它是最簡單、最直觀的一種 Agent,它的特徵是:
範例情境:
除規則型Agent,還有其他幾個常見的類型:
| 類型 | 決策邏輯 | 特點 | 範例 | 
|---|---|---|---|
| 規則型 (Rule-based) | if/else 條件判斷 | 簡單、固定規則 | 天氣回覆、簡單聊天機器人 | 
| 基於目標 (Goal-based) | 達成目標的規劃與選擇 | 能推算多步行動 | 導航 Agent:計算最佳路線 | 
| 基於效用 (Utility-based) | 評估行動的效用,選擇最大效用 | 可衡量決策好壞 | 自動理財 Agent:選擇最大收益操作 | 
| 學習型 (Learning / ML Agent) | 從經驗學習策略(RL、神經網路) | 能學習、適應環境 | AlphaGo、推薦系統 Agent | 
🔹 Day 3 我們先從規則型 Agent 開始,因為最容易上手,也能理解 Agent 的基本結構。
from datetime import datetime
# Day 3:規則型 Agent 範例
def rule_agent():
    print("嗨!我是你的規則型 Agent。輸入 '離開' 結束對話。")
    while True:
        user_input = input("你想做什麼? ")
        
        if user_input == "天氣":
            print("今天是晴天哦!")
        elif user_input == "時間":
            print("現在時間是:", datetime.now().strftime("%H:%M"))
        elif user_input == "離開":
            print("掰掰~")
            break
        else:
            print("抱歉,我還不懂這個指令。")
# 執行 Agent
rule_agent()
實作重點:


規則型 Agent 需要事先設定好所有行為規則。規則越多,維護難度越高,也無法應對突發情況。因此,它最適合小型、流程固定的任務。