How to Build AI Agents in 14 minutes Using Claude (for beginners)
三句話摘要
非工程師如何用 Claude + Base44 在 14 分鐘內搭建一個具備預訂、點餐、Lead 收集與多平台整合能力的餐廳客服 AI Agent。 --- 當 Claude 負責推理、Base44 負責基礎設施，「定義 Agent 的行為規則」就成了唯一需要掌握的核心技能，這才是非工程師在 AI 時代真正的切入點。 1. AI Agent 與 Chatbot 的本質差異
重點整理
重點- 1
1. AI Agent 與 Chatbot 的本質差異
- 2
一般人把 AI 當聊天機器人使用，只產生回應就結束；真正的 Agent 需要持久記憶、工具存取、自動化決策與跨系統整合，這些基礎設施才是開發的最大難關，而非 AI 本身的智能。
- 3
2. Base44 將基礎設施問題外包，讓使用者專注定義行為
- 4
Base44 以 Claude 負責推理，自身負責記憶、Hosting、整合、安全與擴展性，讓使用者只需決定 Agent 該做什麼、如何說話、被允許執行哪些動作，不必碰 API、webhook 或伺服器配置。
- 5
3. 知識庫 + 條件邏輯是讓 Agent 可信賴的關鍵
- 6
上傳業務文件（菜單、政策、營業時間）作為知識庫，讓 Agent 從真實資料回答而非憑空生成；再加入「超過 8 人轉人工」這類條件規則，使系統在邊界情境保持可靠，而非強行自動化。
- 7
4. 多平台部署與可量化指標讓 ROI 清晰可見
- 8
Agent 透過 WhatsApp、Telegram 與網站 API 同時上線，顧客不需學習新工具；內建 analytics 追蹤訂位完成數、總金額與節省工時，讓業主能具體評估投資回報。
- 9
--
實用技巧與重點
乾貨- 平台與模型
- 平台：Base44（base44.com/super-agents）
- 語言模型：Claude Opus 4.8（chat model 與 task AI model 均設為此）
- 設定步驟
- 進入 Base44 Super Agent Dashboard → 左側欄 Customize → General tab，將 Chat Model 與 Task AI Model 設為 Opus 4.8
- 輸入 prompt 定義角色：「I am building a restaurant concierge agent, architect the agent's role as a professional front of house manager, your name will be Hearth Concierge」
- 左側欄 Files（書本圖示）→ Add New → Upload File，上傳 `restaurant_knowledge_base.docx`（含 FAQ、菜單、政策、營業時間）
- 設定人格 prompt：「Define a personality that is warm, efficient, and sophisticated, always use sensory words like crispy or vibrant when describing menu items」
- 設定轉換引導 prompt：「Whenever a user asks about the atmosphere, mention our outdoor garden and ask if they'd like to book a table for tonight」
- 設定升級規則 prompt：「If a party is larger than eight, do not book them automatically, ask for their contact number and tell them our events manager will call them」
- Security tab → 開啟 Update Data 與 Delete Data 權限
- 給予資料存取規則：「Have full access to the entities and files, use the data from it to know the menu, prices, and policies, you can also check and remove orders, reservations, and leads」
- Lead 收集 prompt：「Add a menu item, order, and lead entity, when someone inquires, ask for their name and contact information, create a new record in our lead database」
- 訂單流程 prompt：「Allow users to place dine-in or take-out orders, always ask if the customer has any special requests, for take-out orders provide a 20-minute pick-up time」
- Analytics prompt：「Create an analytics that tracks conversion booking completed, show total value and hours saved by the agent, I should be able to view it by typing analytics」
- 串接 WhatsApp：Channels → Continue on WhatsApp → 掃 QR Code → 傳送啟用碼
- 串接 Telegram：Channels → Continue on Telegram → 掃 QR Code → Create and Start Bot
- 對外整合：Customize → Developer tab → 取得 API Key、Base URL 與 Endpoints
- 具體指標
- 宣稱建置時間：14 分鐘
- 外帶取餐預估時間：20 分鐘
- 人工升級門檻：訂位人數 > 8 人
- --
結論
結論“當 Claude 負責推理、Base44 負責基礎設施，「定義 Agent 的行為規則」就成了唯一需要掌握的核心技能，這才是非工程師在 AI 時代真正的切入點。”
完整解析
詳細過去，開發一個具備業務邏輯的 AI Agent 需要一整個工程團隊：撰寫推理迴圈、接 API、配置 Webhook、管理 Token、處理 Hosting 與安全性，光是把基礎設施搭起來就可能耗費數週。這部影片的出發點，是示範這道門檻在 2025-2026 年已顯著降低——主講者聲稱自己從未寫過正式程式碼，卻在 14 分鐘內完成了一個可實際上線的餐廳客服 Agent。
整個建置在 Base44 平台上進行。Base44 的設計理念是將 Claude（Opus 4.8）作為推理核心，而平台本身負責記憶管理、工具存取、整合、Hosting 與安全性。這意味著使用者不需要理解底層架構，只需透過自然語言 prompt 告訴系統「Agent 是誰、該說什麼、被允許做什麼」。主講者將這比喻為替新員工寫操作手冊：你不會叫一位前廳經理直接上崗接客，而是先給他角色定義、語氣規範、職責範疇與升級規則。
具體建置流程分為三個層次。第一層是「身份與知識」：設定模型為 Opus 4.8、命名 Agent 為 Hearth Concierge、上傳含菜單與政策的業務文件作為知識庫，確保 Agent 回答的是真實數據而非憑空生成。第二層是「對話邏輯與條件規則」：用 prompt 塑造溫暖而精緻的語氣、讓 Agent 在顧客詢問氛圍時主動引導訂位、並設定超過 8 人訂位時不自動確認而是收集聯絡資料轉給人工，這些條件邏輯完全透過文字描述實現，無需撰寫程式碼。第三層是「任務執行」：開放 Update/Delete 資料權限，讓 Agent 能管理預訂、訂單與潛客資料庫；加入訂單流程（詢問特殊需求、給出 20 分鐘取餐時間）；並設定 analytics 指令讓業主隨時查看轉換率與節省工時。
完成設定後，Agent 透過掃 QR Code 的方式依序串接 WhatsApp 與 Telegram，顧客無需下載新 App 就能在熟悉的平台與之互動。系統本身已在 Base44 雲端持續運行，開發者若需進一步整合自有網站或系統，可從 Developer tab 取得 API Key 與端點直接接入。最終結果是一個可 24/7 接受問詢、預訂、外帶訂單與潛客收集的自動化前廳助理，且所有行為邊界都由人類透過 prompt 定義，而非由 AI 自行決定。
---
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
