AI Agent 供應商鎖定：為什麼能換模型，不代表工作流程容易移轉？
AI Agent 供應商鎖定：為什麼能換模型，不代表工作流程容易移轉？
如果明天換掉 AI 模型，你的 Agent 工作流程要重做多少？Claude Code 開發者開始嘗試接入其他 AI 模型，讓企業重新思考 Agent 架構的供應商依賴：真正的更換成本，可能不只存在模型，也存在工作流程、工具與權限設定。
如果明天換掉 AI 模型，你的 Agent 工作流程要重做多少？Claude Code 開發者開始嘗試接入其他 AI 模型，讓企業重新思考 Agent 架構的供應商依賴：真正的更換成本，可能不只存在模型，也存在工作流程、工具與權限設定。
開發者開始嘗試讓 Claude Code 使用其他模型。這還不能證明 Agent 平台已經走向模型中立，卻讓企業更容易看見另一個問題：模型可以更換，不代表已經建立好的工作流程同樣容易移轉。
據《The Information》報導，一些開發者正在尋找方法，讓 Claude Code 不再只使用 Anthropic 自家的 Claude 模型，而是接入其他公司的模型。
目前這類做法主要依靠 Claude Code 可設定的模型端點、第三方閘道或相容介面，並不是 Anthropic 正式支援的跨模型功能。因此，現在還不能說 Claude Code 已經與 Claude「解耦」，更不能據此判斷 Agent 平台正在全面走向模型中立。
但這些嘗試已經讓一個企業架構問題變得更具體。
如果明天換掉主要 AI 模型，現在這套 Agent 工作流程有多少必須重做？
如果明天換掉主要 AI 模型，現在這套 Agent 工作流程有多少必須重做？
這個問題之所以重要，是因為企業談供應商依賴時，很容易先想到模型。
如果公司大量使用 Claude，會不會被 Anthropic 綁住？如果改用 OpenAI、Google 或其他模型，移轉成本有多高？
但當 AI 開始從聊天工具變成能讀取檔案、使用工具、執行多步驟任務的 Agent，供應商依賴就不能只看模型。
模型能不能換，只回答了一半的問題
以 Claude Code 這類程式開發 Agent 為例，真正影響日常工作的，不只有底層模型。
團隊還會逐漸建立專案規則、程式碼庫脈絡、工具串接、權限設定、任務執行方式、人工覆核與錯誤處理流程。
其中有些能力來自模型，有些則存在 Agent 的工作環境裡。
如果底層模型可以透過第三方閘道換掉，而這些工作方式仍能大致保留，企業對模型供應商的依賴就可能比原先想像的小。
但反過來也成立。
即使模型本身很容易更換，只要工作脈絡、工具串接、權限與任務流程高度依賴某一套 Agent 平台，企業仍可能面臨很高的移轉成本。
所以，模型可以更換，不代表 Agent 工作流程同樣容易移轉。
而且「接得上」也不等於「換了之後一樣好用」。
不同模型在推理、工具使用、指令遵循、程式碼生成與長任務執行上的表現可能不同。第三方工具能讓 Claude Code 呼叫其他模型，只能證明技術上存在替換的可能，不能證明換掉 Claude 之後，原有能力與可靠性都能完整保留。
企業需要重新確認，自己究竟被綁在哪裡
這會改變資訊長與 AI 平台負責人評估 Agent 架構的方式。
過去最直接的問題可能是：
我們要標準化使用哪一個 AI 模型？
我們要標準化使用哪一個 AI 模型？
現在還要多問一個問題：
如果模型換掉，已經建立好的工作流程能留下多少？
如果模型換掉，已經建立好的工作流程能留下多少？
這兩個問題看起來接近，實際上衡量的是不同風險。
假設企業今天使用某個 Agent 平台，半年後出現能力更強、成本更低，或資料條件更符合需求的模型。如果只需要調整模型端點，大部分工作流程都能繼續使用，企業保留的選擇空間就比較大。
但如果換模型之後，工具使用方式、任務流程或既有設定都需要重新調整，那麼模型雖然可以替換，實際移轉成本仍然不低。
反過來，如果企業想更換的是 Agent 平台，也要檢查已經累積的工作脈絡、工具串接、權限設定與流程，有多少可以帶走。
因此，評估供應商依賴時，不能只問 API 能不能換。
還要問：
工作流程能不能搬？
工作流程能不能搬？
真正的更換成本，可能藏在已經建立好的工作方式裡
這也是 Claude Code 這個訊號值得企業注意的地方。
它現在還不足以證明 Agent 市場已經出現新的平台架構，更不能據此宣稱模型正在商品化，或 Agent 執行框架已經取代模型成為新的競爭壁壘。
但它讓企業可以更早看見一件事：
未來選擇 Agent 平台時，模型更換成本與工作流程更換成本，可能需要分開評估。
未來選擇 Agent 平台時，模型更換成本與工作流程更換成本，可能需要分開評估。
對正在建立企業 Agent 的團隊而言，這項檢查甚至不必等到真的準備更換供應商才開始。
可以先盤點目前的 Agent 工作流程：
哪些能力依賴特定模型？
哪些設定存在 Agent 平台？
工具與權限能不能移轉？
工作脈絡保存在哪裡？
如果更換模型，哪些部份需要重新測試？
如果連 Agent 平台一起換，又有哪些部份必須重建？
這些問題的答案，會比「我們支援幾個模型」更接近真正的供應商依賴程度。
企業當然希望能隨時選擇更適合的模型，也希望已經建立的 Agent 工作方式能繼續使用。
兩個目標並不衝突。
真正需要確認的是，企業現在累積的 AI 工作能力，究竟放在哪一層，以及未來想更換其中一層時，有多少東西能留下。
如果公司明天更換主要 AI 模型，現在這套 Agent 工作流程有多少必須重做？
如果公司明天更換主要 AI 模型，現在這套 Agent 工作流程有多少必須重做？
這可能比「我們現在用哪個模型」更值得先問。
作者＝InfoAI 編輯部
你不需要讀完所有 AI 新聞。你需要掌握的是：哪些變化值得關注、哪些應用值得理解、哪些風險不能忽略，以及這些訊號可能如何影響企業決策。
訂閱 InfoAI 電子報，把全球 AI 訊號，轉化為更清楚的商業判斷。
InfoAI Line 群提供最新文章發佈通知，讓你不用每天上網查看，也能快速掌握新上線的 AI 產業解讀、應用案例與知識內容。
版權聲明與授權須知
本內容由 InfoAI 擁有著作權。如有引用、轉載或任何商業用途的需求，請來信聯絡： contentpower688@gmail.com。
AI 協作與人工編輯聲明
本文由 InfoAI 編輯部進行主題判斷、內容策劃、事實查核與文字編輯，並使用 AI 工具協助資料整理與內容製作。最終觀點、內容取捨與發佈版本均由人工編輯確認。
你不需要讀完所有 AI 新聞，你需要知道的是：
有哪些變化值得注意，可能會如何影響你的產業、工作與決策。