Introduction

這次的主題聚焦在生成式 AI 中的 Agentic AI。
對於 Agentic AI 的定義這裡不再贅述，有興趣的可參考 Hung-yi Lee 老師的分享：【生成式AI時代下的機器學習(2025)】第二講：一堂課搞懂 AI Agent 的原理。

在這個系列中，我想嘗試打造一個 plug and play 的 package ——agent-brain。
這個「大腦」並不是工具 (例如 MCP server 或 function call) 本身，而是獨立存在的 planning 核心，專注於：

• 分解問題 (decomposition)
• 選擇策略 (selection)
• 規劃任務 (external planner)
• 執行決策 (execution)
• 反思與調整 (reflection)
• 維護記憶 (memory)

換句話說，agent-brain 就是 Agent 的思考中樞，而工具或外部環境只是它的手腳。這樣的分離能讓 Agent 更具模組化與可重用性。

Components 的依據主要來自於 Understanding the planning of LLM agents: A survey 這篇論文。

Planning

整個 30 天的挑戰，我規劃分成兩大方向：

1. Survey – 閱讀與整理 Agentic AI 相關的背景知識與研究論文
2. Implementation – 動手實作一個簡單的 Agent 系統，並封裝成可重複使用的模組

Survey / Paper Introduction

• Agentic algorithms

  • 探討 LLM agents 的核心設計、演化脈絡與典型應用案例

Implementation

1. Agent-Brain

   • Structure Design

     • 使用介面設計 (usage interface)
     • Workflow 規劃

   • Components

     • decomposition
     • selection
     • external planner
     • execution
     • reflection
     • memory

2. Package

   • 將 agent-brain 打包成可安裝、可重複使用的 Python package

第一次挑戰鐵人賽，能不能完賽呢...