前言

轉眼間，Agentic AI 探索之旅已經走了快一半。

回頭想想，每天要完成一篇文章真的不容易。下班後可運用的時間總是不穩定又有限，常常在身心疲憊時，只能硬擠出不到一小時研究、構思、動筆。

幾乎每天都得趕在半夜前先上第一版，再慢慢補圖、補程式碼、潤稿。很多時候甚至要到過了 Deadline 才逐步補齊內容，但我還是盡力把品質調整到自己能接受的水準。

雖然過程緊湊又充滿挑戰，但其實也因此收穫良多——每天都能學到新的東西，也感受得到自己一點一滴在進步。接下來要更加注意步調與時間管理，別讓進度壓得太緊。一路走來，依然收穫滿滿。

每篇文章結尾我都固定放上一張這趟旅行的照片；每當挑選照片、回味旅程的那幾分鐘，反而成了療癒的小時光。

這幾天一步步解鎖 Agentic 的核心能力，讓 LLM 不再只是回話工具，而是逐漸成長為會思考、會查證、會行動的 Agentic 夥伴。

回顧 Day 1～Day 12 的核心能力

前半段的旅程，我用最單純、最直觀的方式，以「旅行」這個貼近生活的情境為例幫助理解，一步一步帶著 LLM 解鎖 Agentic 的核心能力。

一開始的 Day 1 到 Day 3，先談為什麼要走上這條路：從目標與動機出發，描繪出 Agentic 所需的能力地圖，也說明為什麼選擇以 LLM 為基底來實現。

接著 Day 4 到 Day 6，重點放在「讓模型不只是回話，而是會思考、會查證、會行動」：

• CoT (Chain of Thought) 讓推理過程能被看見、被檢查；
• RAG 讓答案有憑有據，能連結到真實資料；
• Tool Use 則賦予模型動手做事的能力，像是查天氣、比票價，不再只是說說而已。

到了 Day 7 和 Day 8，我們讓 LLM 學會「事先規劃」與「臨機應變」：

• Planning 幫助模型先畫好藍圖，但相對僵化；
• ReAct 則是在行動中邊想邊查邊改，更符合真實場景。

Day 9 和 Day 10，進一步加入「學習的迴圈」：

• Reflection 讓模型能事後檢討、修正錯誤；
• Memory 則把偏好與經驗存下來，下次再遇到同樣情境就能自動套用。

最後在 Day 11 和 Day 12，不只是一個 Agent，而是 多個角色彼此協作：

• 統籌型（Supervisor）Multi-Agent 負責分工與統籌；
• 討論型（Group Chat）Multi-Agent 則透過討論、辯證逐步收斂共識。

回顧核心篇的完整內容，可以參考以下連結：

• Day 1｜啟程！踏上 Agentic AI 的探索之旅
• Day 2｜從工具到夥伴：Agentic AI 的核心能力與設計模式
• Day 3｜為什麼是 LLM？從強化學習到語言模型的轉折
• Day 4｜推理是第一步：用 Chain-of-Thought (CoT) 讓 LLM 從直覺走向可靠
• Day 5｜接上真實世界：用 RAG 讓 LLM 有憑有據
• Day 6｜行動是關鍵：Tool Use 讓 LLM 突破回答的侷限
• Day 7｜有計劃才有行動：Planning 讓 LLM 安排更周全
• Day 8｜邊想邊做更靈活：ReAct 讓 LLM 學會臨機應變
• Day 9｜做中學才能進化：Reflection 讓 LLM 從經驗中改進
• Day 10｜有了記憶才懂成長：Memory 讓 LLM 不再重蹈覆轍
• Day 11｜合奏的樂曲更精彩：Multi-Agent（統籌型）讓 LLM 學會分工合作
• Day 12｜思想碰撞才有火花：Multi-Agent（討論型）讓 LLM 學會共識決策

這樣一路走來，LLM 已經從單純的回話工具，慢慢長成一個能推理、能查證、能行動、能學習、能協作的 Agentic 夥伴。

小結與展望

接下來的篇章，會正式進入「實戰篇」，把上半場理解到的核心能力，換上更成熟的框架與技術來實現。像是 LangChain、LangGraph、MCP、n8n 等工具，都會逐一登場，讓 Agentic 能力不只停留在概念，而是真正能長期運行的系統。

有機會的話，也會延伸分享這次去 ACL 研討會觀察到的一些有趣主題，帶來不同角度的啟發。

期許下半場能繼續更深入地探索與學習，讓這趟 Agentic 旅程走得更紮實，也更精彩。

圖：奧地利哈修塔特（Hallstatt）。這座「童話小鎮」以夢幻的湖光山色與古老小鎮風貌著稱。群山雲霧繚繞，湖光倒映尖塔與木屋，景致恍如時光凝結。這裡就像旅途中的「中繼站」：先停下腳步回望過往，再整裝出發，迎接下一段更精彩的實戰旅程。（攝影：作者自攝）