什麼是 AI Agent?

從 ChatGPT Agent到 Claude Coworker，我們又更靠近一直以來對 AI 的幻想：只要告訴機器我們想做什麼，它就能自己規劃並完成整個任務。

它和我們每天使用的 ChatGPT、Gemini 或 Claude 這些大型語言模型(LLM)又什麼不同？
AI Agent 與 LLM 最大的不同是，AI Agent不僅會回答問題，而是理解使用者的需求並完成使用者的需求。

例子
任務:幫我規劃一趟日本自由行

• LLM:通常會列出一大串建議的景點，然後就沒有了。
• AI Agent:先搜尋機票與住宿資訊 -> 比較價格 -> 安排每日行程 -> 整理景點資訊 -> 協助預訂飯店

整個過程中，它不是單純地「回答你的問題」，而是真正地「執行任務」

我們期待 Agent 能夠透過與環境互動、不斷嘗試與修正，逐漸學會完成複雜任務的最佳策略。
僅靠傳統的監督式微調（Supervised Fine-Tuning, SFT）仍然有所不足。因此，近年研究開始將焦點轉向強化學習（Reinforcement Learning, RL）。

這也是本系列文章接下來將深入探討的主題。

Reinforcement Learning 是什麼?

那為什麼SFT沒辦法訓練出AI Agent? 為什麼是 RL,而不是別的方法?我們來比較一下 SFT 跟 RL 吧!

RL 的優勢在於RL用「結果好壞」當訊號,而不是「標準答案」

RL 在 Agent 的應用是什麼呢?

通常用於複雜任務的拆解與規劃

例子
當給 Agent 一個複雜指令（幫我上網查下週五台北到大阪最便宜的機票，並整理成表格傳到我的email），它不能只靠直覺，而是需要制定計畫。
RL 可以訓練 Agent 如何拆解步驟也就是它的思考路徑。

Agent 嘗試不同的拆解方式

• 如果最終成功完成任務，就會獲得獎勵
• 如果在中間步驟卡住或出錯，則會被扣分

這樣就可以讓 Agent 學會「先搜尋航班」->「比較價格」->「生成表格」->「呼叫 Email API」這樣的作業流程。

Takeaway

• AI Agent不僅會回答問題，而是理解使用者的需求並完成使用者的需求。
• RL 的優勢
  1. 學會最佳策略
  2. 適應未知環境
  3. Agent 可以嘗試、犯錯、修正、再嘗試

Day1 簡單介紹為什麼我們要用RL、RL有哪些好處、優勢，明天會開始 RL 的基礎知識!