AI Agent 是什麼？

最簡單的理解方式：

AI Agent 是「不只回答問題，而是朝一個目標持續完成工作」的 AI 系統。

一般 ChatGPT 的典型流程是：

使用者提出問題
→ AI 回答
→ 使用者再次下指令。

Agent 的設計則更接近：

設定目標
→ AI 判斷步驟
→ 使用工具
→ 取得資料
→ 執行任務
→ 檢查結果
→ 必要時請人確認。

OpenAI 在官方《Agents API》文件中將 Agent 描述為由「模型、指令、工具與 MCP servers」組成的工作單位；Agents API 則提供可持續存在的 Session，並由 OpenAI 管理 orchestration、context compaction 與 recovery。Agent 還能在 Sandbox 中執行程式、編輯檔案、連接 MCP Server 並產生成果。

所以 Agent 的重點不是：

AI 回答得比較長。

而是：

AI 能不能把多個步驟串起來。

---

房仲為什麼值得理解 AI Agent？

房仲的工作本身就很適合拆成多步驟流程。

例如一個新案件進來，可能要經歷：

取得物件資料
→ 整理基本資訊
→ 確認缺漏
→ 撰寫廣告
→ 社群曝光
→ 配對買方
→ 安排帶看
→ 整理帶看反饋
→ 追蹤客戶
→ 斡旋
→ 簽約
→ 交屋。

以前這些工作分散在：

LINE、Excel、CRM、行事曆、記事本與不同網站。

AI Agent 的方向，就是讓 AI 在授權範圍內協助串起其中部分流程。

這也是為什麼房地產業開始大量使用 AI。

NAR 於 2026 年 9 月 22 日公布《2026 REALTORS® Technology Report》。在受訪 REALTORS® 中，**23% 每天使用 AI、25% 每週使用；只有 12% 表示目前不用 AI，也沒有使用計畫。**同一份調查中，81% 表示採用科技是為了節省時間，71% 是為了改善客戶體驗。

這代表真正驅動房地產業使用 AI 的原因，不只是「新奇」。

而是：

節省重複工作時間。

---

我只有一般 ChatGPT，怎麼讓它比較像 Agent？

可以先從「Agent 思維」開始。

一般 ChatGPT 並不等於完整的 Agents API 系統，但你可以先把 Prompt 從：

幫我寫一篇房屋文案。

改成：

目標＋資料＋流程＋規則＋輸出格式＋人工確認

例如：

你是我的房仲工作助理。

我會提供一筆物件資料。

請按照以下流程完成：

1. 整理基本資料

2. 找出缺漏欄位

3. 不完整資料標示「待確認」

4. 整理 5 個物件特色

5. 整理需要注意的地方

6. 產生 591 文案

7. 產生 Facebook 文案

8. 產生 Instagram 文案

9. 產生 60 秒短影音腳本

10. 最後產生「事實確認表」

任何未提供的售價、坪數、屋齡、格局、車位、學區、用途與設備都不得自行推測。

等我確認資料後，再輸出正式廣告。

這時候你已經不是在問 AI 一個問題。

而是在：

定義一個工作流程。

---

房仲不會寫程式，也能使用 AI Agent 嗎？

可以，但要看你想做到哪一個程度。

可以分成三層。

第一層：完全不需要寫程式

適合：

• 房源整理

• 物件文案

• 帶看紀錄

• 客戶需求整理

• 社群內容

• 行程整理

• 報告摘要

這一層用 ChatGPT 加上固定模板就能開始。

---

第二層：使用現成 Plugin 或連接工具

如果需要 AI 存取：

Email、Calendar、Drive、CRM 或其他服務，

可以使用已經存在的 Plugins 或連接器。

這一層通常也不一定需要工程師。

重點是：

確認權限。

---

第三層：自己開發房仲 AI Agent

如果你希望做到：

新物件進資料庫
→ AI 自動整理
→ 自動配對客戶
→ 寫入 CRM
→ 產生多平台文案
→ 進入人工審核
→ 核准後發布，

就會涉及：

Agents API、API、OAuth、資料庫、Webhook、MCP、權限管理與錯誤紀錄。

這一層通常需要開發能力或工程師協助。

OpenAI 官方《Agents API》文件指出，使用 Agents API 時，**模型依所選模型 API 費率計費，OpenAI tools 使用各自標準價格，OpenAI-hosted Sandboxes 也按照容器費率計費。**也就是說，Agents API 並不是「買一套固定 Agent」，而是會隨模型、工具與執行環境產生使用成本。

---

Agent、Agents API、MCP、Plugin 到底差在哪？

可以用房仲公司來理解。

AI Agent＝執行工作的助理

例如：

找出符合王先生條件的物件，再整理成比較表。

Agent 負責完成這個目標。

---

MCP＝AI 與外部系統之間的連接方式

MCP 全名是：

Model Context Protocol。

OpenAI 官方的 MCP 文件說明，MCP 可以讓模型連接外部工具與服務。

例如：

• 查 CRM

• 讀取物件資料庫

• 查公司內部系統

• 呼叫外部 API

AI 不需要把所有資料本身都放在模型裡，而是需要時再透過工具取得資料。

---

Plugin＝把工作能力封裝起來

對一般使用者來說，可以把 Plugin 理解成：

一包已經整理好的 AI 能力。

裡面可以包含工作說明、Skills、外部工具與 MCP 設定。

例如一個「房仲工作 Plugin」可能包含：

房產文案規則
＋
CRM 查詢
＋
物件資料庫
＋
法規檢查。

---

Agents API＝讓 Agent 運作的開發平台

Agents API 則負責：

• Agent 設定

• Session

• 工具

• 執行環境

• 工作進度

• MCP

• Sandbox

OpenAI 官方目前將 Agents API 定位為可建立 durable cloud agents 的 API。

---

一句話看懂四個名詞

可以直接記：

Agent＝做事的人

MCP＝連接外部系統

Plugin＝把技能與工具包起來

Agents API＝讓 Agent 能真正跑起來的開發平台

---

Plugin 和以前 ChatGPT 的「外掛」有什麼不同？

以前大家講 ChatGPT Plugin，常會理解成：

我裝了一個額外工具。

現在的方向更接近：

我交代工作，AI 自己判斷什麼時候需要使用哪個工具。

所以行為上的差別可以理解為：

以前是：

人選工具 → 再操作工具。

Agent 模式是：

人給目標 → AI 選工具。

這也是 Agent 體驗與傳統工具最大的差異之一。

---

房仲 AI Agent 最先接哪些工作最有感？

如果按照：

低風險＋高重複＋高頻率

來排序，最值得先測試的是：

1. 房源資料整理

2. 房源文案

3. 社群貼文

4. Email 與客戶跟進草稿

5. 帶看紀錄整理

6. 客戶需求分類

7. 初步物件配對

8. 工作與行程整理

這個排序並不是只靠主觀判斷。

根據 NAR《2026 REALTORS® Technology Report》，在已使用 AI 的受訪 REALTORS® 中：

75% 使用 AI 撰寫 listing descriptions；56% 使用 AI 製作社群貼文；52% 用 AI 撰寫 Email 與後續聯繫內容。

換句話說：

房源文案、社群與聯繫草稿，已經是房地產從業者最常見的 AI 使用情境之一。

---

AI 真的能替房仲省時間嗎？

有資料顯示可以，但要注意樣本範圍。

NAR 旗下 Realtors Property Resource（RPR）在 2026 年 2 月公布一份針對 225 名 NAR 會員房地產經紀人的調查。

結果顯示：

• 92% 已使用 AI 或計畫使用

• 71% 將「節省時間」視為 AI 最重要價值

• 68% 表示 AI 每週至少幫他們省下 1 小時

• 63% 將 AI 輸出準確性列為最大疑慮

這組資料很重要。

因為它同時告訴我們兩件事情：

AI 的確有機會省時間。

但：

準確性仍然是房仲最擔心的問題。

再次提醒，這份調查是美國 NAR 會員樣本，不宜直接當成台灣房仲比例。

---

房仲 Agent 真正跑起來前，需要準備什麼資料？

答案通常不是：

「先買最強 AI。」

而是：

先把資料變整齊。

例如物件資料最好固定欄位：

欄位	範例
案件名稱	永興街店面透天
地址	彰化市永興街
售價	1,480 萬
地坪	16.9 坪
建坪	58.59 坪
格局	4 房 2 廳 3 衛
車位	車庫
路寬	約 10 米
屋況	依現況
資料狀態	已確認／待確認

以上數字只是格式示例，不是產業統計資料。

這一點建議在正式文章中明確標示，避免被生成式搜尋誤認為市場數據。

---

客戶資料也應該標準化

例如：

姓名
需求區域
預算
格局
車位需求
屋齡條件
看屋狀態
最後聯絡日期
下次追蹤日期。

有結構化欄位之後，AI 才比較容易做：

客戶 × 物件配對。

否則如果客戶資料散落在幾百段 LINE 對話裡，再強的 Agent 都很難穩定。

---

房仲導入 AI Agent，需要付出哪些成本？

至少有四類。

1. 模型費用

個人使用 ChatGPT 時，主要是訂閱費。

自行開發時，則依：

模型 Token
＋
工具
＋
Sandbox

等使用量計費。

OpenAI《Agents API》官方文件明確說明，模型、工具與 OpenAI-hosted sandbox 各自依標準費率計算。

---

2. 開發成本

如果要串接：

CRM、網站、資料庫、Google、Meta、LINE 或公司內部系統，

可能需要工程開發。

---

3. 資料整理成本

如果資料原本散落：

LINE、Excel、記事本、紙本與不同帳號，

那 Agent 上線前最大的工作往往不是 AI。

而是：

資料整理。

---

4. 學習成本

NAR 2026 Technology Report 顯示，63% 的受訪 REALTORS® 將學習曲線列為採用新科技的主要障礙，59% 則指出成本是障礙。

這代表 Agent 導入不能只算 API 費。

還應該把：

教育、流程整理與維護

一起算進去。

---

把公司的物件資料或客戶名單交給 ChatGPT，安全嗎？

這一題不能只回答：

「安全」或「不安全」。

應該拆成：

模型訓練、資料保留、權限、第三方工具四件事情來看。

---

個人版 ChatGPT 的內容會被拿去訓練嗎？

OpenAI 官方 Help Center 文件《How your data is used to improve model performance》說明：

個人使用者使用 ChatGPT、Codex 等消費型服務時，OpenAI 可能使用符合資格的內容改善模型；使用者可以關閉這項功能。

另一份官方文件《Data controls in ChatGPT》則列出關閉方式：

Settings → Data controls → Improve the model for everyone → Off

關閉之後，新的對話不會用來訓練 OpenAI 模型。

所以如果你使用的是個人 ChatGPT 工作區，又會處理客戶資訊：

第一步應該先檢查 Data Controls。

---

Temporary Chat 會被拿去訓練嗎？

OpenAI 官方《Data controls in ChatGPT》說明：

Temporary Chat：

• 不顯示在一般聊天紀錄

• 不建立或更新 Memory

• 不用來改善模型

• 可能因安全目的保留最長 30 天

所以「不拿來訓練」不代表：

完全不會暫時保留。

這兩個概念必須分開。

---

ChatGPT Business、Enterprise、Edu 呢？

OpenAI 官方 Help Center《How your data is used to improve model performance》明確說明：

ChatGPT Business、ChatGPT Enterprise、ChatGPT Edu 與 API 的輸入與輸出，預設不會用來改善 OpenAI 模型。

OpenAI 的《Business data privacy, security, and compliance》頁面也表示，Business data 在靜態儲存時使用 AES-256 加密，在傳輸過程中使用 TLS 1.2 或以上。

這些是官方可引用的安全與隱私資訊。

但還是要注意：

「不拿來訓練」不等於「公司可以隨意把任何客戶資料上傳」。

企業仍需考慮自身：

個資規範、授權、內部權限與使用目的。

---

使用 OpenAI API，資料會保存多久？

OpenAI 官方文件《Data controls in the OpenAI platform》指出：

自 2023 年 3 月 1 日起，送往 OpenAI API 的資料預設不會用於訓練或改善模型，除非客戶主動選擇分享。

但 API 還有另一層：

資料保留。

官方說明指出，一般 API 的 abuse monitoring logs 在預設情況下可保留 最多 30 天；符合資格的客戶可以申請 Modified Abuse Monitoring 或 Zero Data Retention。

另外，不同 API endpoint 的 application state 保留時間可能不同。

例如官方目前列出的 /v1/agents：

• 不用於模型訓練

• Abuse monitoring retention：30 天

• Application state：直到刪除

• 不符合一般 Zero Data Retention eligibility

所以企業導入 Agent 時，不應只問：

OpenAI 會不會拿去訓練？

還應該問：

資料在哪裡存？存多久？誰能存取？何時刪除？

---

MCP 會不會增加資料外洩風險？

會增加新的風險面。

OpenAI 官方《MCP servers》文件提醒：

MCP Server 屬於第三方服務，送到 MCP Server 的資料會受到該第三方自己的資料保存與資料所在地政策約束。

OpenAI 也特別建議：

• 只連可信任的 MCP Server

• 檢查實際傳送哪些資料

• 記錄送往 MCP 的資料

• 注意惡意 Prompt Injection

• 定期檢查工具行為

這是企業 Agent 很容易忽略的一件事：

OpenAI 本身符合你的資料要求，不代表你接上的每一個 MCP Server 也符合。

---

房仲資料安全，建議怎麼設計？

可以遵守四個原則。

一、資料最小化

只給 AI 完成工作真正需要的資料。

如果只是產生房屋廣告：

就不需要提供買方身分證字號、電話或財務資料。

---

二、權限最小化

Agent 可以：

讀資料。

不代表一定要：

改資料。

例如第一階段可以設定：

CRM：Read Only。

---

三、重要動作人工批准

例如：

• 修改售價

• 發布正式廣告

• 傳送正式價格

• 對客戶承諾

• 刪除資料

• 送出契約

最好保留人工核准。

---

四、留下操作紀錄

企業 Agent 最好能回答：

誰要求 AI 做？

AI 查了什麼？

AI 修改了什麼？

誰最後批准？

這就是 Audit Trail。

---

如果 AI Agent 寫錯房產資訊，怎麼降低風險？

這一題對房仲非常重要。

公平交易委員會目前的《公平交易委員會對於不動產廣告案件之處理原則》明確規範：

不動產廣告不得對坐落地點、面積、使用用途等事項做虛偽不實或引人錯誤的表示。

公平會的《公平交易委員會對於不動產經紀業之規範說明》也指出：

不動產經紀業與委託人簽訂委託契約後，刊登廣告及銷售內容如果與事實不符，仍會依相關規定處理。

因此：

「文案是 AI 寫的」不能被當成免責理由。

對房仲最實際的做法，是建立：

原始資料 → AI 整理 → AI 自檢 → 人工確認 → 正式發布

而不是：

資料 → AI → 自動發布。

---

AI 為什麼一定要人工確認？

前面提到的 RPR 2026 調查中，63% 的 225 名受訪房地產經紀人把 AI 輸出準確性列為最大疑慮。

這個數字很適合作為 Agent 工作流的設計依據。

AI 可以：

加快整理。

但不代表：

AI 是最終事實來源。

尤其房屋廣告涉及：

• 地址

• 面積

• 售價

• 用途

• 車位

• 屋況

• 建物資料

• 法律狀態

正式刊登前都應回到：

權狀、謄本、委託資料或其他可靠來源

再次確認。

---

房仲可以直接複製的 AI Agent 指令模板

模板一｜房源資料整理

你是我的房仲工作助理。

請整理以下物件資料。

依序完成：

1. 基本資料表

2. 缺漏資料

3. 五個物件特色

4. 需要注意的事項

5. 適合族群

6. 待人工確認欄位

規則：

未提供的資訊不得自行推測。

資料不足請標示「待確認」。

所有數字必須完全依照原始資料。

---

模板二｜房產文案＋法規檢查

根據已確認的物件資料，產生：

1. 591 文案

2. Facebook 貼文

3. Instagram 貼文

4. Threads 文案

完成後，再依據我提供的廣告規範檢查：

• 地址

• 面積

• 價格

• 用途

• 車位

• 屋況

• 誇大性文字

任何無法從原始資料確認的內容都列為「禁止直接發布」。

---

模板三｜帶看紀錄

以下是今天的帶看紀錄。

請整理：

1. 客戶喜歡的地方

2. 客戶不喜歡的地方

3. 價格反應

4. 最在意的問題

5. 下一次追蹤重點

不得自行判斷客戶一定會買或一定不會買。

---

模板四｜客戶物件配對

根據客戶需求與物件資料進行初步配對。

每間物件請輸出：

符合條件：X／Y

符合：

• 條件 A

• 條件 B

不符合：

• 條件 C

不要自行判定「推薦」或「不推薦」。

最終推薦與否由房仲人工判斷。

---

AI 研究所觀察：Agent 之前，先把流程整理好

這一段屬於本文的實務觀察，而不是外部統計。

Agent、MCP、API、Plugin 都是工具。

但如果公司本身沒有定義：

客戶怎麼分類、

物件資料有哪些欄位、

案件怎麼追蹤、

什麼可以自動、

什麼一定要人工確認，

直接導入 Agent，只會讓原本混亂的流程：

自動跑得更快。

所以真正合理的導入順序應該是：

工作流程標準化

↓

資料標準化

↓

ChatGPT 輔助

↓

Plugin／MCP 串接

↓

Agents API

↓

有限度自動化

這也是房仲導入 AI Agent 時最值得先思考的問題：

不是：

我要不要做 Agent？

而是：

我每天有哪些重複工作，可以先標準化？

先回答這個問題，Agent 才有真正落地的可能。

---

常見問題 FAQ

AI Agent 是什麼？

AI Agent 是能根據目標、指令與工具持續完成多步驟任務的 AI 系統。OpenAI 的 Agents API 將 Agent 定義為由模型、指令、工具與 MCP Servers 組成的工作單位。

房仲只有一般 ChatGPT，也可以使用 Agent 思維嗎？

可以。先把工作拆成目標、資料、步驟、規則與人工確認，就可以讓一般 ChatGPT 處理較完整的多步驟工作；但這與真正可長時間自主執行的 Agents API 仍不同。

房仲最常拿 AI 做什麼？

NAR 2026 Technology Report 顯示，在使用 AI 的美國 REALTORS® 中，75% 用於撰寫房源描述、56% 用於社群內容、52% 用於 Email 與追蹤訊息。

AI 可以替房仲省多少時間？

RPR 在 2026 年對 225 名 NAR 會員的調查中，68% 表示 AI 每週至少替他們節省 1 小時。這是美國樣本，不能直接套用到台灣房仲。

個人版 ChatGPT 的資料會被拿來訓練嗎？

OpenAI 表示，個人服務中的符合資格內容可能被用來改善模型；使用者可在 Settings → Data Controls 關閉「Improve the model for everyone」，關閉後新對話不會被用來訓練模型。

ChatGPT Business、Enterprise、Edu 的資料會被拿來訓練嗎？

OpenAI 表示，ChatGPT Business、Enterprise、Edu 與 API 的輸入與輸出預設不會被用來改善模型。

OpenAI API 會保存資料嗎？

OpenAI API 資料預設不會用於模型訓練，但一般 abuse monitoring logs 可保留最多 30 天；部分 endpoint 也會依功能保留 application state。符合資格的組織可申請 Zero Data Retention。

MCP 安全嗎？

MCP 本身是一種連接方式；真正的風險取決於你連接哪一個 MCP Server。OpenAI 官方提醒，第三方 MCP Server 有自己的資料保留政策，也可能帶來 prompt injection 等風險，因此應只連接可信任服務並記錄資料流向。

AI 寫錯房產廣告，責任會變成 AI 的嗎？

不宜這樣理解。台灣公平交易委員會對不動產廣告有明確的不實與引人錯誤廣告規範，因此實務上仍應由業者確認正式發布內容。

---

本文主要資料來源

OpenAI Help Center｜《How your data is used to improve model performance》
說明個人 ChatGPT 與 Business、Enterprise、Edu、API 的模型改善政策。 OpenAI 官方說明

OpenAI Help Center｜《Data controls in ChatGPT》
說明「Improve the model for everyone」設定與 Temporary Chat。 OpenAI Data Controls

OpenAI Developers｜《Data controls in the OpenAI platform》
說明 API 訓練政策、30 天 abuse monitoring retention 與 Zero Data Retention。 OpenAI API 資料政策

OpenAI Developers｜《Agents API》
說明 Agent、Session、Sandbox、MCP 與 Agents API 計費架構。 OpenAI Agents API 官方文件

National Association of REALTORS®｜《2026 REALTORS® Technology Report》
提供美國 REALTORS® 使用 AI 與科技的統計資料。 NAR 2026 Technology Report

公平交易委員會｜《公平交易委員會對於不動產廣告案件之處理原則》
說明台灣不動產廣告涉及位置、面積、用途與其他不實表示的處理原則。 公平交易委員會官方文件

---