節點：認識五種積木

上一課講了「圖」的概念。這課來認識圖上的積木——節點。

你開一間店，要處理線上訂單。粗略拆一下，會碰到這些角色：有人負責理解客戶要什麼、有人去資料庫查庫存、有人根據條件決定走哪條路、有人做最後核准、有個地方存過程記錄。

在 Graph Engineering 裡，這些角色對應五種節點。

五種節點

Agent（LLM 呼叫）

需要理解、生成、判斷的工作。輸入和輸出都不是確定的——同一個問題可能得到不同回答。

電商例子：分析客戶評論的情緒、撰寫商品描述、判斷退貨理由是否合理。

Tool（確定性函式）

給同樣的輸入，永遠得到同樣的輸出。不需要 LLM，跑程式就好。

電商例子：查詢訂單狀態、計算折扣金額、呼叫金流 API。

Router（條件路由）

不做事，只做決定——根據條件把流程導向不同路徑。

電商例子：客戶意圖分類（退貨走退貨流程、查單走查單流程）、訂單金額超過門檻走人工審核。

Gate（人工審核）

流程在這裡暫停，等人類確認才繼續。

電商例子：大額退款需要主管核准、AI 生成的行銷文案需要品牌審核。

Memory（儲存層）

不處理資料，只存取。可以是向量資料庫、知識圖譜、快取、或一個簡單的狀態檔。

電商例子：客戶歷史對話紀錄、商品知識庫、購物車暫存。

怎麼判斷一個步驟是哪種節點

問三個問題：

1. 需要 LLM 嗎？ 不需要 → Tool 或 Memory
2. 有確定性的輸出嗎？ 有 → Tool；沒有（需要 LLM 判斷）→ Agent 或 Router
3. 它做事，還是只做決定？ 做事 → Agent；只分流 → Router

Gate 比較特殊：任何需要人類 approve/reject 的中斷點都是 Gate。

為什麼分類重要

因為不同類型的節點有不同的特性：

類型	延遲	成本	可靠性	需要 Edge Contract
Agent	高（秒級）	高（token）	不確定	必須
Tool	低（毫秒）	低	確定	建議
Router	視實作	低	視實作	建議
Gate	極高（等人）	無	確定	必須
Memory	低	低	確定	建議

Agent 和 Gate 是圖裡最「貴」的節點——一個燒 token，一個燒人的時間。設計圖的時候，盡量讓 Tool 和 Memory 承擔能確定的工作，把 Agent 留給真正需要判斷的步驟。

AI 協作：學了這個，跟 AI 怎麼配合？

當你要請 AI 幫你設計工作流時，先把每個步驟標上節點類型，AI 就能更精準地建議架構。

你的人類優勢：

• 判斷哪些步驟「真的需要 LLM」vs「可以用確定性函式取代」——這決定成本
• 判斷哪裡需要 Gate（人工審核）——這是業務風險決策，AI 不該替你做

可以這樣跟 AI 說：

我有一個商品上架流程，步驟是：1) 讀取供應商提供的商品資料 2) 生成商品描述 3) 檢查描述有沒有違規詞 4) 主管審核 5) 上架到資料庫。幫我標出每個步驟是 Agent、Tool、Router、Gate 還是 Memory，並說明為什麼。