从Claude Fable 5说起：自动化不等于AI Agent

Token，其实挺贵的。

Claude Fable 5让无数人惊呼，用不起。

即便是号称物美价廉的DeepSeek，真正用起来，也是一大把一大把地在烧钱啊。没办法，再便宜，也扛不住用量大啊。

自动化不等于AI Agent

自动今年年初，open claw和各种AI Agent爆火之后，大家都在用AI Agent做自动化。不管什么都要用Agent，都要用skill给它自动化。

但其实，这里面真正需要Agent和skill才能实现自动化的有多少？

更多的，其实，根本不需要Agent，不需要skill，甚至不需要AI。用上AI，只会浪费钱。

就拿批量翻译这件事来说，简单粗暴地把文件扔给AI Agent，让它去翻译成各种语言。这自然是没有问题。但，更优的解法是，让AI写个批量翻译的python脚本，执行这个脚本，让这个脚本轮询AI API，去完成翻译。甚至，这个python脚本还是可复用的，我在一个nextjs项目中使用它做翻译，复制到另一个nextjs项目中，不需要做任何修改，直接使用。

为什么，因为用AI Agent，不仅上下文会不断增大，而且每翻译完一个，Agent还会请求AI分析规划下一步，这些都是不必要的，纯浪费。

这还只是不用AI Agent做自动化的例子。

再说一个不用AI的例子。

我有个网站，因为内容比较多，我专门给这个网站做了个独立的后台管理系统，但这个系统，没有上线，只在本地跑。今天，我要增加一篇内容，这篇内容的基础信息是从另一个网站爬来的，然后，我再做加工。

之前，这个后台系统的添加内容的页面，专门做了个爬数据的工具，只要输入URL就能把基本的数据都爬过来。甚至还有专门的批量爬数据的工具。

但是，今天，不能用了。

然后，我把要爬的URL仍给了codex，让它去爬。一开始，codex也爬不了，然后，codex分析了一下，最后调用了Playwright，顺利地爬到了数据。

这时候，我面临一个选择：要么把这个做成skill，以后就用codex和这个skill去爬这些指定的数据，要么让codex把这个写成一个python脚本，以后只需要执行这个脚本就行，这样，不仅目的达到了，而且还不需要消耗token（因为用python脚本爬数据，不需要通过AI）。当然，还有最后一个选择，就是让codex修改我的那个后台系统，把爬数据改成使用Playwright，这样爬数据依然在原有的工作流中。（在今天之前，我一直不知道，原来Playwright是可以在node环境中执行的。）

最后，自然是选择了最后那个方案，不仅让原有的工作流正常运转，而且，这个自动化的工作流，除了被codex修改的时候用了一些token，在后续的运行中，不会消耗任何token。

自动化优先不使用AI

自动化的最优解，是优先不使用AI。这是成本决定的。

得到同样的结果，有便宜的方法，为什么还要选贵的？

自动化，其实可以分成两类。

一类是明确的工作流，每一步都是确定的。这一类，只需要用AI做出自动化的程序和系统，让程序和系统自己去运行就可以了。

另一类是不明确的，总有一些步骤是模糊的，不确定的，需要AI做决策的。这一类，只能用AI Agent和skill去执行自动化。

所以，对于一件要做自动化的事情，我们可以先把这件事做个分解，其中哪些属于第一类，哪些属于第二类。这样就能将整个自动化系统的运行成本降到最低。