什麼使一個 AI 系統成為「代理人」？

AI

簡單來說，AI 代理人是一種能夠「感知環境並採取行動以達成特定目標」的系統。它是大型語言模型（LLM）的進化版本，擁有規劃、使用工具、以及與周遭環境互動的能力。可以把「代理型 AI」想像成一個能在工作中持續學習的智慧助理。它遵循一個簡單的五步驟循環來完成任務（見圖1）：

  1. 接收任務：你給它一個目標，例如「幫我整理行程」。

  2. 掃描場景：它收集必要資訊——閱讀郵件、檢查行事曆、存取聯絡人——來理解情境。

  3. 思考規劃：它設計行動計畫，思考最佳的方式達成目標。

  4. 執行任務：它依計劃行動，例如發送邀請、安排會議、更新行事曆。

  5. 學習精進：它觀察結果並調整。例如，如果會議被改期，它會學習並改善未來的排程策略。

圖1：代理型 AI 就像智慧助理，透過經驗不斷學習。它依循五步驟循環完成任務。

為什麼「代理人」正在崛起？

AI 代理人正以驚人的速度普及。根據近期研究，多數大型 IT 公司正在積極使用代理人，且有五分之一是在過去一年內才開始使用。金融市場也注意到這一趨勢：截至 2024 年底，AI 代理人新創公司已募資超過 20 億美元，市場價值達 52 億美元，並預期在 2034 年將爆發性成長到近 2000 億美元。

短短兩年內，AI 的典範轉移已經非常劇烈，從單純的自動化邁向高度自主的系統（見圖2）。最初的工作流程依賴基本的提示與觸發，利用 LLM 處理資料；隨後發展為 RAG（檢索增強生成），透過真實資料提升可靠性；接著進化到能夠使用各種工具的獨立 AI 代理人；如今，我們正進入「代理型 AI」的時代：一群專門的代理人能協作來完成複雜目標，這是 AI 協作能力的一大飛躍。

圖2：從 LLM 到 RAG，再到 Agentic RAG，最終到代理型 AI 的演進過程。

代理人複雜度的不同層級（見圖3）

 

等級 0：核心推理引擎
LLM 本身不是代理人，但可以作為最基本代理系統的推理核心。在這個「Level 0」架構中，LLM 不使用工具、沒有記憶，也不與環境互動，它僅依賴訓練知識回應問題。它的優勢是解釋既有概念，但缺點是無法得知即時事件。例如，它無法回答「2025 奧斯卡最佳影片得主」這種超出訓練數據範圍的問題。

等級 1：連接型問題解決者
在這個層級，LLM 透過連接外部工具成為功能性代理人。它不再侷限於既有知識，而是能透過一連串行動來蒐集與處理資訊。例如，它能使用搜尋工具查找最新影集，或透過財經 API 取得 AAPL 股票即時價格。能夠與外界互動、跨多步驟解決問題，正是 Level 1 代理人的核心能力。

等級 2：策略型問題解決者
這一層級的代理人具備更高的能力，包括戰略規劃、主動協助與自我改進。其關鍵技能是 提示工程與情境工程（context engineering）。
舉例來說：若要找出兩個地點之間的咖啡廳，代理人會先使用地圖工具，再將輸出的資料（例如街道名稱）簡化並餵入本地搜尋工具，避免資訊過載。這種「提煉最關鍵資訊」的能力，確保模型高效又準確地執行任務。
在軟體工程中，代理人可以讀取 bug 報告、存取程式碼庫，再透過情境工程將大量資訊濃縮成精簡上下文，讓它能有效率地寫出、測試並提交正確的程式修補。

等級 3：協作型多代理系統的崛起
這是 AI 發展的重要轉折點：從追求「單一超級代理人」轉向「多代理協作系統」。就像人類組織裡的部門分工，不同的專門代理人各自承擔角色，透過協作解決複雜挑戰。
例如，新產品上市的流程：一個「專案經理代理人」協調全局，並委派「市場研究代理人」、「產品設計代理人」、「行銷代理人」分別負責工作。其成功關鍵在於代理人間無縫的資訊交換與協作。

代理人未來的五大假設（見圖4）

  1. 通才型代理人的出現
    未來的代理人可能從專才進化為能處理模糊、長期目標的「通才」。例如：「規劃我公司下季 30 人的里斯本員工旅遊」，代理人能連續數週管理專案，包括預算、航班、場地、行程，並提供更新。另一條路徑是「小語言模型（SLM）」：用小型、專門代理人組裝系統，就像樂高積木般靈活。

  2. 深度個人化與主動目標發現
    代理人將不再只是執行指令，而是成為「主動夥伴」。它能從你的行為模式學習，並在確信有幫助時主動提出建議。例如，如果你對綠能有興趣，它可能主動幫你蒐集課程或研究摘要。

  3. 具身化與物理世界互動
    代理人將進入實體世界，與機器人結合，成為「具身代理人」。例如，不只是幫你叫水電工，而是直接自己修好漏水的水龍頭。這將徹底改變製造、物流、居家照護等領域。

  4. 代理人驅動的經濟
    未來，代理人可能成為經濟體中的獨立角色，創造新市場與商業模式。例如，一個代理人能自主經營電商事業，從產品選品、行銷內容、生產鏈管理到動態定價，全面自動化。

  5. 目標驅動、可變形的多代理系統
    未來的系統將不再依賴明確程式設計，而是根據「目標」自我組織。用戶只需下達目標，例如「建立一個成功的精品咖啡電商品牌」，系統就會自動生成合適的代理人團隊，並動態調整架構：新增、刪除或複製代理人，直到達成任務。

結論

AI 代理人是從傳統模型進化而來的自主系統，能感知、規劃、執行以實現目標。這項技術正從單一代理人使用工具，發展到多代理協作，能解決多面向的挑戰。未來的發展可能包括：通才型代理人、深度個人化、具身化代理人，以及參與經濟活動的代理人。這標誌著一個重大典範轉移：走向自我改進、以目標為導向的系統，將有潛力自動化整個工作流程，並徹底改變我們與科技的關係。

參考資料：