Agent 與工作流
Agent 是什麼？從回答問題進化成完成任務
Agent（代理人，也叫自主執行者）是一種能理解目標、自主規劃、調用工具、執行任務，並根據回饋持續優化，最終完成目標的 AI 系統。它跟一般聊天的差別在於自主性：傳統 AI 被動回答問題，需要你逐步下指示；Agent 拿到目標之後自己拆解步驟、自己決定下一步，中途會觀察結果並修正計畫，直到任務完成。
Agent 是什麼？從回答問題進化成完成任務
一般的聊天是你問一句、它答一句，下一步要做什麼還是你決定。Agent 不一樣：你給它目標，它自己想辦法走到終點。
這個差別很大，大到值得用一個新名詞。這篇把它跟一般對話的界線劃清楚。
你將學到什麼
定義
能理解目標、自主規劃、調用工具、執行任務並持續優化的 AI 系統。
白話比喻
一般 AI 像客服接線生，Agent 像專案負責人，會自己跑完整件事。
五個能力
自主性、規劃能力、工具使用、記憶能力、學習與適應。
運作循環
理解目標、規劃、執行行動、觀察回饋、反思調整，然後再跑一輪。
定義
Agent 是能理解目標、自主規劃、調用工具、執行任務，並根據回饋持續優化，最終完成目標的 AI 系統。
一句話總結：它讓 AI 從「回答問題」進化為「完成任務」。
白話比喻
一般 AI 像客服接線生：你問什麼，他答什麼，問完就結束。
Agent 像專案負責人：你說「幫我做一份市場分析」，他自己去查資料、整理數據、驗證準確性、修正內容，最後交一份報告給你。
運作流程走五步
- 理解目標：接收指令，理解任務與限制條件。
- 規劃：拆解任務、制定計畫、決定下一步行動。
- 執行行動：調用工具或執行操作，取得結果。
- 觀察回饋：接收環境回饋或執行結果，評估進度與成效。
- 反思與調整：根據回饋調整策略或計畫，優化下一步。
第五步走完會回到第二步，形成循環。中間靠記憶與知識庫串起短期與長期資訊，讓每一輪都比上一輪更接近目標。
Agent 跟傳統 AI 的差異
| 比較項目 | 傳統 AI（被動回應） | Agent（自主執行） |
|---|---|---|
| 執行方式 | 被動回答問題 | 自主理解並執行任務 |
| 自主性 | 需要使用者逐步指示 | 自主規劃並決定下一步 |
| 工具使用 | 通常無法使用外部工具 | 可調用多種 工具 完成任務 |
| 任務處理 | 適合單步驟、簡單任務 | 適合多步驟、複雜任務 |
| 適用場景 | 問答、翻譯、摘要 | 研究、分析、開發、助理 |
實際用例
常見場景：研究助理自動搜尋與彙總資料、程式開發撰寫與除錯、商業分析產生報表與洞察、內容創作、個人助理處理行程與郵件。
可能用到的工具包括網頁搜尋、程式執行、資料庫查詢、文件生成、圖表生成與 API 調用。想看更完整的比較可以參考 AI Agent 與 Agentic AI 的差別。
常見誤解
最常見的誤解是「會用工具就叫 Agent」。呼叫一次工具只是工具調用，Agent 的重點在自己決定下一步，而且會根據結果修正計畫。
第二個誤解是以為 Agent 不需要人看著。它會出錯，而且錯誤會沿著多個步驟放大。重要的流程要留 人類參與循環 的檢查點。
本文源起本文內容出自酒Ann 的「AI 實戰陪跑班」課程教材，由酒Ann 編寫成彙編條目。想系統性搞懂 AI 名詞，歡迎追蹤 酒Ann 的 Facebook。
延伸學習
常見問答
Agent 跟一般 AI 聊天差在哪？
差在自主性與工具。一般 AI 被動回答問題，需要你逐步指示，通常無法使用外部工具，適合單步驟的簡單任務。Agent 自主理解並執行任務，可以調用多種工具，適合多步驟的複雜任務，像研究、分析、開發。
Agent 跟 Agentic AI 是同一件事嗎？
不完全相同。Agent 通常指具體的那個執行單元，一個能自己完成任務的系統。Agentic AI 指的是一種更廣的性質與設計取向，強調 AI 具備自主行動的能力。實務上兩個詞常被混用，但層級不一樣。
Agent 一定會比較好嗎？
不一定。多步驟自主執行意味著更多不確定性、更長的等待、更高的成本。單純的問答、翻譯、摘要用一般對話就好。任務要跨多個步驟、要用到外部工具、要根據中間結果調整，才輪得到 Agent。