小型專案，這是最佳起點。
• 無工具的純聊天：如果你的 AI Agent 不需要使用任何工具，只是作為一個問答機器人，那麼 Regular Model 就是唯一的選擇。

Reasoning Model：策略家與發言人的黃金組合

接著，是更進階、也更強大的模式：Reasoning Model (推理模型)。

在這個模式下，你會指定兩個模型，讓它們分工合作：

1. Reasoning Model (策略家)：這是 AI Agent 的「幕後大腦」。它的唯一工作就是思考與決策。它會分析你的指令，判斷「這個任務需要幾個步驟？」「該用哪些工具？」「執行的順序是什麼？」它不直接回答你，只專注於邏輯推理。
2. Regular Model (發言人)：這個模型則扮演「前端公關」的角色。它會接收「策略家」的執行成果（例如工具回傳的數據），然後將這些生硬的資訊，潤飾成自然、易懂的語言呈現給你。

想像你要 AI「幫我把這篇文章的重點摘要出來，存到 Google Sheet，然後用 Slack 通知我」。

Reasoning Model 會像專案經理一樣，規劃出「爬網頁 -> 摘要 -> 寫入 Sheet -> 發送通知」的完整流程；而 Regular Model 則在最後告訴你：「報告老闆，任務已完成！」

如何設定 (以 Gemini 為例)？

1. 你只需要一樣在 AI Agent 節點中：

   1. 點選 Chat Model +，選擇 Google Gemini Chat Model。
   2. 在 Credentials 欄位選擇你設定好的 Gemini API 金鑰。
   3. 在 Model 欄位，選擇一個 Gemini 模型，例如 gemini-2.5-pro。

2. Reasoning Model (策略家)：在這裡，選擇一個邏輯能力最強的模型，例如 gemini-2.5-pro。這是你最重要的投資，因為它決定了 AI 的「智商」。

3. Regular Model (發言人)：或在原有的 Chat Model 欄位，選擇一個速度快、成本低的輕量級模型，例如 gemini-2.5-flash-lite。它的任務只是「說話」，不需要頂級的智慧。

適用場景：

• 複雜、多步驟的任務：當任務需要組合多個工具，或需要根據前一個工具的結果來決定下一步時，Reasoning Model 的規劃能力無可取代。
• 追求高度準確性：專門的推理模型在選擇工具和判斷參數方面表現更穩定，大大減少了「AI 耍笨」的情況。
• 效能與成本的最佳平衡：你可以把預算集中在最強的推理模型上，確保決策品質，同時用一個平價模型來處理生成文字的工作，實現效能與成本的最佳化。這就像把錢花在刀口上。

如何做出正確的選擇？

面對這兩種模式，你該如何選擇？這裡提供一個簡單的決策流程：

1. 從 Regular Model 開始：對於任何新的工作流程，一律先從 Regular Model 開始。這是最簡單、最經濟的測試方式。

2. 觀察 AI 的表現：向你的 AI Agent 下達指令。如果它能夠順利、準確地完成任務，那麼恭喜你，Regular Model 就已足夠。

3. 升級至 Reasoning Model：如果你發現 AI Agent 出現以下情況，就是升級的時機：

   • 無法理解你的複雜指令。
   • 頻繁選錯工具，或給錯工具參數。
   • 在需要多步驟執行的任務中迷失方向。

一旦出現這些「智商不足」的跡象，就果斷替換成有較高思維的模型，並為它配置一個強大的「策略家」大腦。你會立刻發現，你的 AI Agent 彷彿脫胎換骨。

為 AI Agent 選擇思考模式，就像是為你的團隊配置人員。簡單的任務，一位全能的員工綽綽有餘；但面對複雜的專案，則需要一位深思熟慮的專案經理與一位能言善道的發言人通力合作。

現在，你已經掌握了指揮 AI 大腦運作的關鍵。動手去試試看，為你的自動化流程找到最完美的思考組合吧！