傳統零售分析每增加一個客戶就要調整一次程式碼，維護成本隨客戶數線性增長。本議程分享如何透過「Config-Driven + AI Agent」架構解決這個問題，將系統拆成兩個階段：Phase 1 由 AI Agent 主導需求探索，透過自然語言對話理解業務需求，動態查詢 BigQuery 驗證篩選條件，並自動生成驅動整套分析流程的 project.yaml 配置；Phase 2 由 Python Orchestrator 主導分析執行，讀取配置後全自動完成 SQL 生成、BigQuery 查詢、資料轉換與視覺化，全程零 AI 介入。從初始架構的演進歷程、AI vs. Script 的兩階段分工原則，到 14 個客戶的實戰經驗，說明 Config-Driven Agentic AI 如何讓新客戶分析時間從 1-2 天縮短至 1-2 小時。