多步驟 Agent 與多代理框架最近一年在社群上非常熱門。下面三個玩法都已經在小團隊與獨立工作者間試過、確實有效果，每個都附上可立即套用的工作流範本。
玩法 1 · 三家 AI 互相審稿
用 ChatGPT + Claude + Gemini 模擬迷你三代理
不需要部署真正的多代理框架，用三家現成的 AI 就能體驗「分工對抗」的威力。下面是把「寫一份提案」這個任務拆給三家 AI 的工作流。
【流程】
1. PLANNER（用 Gemini）：
提示詞：「請幫我把『[任務]』拆成 5 個明確階段，
每階段列出產出物、驗收標準、預估時間。
輸出為條列式 工作清單。」
2. GENERATOR（用 ChatGPT）：
把 Gemini 的 工作清單 貼進 ChatGPT，
提示詞：「依照這份 工作清單，產出第 1 階段的成果。」
3. EVALUATOR（用 Claude）：
把 ChatGPT 的成果與 工作清單 一起貼進 Claude，
提示詞：「請以挑剔的審查者角度，
檢查這份成果是否符合 工作清單 的驗收標準。
列出 3 - 5 點需要改進的具體建議。」
4. 把 Claude 的回饋丟回 ChatGPT，請它修正後重做。
重複 2 - 3 輪即可達到不錯的品質。
適合任務：年度報告、課程教案、長篇企劃案，任何「品質要求高 + 你願意多花 30 分鐘」的事。
玩法 2 · 全自動研究 Agent
給 Manus 一個目標，讓它跑出競品分析
用 Manus 體驗「我給目標、它自己跑」的感覺。最常被分享的玩法是請它做競品研究，從上網搜尋、整理資料、做比較表、產出報告，全程一氣呵成。
在 Manus 輸入目標：
「請幫我研究 [產業] 領域的 5 家主要競爭對手，
產出一份完整的競品分析報告，包含：
1. 各家公司基本資訊（成立時間、規模、總部）
2. 產品線與定價策略
3. 目標客群與市場定位
4. 近期重大動態（融資、產品發布、人事變動）
5. 我們可以學習的 3 個亮點 + 應該避開的 3 個坑
最終以 Markdown 表格 + 條列摘要格式輸出，全程自主執行，
卡關或不確定時再回頭詢問我。」
重點是「目標下得明確」，列出產出格式、希望涵蓋的面向、限制條件。Agent 才不會跑歪。
玩法 3 · 一條龍「求職衝刺包」
把找工作的整套流程交給 Agent
最近年輕求職者熱門的玩法。把職缺網址丟給 Agent，它一條龍幫你產出量身打造的履歷、自介信、模擬面試題目，省下手動逐家客製的時間。
在 ChatGPT GPTs 或 Gemini Gems 建一個 Agent，命名「求職一條龍」。
系統指令：
你是專業職涯顧問，使用者會貼上一個職缺連結與自己的履歷。
請依下列步驟產出：
步驟 1：用網頁搜尋讀取職缺內容，摘要其核心需求（5 點）
步驟 2：對照使用者履歷，找出「最匹配的 3 個經驗」與「需要補強的 2 點」
步驟 3：改寫履歷的工作經歷段落（針對此職缺強化匹配度）
步驟 4：寫一封 250 字的自介信
步驟 5：列出 10 題該職缺最可能被問的面試題（3 題技術 + 4 題情境 + 3 題行為）
步驟 6：為每題提供答題框架（不給範例答案，只給結構）
最終以 Markdown 文件呈現，方便使用者複製貼上。
進階：把履歷與「過去面試被問過的題目」也存進 Agent 知識庫，越用越貼合自己。