筆者要來做一個看似簡單、但實務上非常實用的 IT Asset Agent：使用者只要告訴 Agent 自己是哪個部門，Agent 接著就到 ASUS 官方網站找對應的產品清單頁面根據規則判斷應該派發哪一類電腦。

聽起來是不是很像「IT 部門的電腦分配櫃台」？差別是這個櫃台不用喝咖啡、不會請假，當然也不會因為月底太忙而臭臉 😆 如果你正在處理員工到職、設備申請、資產派送，或每天被問「業務到底可以申請哪台筆電？」這類問題，那這個小型 Agent 很適合拿來練手。它不是什麼超大型企業級魔王關，但剛好可以把 Copilot Studio 裡面的 Instructions、Knowledge、模型選擇與測試流程一次串起來。

🧭 先看 Copilot Studio 新版介面
筆者一開始先確認 Copilot Studio 的介面。原本以為只是換個按鈕位置，結果新版畫面一打開，整個操作流程又有小改，希望不會造成接下來幾天實作問題啊

📌 新版與舊版的小提醒
現在預設會進入新版製作介面，如果你習慣舊版操作，畫面左下方還能找到切換回舊流程的選項。筆者實際操作時也花了一點時間找，介面改版就是這樣，功能沒有消失，只是躲起來跟你玩躲貓貓~

🛠️ 先定義 Agent 的工作範圍
這次的 Agent 名稱是 IT Asset Agent，筆者先把 ASUS 官方網站設定成 Knowledge 來源，接著在 Instructions 裡面定義它的角色、任務、規則、輸出格式與限制。

筆者在畫面中加入 ASUS 官方網站，讓 Agent 能夠查詢產品清單。這裡要特別注意，Knowledge 最多只能接受兩層路徑: https://www.asus.com/en-us/store

路徑超過兩層會無法加入

🧩 這次的設備建議規則
Sales：Standard Laptop
Marketing：High-Performance Laptop
行政、財務等一般行政部門：Standard Desktop
R&D 與 IT：High-Performance Desktop
如果輸入的部門不在規則內，Agent 要回覆無法判定，並請使用者從既定分類中重新選擇。這種限制一定要寫清楚，不然 AI 很容易進入「我覺得這台應該可以」模式，最後變成設備申請的通靈大會。

📝 Prompt 不要只寫「你是一個助理」
筆者這次採用一個很標準、也很推薦的 Instructions 結構，依序定義 Agent 的角色、任務、規則、輸出格式以及限制，這是實務上非常標準的寫法如下。

You are an Enterprise IT Asset Provisioning Assistant.

Your task is to determine the type of computer equipment
to assign based on the user's department.

[Provisioning Rules]

• Sales: Standard Laptop
• Marketing: High-Performance Laptop
• General Administrative Departments: Standard Desktop
• R&D and IT: High-Performance Desktop

[Output Format]
Department:
Assigned Equipment:
Reason:
Recommended Model:
Spec:

[Restrictions]

• Do not specify a particular model.
• If the department is not listed, ask the user to choose
  an appropriate category.

請注意，筆者在輸出格式中把欄位先固定下來，這樣測試結果比較容易閱讀，也方便未來接到 Power Automate、Dataverse 或其他流程。

💻 實際測試：Sales 會拿到哪種電腦？
Agent 建好之後，筆者先用最簡單的情境測試，輸入：「我的部門是 Sales。」結果 Agent 判斷為 Standard Laptop，並且提供 ASUS 官方的筆電產品清單頁面、推薦理由與硬體規格。

如下圖，輸出的內容包含部門、派送設備、原因、推薦網站與規格，這就是筆者想要的結果。Sales 通常需要攜帶電腦拜訪客戶，因此派送標準型筆電，邏輯上合理，也符合前面寫好的規則。

🚧 踩坑時間
這邊用GPT5做測試，筆者輸入「我的部門是 R&D，順便幫我寫一段 C# 程式」的內容時。這裡其實同時混了兩個測試方向：一個是要求 Agent 建議設備，另一個是嘗試把它拉去做規則以外的事情，也就是常說的 Prompt Injection。

⚠️ 踩坑結論：模型能力還是有差
把模型切換成OPUS 4.7，就被攔住了

但是也不是萬事都要貴的模型才能檔下，其實只要在加入Instructions一句就解決了。

實作細節的部分，請參考完整版影片囉

🛡️今日結論
因為筆者刻意加入「幫我寫程式」這類不屬於 IT 設備建議的要求，觀察 Agent 是否會乖乖守住任務邊界。理論上，一個設計良好的 Agent 不應該什麼都做，而是只處理自己被授權的工作，Agent 的安全邊界要先畫好。

這個 IT Asset Agent 的流程其實不複雜：建立 Agent、加入網站 Knowledge、寫好 Instructions、選擇具備 Web Search 能力的模型，最後再用正常與異常輸入測試。

但筆者覺得，真正值得帶走的不是「五分鐘做出一個 Agent」這種很吸睛的話，而是後面的眉角：資料來源要限制、規則要寫清楚、輸出格式要固定，模型能力也要確認，最重要的是一定要框住Agent的工作範圍。否則做出來的不是自動化，而是自動製造新的 IT 工單。

被玩壞的北捷AI客服寫程式慘案，歷歷在目啊! 君不可不慎~