每天晚上成功發出當日文章後,狀態就會由「Oh yeah, 我做到了!」急速降落成一種虛無的自我懷疑,內心獨白大概像是「這下去真的行嗎」、「我不知道我不知道什麼啊~」一言以蔽之就是冒牌者症候群啦!
幸好最近可以刷刷夜巿影片吃吃蔥油餅,我這週還因為這個比賽叫 Iron Man,一時無聊重看了《鋼鐵人》第一集呢(還是好好看唷)
昨天晚上我在想一件事,就是在老闆們心心念念的「數位員工」裡,例如:CEO agent, sale agent, marketing agent, research agent….
——的「agent」到底是什麼?
老闆想的 agent 當然比較是擬人化的。我前天在重看 Iron Man 時,對 Jarvis 存在很有感覺,尤其是在小勞勃道尼只要說一個很模糊的 prompt,Jarvis 就能把整套鋼鐵裝做好(後來還做了時光機呢)
當然,在 2026 的真實地球,如果把 Chat 當成 Jarvis 使用,挫折感可能還是挺大的⋯⋯
but TikTok 上每天都有宣稱用類 Jarvis AI 賺 2 千萬美元的各種人,如果你是老闆,想像全世界除了你以外每個對手都有一個 Jarvis AI。那真是一種夜不能寐的壓力。
(為了避免哪天有同事經過本篇文章,我使用了富有同理心的修辭在寫這個段落,因為我就是這麼地富有同理心。)
我的理解是,如果是講今年突破的 agent 技術,有一個定義是「agent 可以長時間工作」。
我在這個專案裡終於學到了用 /loop 指令讓 AI 可以連續工作下去,但我感覺「寫一個 AI 可以跑比較久」的 prompt,和上面說的那個 marketing agent 有著本質上的不同。
但那個本質的差異到底是什麼呢?
這一年來也在 Youtube 上爬了不少概念式說明的相關影片,但就像 vibe coding 一樣,如果不是看到強者大哥的螢幕操作,其實有很多細節是想不通的。而那些在商展上宣稱幫自己公司打造了智能員工的案例,概念上大概都略懂略懂,但缺了一個可以讓我瞄一眼偷看的機緣。
我昨天晚上失眠了一整夜,為了捕捉手感,我決定下一步來做一個「選擇每日推薦素材 agent」,簡稱「選材 agent」。(思考過程全省略!💥)
我們就講「看影片學英語」和「看新聞學英語」這個經典賽道吧。
先講比較容易想像的 workflow。我把閱讀 v.s. 聽力的 workflow 想像都列出來,因為實作難度有天壤之別。
閱讀型 workflow:
聽力型 workflow:
會特別把聽力 workflow 也列出來,是因為我覺得要對標 marketing agent 的話,聽力的選材複雜度比較有可參考性。但 minimal test 先用閱讀 workflow 切入比較單純。
先參考一下 Anthropic 的 agent 定義:
At Anthropic, we categorize all these variations as agentic systems, but draw an important architectural distinction between workflows and agents:
- Workflows are systems where LLMs and tools are orchestrated through predefined code paths.
- Agents, on the other hand, are systems where LLMs dynamically direct their own processes and tool usage, maintaining control over how they accomplish tasks.
從這個例子來思考,「選材 agent」的重點應該是要能判斷「為什麼現在值得針對 X 主題,推薦 Y 內容」。
起始的選材標準要可被後續的流程優化。
應該是這樣吧,我要去試試看怎麼實作了,如果把實作內容也寫出來我明天⋯就無法享受週日了⋯⋯
希望明天的我不會放棄~