跳转至

AI Agents 概述

AI Agent 是建立在大型語言模型（LLM，Large Language Model；以海量文本訓練、能生成與推理語言的神經網路）之上的自主系統，會感知、規劃，並朝目標執行動作。和聊天機器人一次回應一段提示不同，Agent 跑的是一條 perceive–plan–act 迴圈：觀察環境、做決策、執行動作，反覆迭代直到任務完成。如 Anthropic 工程團隊所述："Agents... are systems where LLMs dynamically direct their own processes and tool usage, maintaining control over how they accomplish tasks."（Agent 是讓 LLM 自主主導自身流程與工具使用、掌控任務完成方式的系統。）

Agent 與聊天機器人有何不同？

面向 聊天機器人 Agent
互動方式 單一提示 → 回應 多步驟工作流程搭配工具使用
狀態 無狀態或僅限會話 跨會話持久狀態
自主性 遵循明確指令 自主決策、處理模糊情況
工具 無或有限 檔案 I/O、Shell、API、程式碼執行

Agent 核心能力

大多數 AI Agent（Lilian Weng 稱為 LLM-powered autonomous agents）通常包含：

  1. 規劃 – 將複雜任務拆解為子任務
  2. 工具使用 – 呼叫外部 API、讀寫檔案、執行命令
  3. 記憶 – 短期（上下文視窗）與長期（外部儲存）
  4. 反思 – 根據回饋或錯誤進行自我修正
  5. 協調 – 協調多個子 Agent 進行平行工作

何時使用 Agent

任務涉及多步驟推理（研究、編程、除錯）、工具整合（檔案操作、API 呼叫、資料庫查詢）、build → test → fix 的反覆迭代，或跨會話的長時間工作流程時，就適合用 Agent。單純的問答或一次性內容生成，一次標準的 LLM 呼叫通常就夠。若想看到 agent loop 在實際開發工具中的運作，可參考 Claude Code：實際操作中的 agentic CLI。

單一 Agent vs. 多 Agent

架構 適用場景 權衡
單一 Agent 專注任務、較簡單的協調 有限的平行處理
多 Agent 複雜工作流程、專業角色分工 較高的協調開銷

需要不同角色分工（規劃者、編碼者、審查者）或任務可以平行化時，再考慮多 Agent。Anthropic 的《Building effective agents》(2024) 建議先從單一 Agent 開始，只有當具體權衡值得付出額外的協調成本時，才升級為多 Agent 架構。Azure 上的實際範例，請見 OpenClaw — Azure 上的多 Agent 參考實作。

相關資源