為什麼現在大家都在談 AI Agent？

這兩年，AI Agent 幾乎變成生成式 AI 世界裡最熱門的詞之一，但越熱門的詞，往往也越容易被混用，有些人說 Agent 是會呼叫工具的大模型，有些人說 Agent 是能自己規劃並執行多步驟任務的系統，還有些人甚至把各種自動化流程都叫做 Agent。當同一個詞開始承載太多不同意思時，第一件該做的事就不是急著追逐它，而是先把 Agent 的定義理解清楚。

AI Agent 之所以在這個時間點快速升溫，並不是因為 Agent 這個概念突然誕生，而是因為大語言模型讓它第一次變得足夠通用、足夠靈活，也足夠接近真實應用。當模型開始能理解目標、維持上下文、調用工具，甚至執行多步驟流程時，Agent 就不再只是 AI 教科書裡的古老概念，他開始變成可以被真正建構出來的系統。這股變化也不只是感覺而已，McKinsey 在 2025 年的調查顯示，23% 的受訪企業已在部分業務中擴大部署 agentic AI，另有 39% 已開始實驗 AI agents。

正因為 Agent 非常火熱，它才需要被重新理解，否則我們很容易還沒搞清楚它是什麼，就先把各種能力、想像與期待都投射上去。所以在談 Agent system 之前，這篇文章想先退一步：從最基本的問題開始，先弄清楚 Agent 到底是什麼、它怎麼運作、又是怎麼一路演化到今天的。

Agent 到底是什麼？

Agent 不是一個只負責回應輸入的模型，而是在目標約束下，能持續觀察環境、做出決策、採取行動，並根據結果調整自己的系統，它的關鍵不在於「說了什麼」，而在於能不能在迴圈裡把事情往前推。

這也是 Agent 和 Model 最本質的差別，Model 的核心能力是預測與生成；它可以很聰明，但它本身不等於一個會完成任務的系統，Agent 則是把模型放進一個更完整的運作框架裡：

有目標、有上下文、有工具、有記憶，也有讓它能反覆觀察、判斷、行動的控制迴圈。

換句話說，模型負責產生判斷，Agent 負責在迴圈中決策與行動， 它會在 loop 中持續運作，直到滿足結束條件。

而 Agent 和 Workflow 也不一樣，Workflow 通常是人先把路徑設計好，系統照著既定步驟往下跑；Agent 則是在目標給定之後，由模型根據環境與回饋動態決定下一步。Workflow 是由預先定義的 code path 去編排 LLM 與工具，agent 則是由 LLM 動態主導自己的流程與工具使用， 因此不是所有多步驟、會調工具的東西，都算是 Agent。

Agent 的核心概念

Agent 的核心其實就是一個 loop，它不是先想完、再一次做完，而是在與環境互動的過程中，不斷接收資訊、做出判斷、採取行動，再根據結果修正下一步。你可以把它看作 ReAct 所提出的循環概念：reasoning → action → observation，所以 Agent 本身的核心迴圈如下：

ReAct 很經典地把 Agent 與環境互動的循環顯性化，模型不是靜態地回答問題，而是在 reasoning、action 與 observation 之間反覆往返，若再往上抽象一層，我們可以把這個 agent loop 理解成四個更一般化的步驟：Sense、Plan、Act、Learn。

• Sense：收集環境資訊，例如使用者輸入、工具回傳結果、外部文件，或上一輪行動帶回來的 observation。
• Plan：根據目標和當前狀態，決定下一步最合理的行動。
• Act：把判斷轉成外部行動，例如搜尋、查詢、呼叫工具、寫入系統。
• Learn：根據結果更新內部狀態、記憶、計畫或策略，這裡的 learn 不一定是更新模型參數，更常見的是在執行過程中持續修正自己。

這個 loop 就是 Agent 和一般模型應用最本質的差別，模型負責產生輸出，Agent 則要在回饋中持續推進任務，理解這個骨架之後，後面談 Agent 的演化、類型與系統設計才會更好理解。

Agent 不是新東西，只是在今天換了新形態

Agent 不是 LLM 時代才突然冒出來的概念，它一直都是 AI 裡很核心的一條路線。

最早的 agent 很像 reflex 或 rule-based agent，它們接受到刺激，就會按照既定規則做出反應，這類系統在環境單純時很好用，但面對複雜情境時很快就會失去彈性。

再往後，agent 開始走向 learning-based，系統不再完全依賴手寫規則，而是從資料與回饋中調整行為，而 RL-based agent 則更進一步，透過獎勵與懲罰來學習策略。

到了今天，large model-based agents 讓這條路線重新爆紅，當 agent 以 LLM 為核心時，它不只會回應文字，還能規劃步驟、使用工具等，再往前一步，LMM-based agents 則把能力延伸到多模態資訊，至於 AGI agent，則更像是遠方的方向，就不是本文的重點了。

Agent 不是固定模板，而是一個設計空間

在 LLM 時代，大家都稱它 agent，但實際上，不同 agent 在任務範圍、存在時間、互動方式與所處環境上，可能差非常多。也就是說，理解 agent，不能只知道「它是不是 agent」，還要知道它是沿著哪些設計軸被做出來的？

有些 agent 是 ephemeral 的，任務完成就結束；有些則是 persistent 的，會保留狀態、記憶與長期目標，在多輪互動中持續運作。有些 agent 是 narrow-purpose 的，只專注在單一任務；有些則朝 general-purpose 發展，希望在不同任務之間保持通用性。前者通常更容易控制，後者則更靈活，但也更難設計。

agent 也可能是 disembodied 的，只在數位環境中讀取資訊、呼叫工具與操作軟體；也可能是 embodied 的，能接收真實世界的感測訊號，進一步影響實體環境。放到 LMM 與機器人結合的脈絡來看，這條界線會變得很重要。

如果再往下看，agent 還可以分成 single-agent 與 multi-agent。相關 survey 甚至會直接從這些差異去整理 LLM-based agents，例如 single-agent 與 multi-agent 在 memory、modality、toolsets 與應用場景上就有明顯不同。這些差別不是枝節，而是會直接影響 agent 的能力邊界與系統複雜度。

Agents 在實務上通常怎麼運作

上一節談的是 agent 的設計空間，接著從實務角度來看，我們還可以再問另一個問題：不同 agent 通常是怎麼運作的？

從此圖的兩條軸來看，一條是 interactivity，也就是它和人互動的頻率與強度；另一條是 autonomy，也就是它能否在少量指示下自行推進任務。沿著這兩條軸，我們可以把常見的 agent 粗略分成四種。

1. Monitor Agents 位在低互動、低自主的區域。這類 agent 通常負責監控狀態、檢查條件、發出警報，或被動回報結果。它們的存在感不高，也不太會自己展開複雜行動，但在穩定追蹤與例外通知這類場景裡非常常見。
2. Service Agents 屬於高互動、低自主。它們會頻繁接收使用者請求並即時回應，看起來更像一層智慧服務介面，或包裝在工具與 API 之上的 agent。這類 agent 擅長處理明確請求，但通常不會在缺乏進一步指示時，自己長距離地往下推進任務。
3. Optimizer Agents 則是低互動、高自主。它們不一定常和人對話，但會在背景中反覆搜尋、比較、評估與最佳化，自己持續推進問題。這類 agent 比較像在替你「默默做事」，而不是一直和你來回確認。
4. LLM Agents 位在高互動、高自主的位置。這類 agent 一方面能與人持續互動，理解需求與上下文；另一方面也能自己規劃、拆解並執行多步驟任務。這也是今天大家最容易聯想到的 agent 形態：既像助手，又不只是助手，因為它不只會回應，還會主動推進。

這不是什麼嚴格的學術分類，而是一種很實用的觀察方式，可以幫助我們把「agent 是什麼」再往前推一步，看到 agent 在真實應用裡到底會呈現出什麼樣子。理解這些運作型態之後，後面再談 agent 的能力邊界、幻覺與系統設計，會更容易抓到重點。

你可能高估 AI Agent 了

走到這裡，我們已經知道 agent 不是單純會回答問題的模型，而是一種能感知、規劃、行動並持續更新的系統，也正因為它看起來更像「在做事」、更像「在思考」，人們往往會不自覺地高估它。Agent 的危險，不只在於它可能犯錯，更在於它很容易讓人以為自己已經理解了更多、探索了更多、看得更客觀了，很多時候，這些感覺本身就是一種錯覺。

Illusion of explanatory depth

第一種錯覺，是把預測得準誤認成理解得深，當 AI 能夠做出高準確率的判斷、給出看起來合理的推理、甚至把答案一步一步講出來時，人很容易產生一種感覺：既然它表現這麼好，那它大概真的「懂了」。但事實上，會預測、會擬合、會產生看似連貫的解釋，不等於真的掌握了背後機制。這種錯覺在 agent 身上更強，因為 agent 不只是回答，還會規劃、會呼叫工具、會採取行動，因此人更容易把「行為上的流暢」誤認成「理解上的完整」。

Illusion of exploratory breadth

第二種錯覺，是把探索得快誤認成探索得廣，Agent 的確可以比人類更快地試路徑、查資料、跑工具、展開多步驟流程，這會讓人產生另一種直覺：既然它做了這麼多事，應該已經把可能性都看過一輪了。但很多時候，它只是沿著某種既定表示方式、既定工具鏈、既定目標函數，在一小塊空間裡高效率地移動。它探索的是可被它表示、可被它存取、可被它評估的部分，這不代表他能看到整個問題空間。也就是說，速度變快了，不代表視野真的變寬了。

Illusion of objectivity

第三種錯覺，是把機器生成誤認成沒有觀點，AI 看起來不像人在說話，沒有情緒、沒有立場、也沒有明顯偏好，因此人很容易把它當成某種中立鏡子。但 agent 從來不是在真空中運作，它會受到訓練資料、提示設計、工具可用性、記憶機制、評估方式與系統目標的共同塑形。所以它不是「沒有觀點」，而是帶著一種由資料與設計共同形成的觀點。很多時候，偏差不是消失了，而只是被包裝得更平滑、更像自然推論。

以上三種錯覺放在一起，會導致一個很關鍵的結果：AI 可能讓我們產出更多，卻不一定讓我們理解更多。它確實能把研究、分析、搜尋與執行流程推得更快，但越是這樣，我們越要警惕，不要把流暢的表現直接等同於完整的理解，也不要把自動化的過程直接等同於客觀的答案。
這也正是為什麼，真正高性能的 AI application，最後比拼的往往不只是模型本身，而是整個系統如何設計，問題不再只是「模型夠不夠強」，而是：

• 它被放進了什麼樣的 loop
• 能接觸到哪些工具與回饋
• 如何記憶、如何評估、如何被約束
• 又在哪些地方需要人類介入

當你讀到這時，你就會從「模型崇拜」慢慢走向「系統設計」，而這，正是理解 agent 重要的一步。

從 Agent 走向 Agent Systems

Agent 真正重要的地方，不在於它比 chatbot 更酷，也不在於它能多調幾個工具，真正重要的是，我們如何運用它來設計 AI application。

當 AI 開始感知、規劃、行動與更新時，能力就不再只是藏在模型參數裡，而是分散在整個系統之中，你應該要開始思考：記憶怎麼設計、工具怎麼接、回饋怎麼進來、流程怎麼被控制、結果怎麼被驗證、風險又在哪裡被攔下。

這也是為什麼，很多人以為自己在做 Agent，最後真正卡住的卻不是模型，而是系統，在設計的過程中，你可能卡在 memory、tool use、evaluation、control flow、guardrails，或是卡在整個應用怎麼被組裝起來。

這篇文章詳細的說明了 Agent 的核心概念、運作方式、演化脈絡與常見誤解，為的是讓你能準備好開始理解 Agent Systems。