當工作流的固定路徑無法滿足需求時，我們可以換個角度，利用自主Agent(Autonomous Agent）。自主 Agent與工作流的區別在於：執行路徑不是預先定義的，而是Agent根據環境反饋實時決定的。

仍以訂票為例：自主 Agent不需要預定義4個固定節點。用戶說：幫我訂下週三去東京的機票，Agent會自行決定先搜尋航班、發現需要登錄、於是先核實身分、再回來搜索、發現最便宜的機票需要轉機、主動詢問用戶是否接受、用戶表示不要轉機、Agent調整搜索條件...

這意味著自主Agent需要具備自主規劃能力--自主決定執行步驟，還要能識別失敗、調整策略，而不只是在出錯時停下來。但自主性不等於無限制--必須設計明確的停止條件(任務完成、達到最大迭代次數或遭遇不可恢復的錯誤)，否則Agent容易陷入死循環或過度執行。

從現實角度看，自主Agent本質上就是在一個循環中使用工具的LLM，通過持續獲取環境反饋來推進任務--這正是前面介紹的ReAct循環。常見的退出條件包含：調用最終輸出工具、模型返回沒有任何工具調用的響應、或者遇到錯誤、達到最大輪數。

自主Agent特別適用開放式的問題--這類問題難以預測所需步數。經典應用場景包括：Coding Agent解決SWE-Bench(software engineering benchmark, 一個評估Agent自動修復真實GitHub Issue能力的基準測試)任務，電腦操作(computer use) Agent像人類一樣操作電腦介面，以及需要迭代搜索與分析的研究任務。

不過自主性也帶來更高的成本和潛在的複合錯誤風險。因此在部署自主Agent時，必須在沙盒環境中進行充分的測試，設置適當的護欄和監控機制，並在關鍵決策點考慮加入人跡協作的檢查點。

Google 在 9 月 2 日正式發布 Gemini 3.8 Flash，這是繼 3.6、3.7 Flash 之後，六週內的第三支 Flash 模型。這次同時推出的還有一款專門的資安版本「Gemini 3.8 Flash Cyber」，鎖定漏洞挖掘與自動修補。這篇整理官方公布的完整規格、benchmark 數據、價格，以及先前 WSJ 報導的傳聞裡，哪些說對了、哪些細節官方完全沒有提到。
https://ai-automation.tscloud.com.tw/blog/google-ai/gemini-3-8-flash