至此，我們已經把 Hermes Agent 安裝完成，也知道 AI Agent 和一般聊天型 AI 最大的差異。但是知道概念，跟真的使用是兩件事情。很多人在開始用 Agent 時都會遇到一個問題：「所以我現在到底可以交給它做什麼？」

舉個例來說，如果只是想找台北有哪些好吃的健康餐廳，那ChatGPT、Gemini 這類聊天型 AI 已經可以去做出不錯的搜尋結果，然後回答我們。

但如果今天我的需求不是只是找一間餐廳，而是希望週末不要一直坐在家裡：我想騎 U-Bike、打桌球、吃健康一點，也想安排一個可以放鬆、又有運動效果的週末，最後還希望 AI 整理成一份可以保存的 Word／PDF 文件，當作是我的行程手冊呢？

這時候，問題就開始變得多面向了，因為這已經不是「回答一個問題」，而是一個需要規劃、判斷、整理與執行的任務。這篇來試試真正把一件比較大的任務交給 Hermes Agent ，並再疊加更多要求上去吧！

聊天型的 Chat AI 其實也能完成一部分工作

我們先不要急著說 Agent 比 Chat AI 什麼都好棒棒，因為這樣不公平。如果我丟給聊天型的 AI，例如 Gemini、ChatGPT：

幫我規劃一個健康的週末行程。

它也可以產生一份看起來不錯的答案，例如星期六早上騎車、下午打桌球、晚上吃健康餐，星期日安排散步或戶外活動。這份結果可能已經比很多人自己規劃得完整。

所以問題不是：「Chat AI 能不能做到？」答案是可以。真正的差異在於：當需求開始增加、任務開始變複雜時，我們需要的是一個答案而已，還是一個能協助完成事情的夥伴？

一段需求描述，Agent 執行整個任務

一開始，我給 Hermes Agent 的需求其實很簡單。我沒有設計一個很複雜的 Prompt，而是像平常交代事情一樣描述需求：

我想安排一個健康的週末生活計畫提案。

- 我平常工作比較忙缺乏運動，希望週末可以多運動、走走，也吃得健康一點。
- 我喜歡騎 U-Bike，也喜歡打桌球。

幫我規劃星期六、星期日的行程，包含運動、飲食與適合走訪的地方。

要整理成一份 Word 文件

看起來只是幾句話，但是想想，如果真的要完成這件事情，背後其實包含以下步驟：

• 理解這個人的生活偏好
• 判斷什麼活動適合我
• 安排運動與休息比例
• 選擇適合的地點
• 思考活動之間的移動順序
• 整理成最後可以使用的文件

AI Agent 會像進行思考、規劃、執行，我常會去「偷看」它怎麼想事情，寫了什麼程式去執行什麼事，蠻有趣的，有時也會給我一些啟發：

這就是 Agent 和聊天機器人的第一個差異：Agent 面對的是「目標」，而不是單純的「問題」：

目標 → 拆解任務 → 執行步驟 → 執行 → 產出成果

Agent 的核心能力：把複雜事情拆成可以執行的小任務

生活中其實有很多事情都是這樣。例如，我要準備一場家庭旅行。表面上看起來只是：「幫我安排旅行。」但真正開始執行時，需要處理：

• 去哪裡？
• 住哪裡？
• 怎麼移動？
• 哪些景點距離近？
• 哪些活動適合一起安排？

旅行規劃不是找到十個景點就結束，真正困難的是如何把這些資訊組合成一個可以執行的行程。週末健康計畫也是一樣。

Hermes Agent 需要先理解：我的目標不是「找景點」，而是「幫我設計一個符合我的生活習慣，又能真的執行的週末。」這種從目標拆解工作的能力，就是任務規劃（Task Planning）。

看看他這一輪下來，所產出的成果：

還不賴吧？是一個的確可以拿來使用的計畫。

增加要求，要它安排好真正適合、可以走的路線

後來我又增加了一個需求：假設我的住的地方是在中永和的景安站附近，希望 Hermes 幫我重新規劃路線。這時候它不只是需要知道「附近有哪些地方」，而是要思考哪些地方應該排在一起、先去哪裡、下一站去哪裡，以及怎麼移動比較順。

例如，上午騎 U-Bike、中午安排健康餐、下午打桌球、晚上散步。如果每個地點都很好，但彼此距離很遠不順路，那最後就還是會變成一個不好的行程。

於是我下指示提示詞

假設我住家就在捷運景安站旁邊

幫我把在規劃里面提到的路線，用 Google Map 把這些地點給照順序全部串起來，二天共二個路線行程。方便我之後知道可以怎麼走，打開文件點擊就可以用。

Hermes 不但幫我用 Google Map 去把這些地點以比較順路的地理順序串起來，並設定成一個連結，讓我在 Word 中點擊這個連結，就可以直接導航。

好的規劃不是把好的選項全部放進去，而是在限制條件下，找到最適合的組合。這也是 Agent 和單純搜尋工具的差異：搜尋告訴你「有哪些選擇」，Agent 協助你「怎麼完成目標」。

當任務需要多個能力協作，Agent 的價值才真正出現

回顧一下，在這個例子裡，其實包含不同類型的工作：

• 規劃：理解我的需求，決定行程方向。
• 資料整理：整理活動、餐點、時間安排。
• 路線規劃：根據地點調整順序。
• 文件產出：把最後結果整理成 Word。

如果全部自己做，就像以前規劃旅行：開很多分頁、查很多資料、複製貼上、慢慢整理。Agent 的價值，是把這些步驟串起來。

Agent = 大腦 + 工具 + 執行流程

模型負責理解與判斷。工具負責處理外部工作，例如透過 MCP、API、Browser Use、Computer Use 等方式連接不同系統。流程負責把事情一步一步完成。

最後得到的是一份可直接使用的成果

完成後，我得到的不只是聊天室裡的一段文字，而是一份完整的週末健康生活計畫，內容包含：

• 週末行程總覽
• 每日活動安排
• 運動規劃
• 飲食建議
• 注意事項

這個差異看似很小，但實際使用時差很多。因為以前在 Chat 中的答案通常看完就結束，甚至淹沒在來回對話之中。

但成果可以直接留在本機／手機裡、修改、再次使用。

從這個案例來看，Chat AI 和 Agent 差在哪裡？

整理一下今天這個案例：

要注意一下，這裡不是說 Chat AI 沒有價值。聊天型 AI 其實還是很適合：

• 查詢資訊
• 腦力激盪
• 協助寫作
• 解釋概念

我自己也還是會用。

AI Agent 則是更加適合：

• 有明確目標
• 任務可能包含許多步驟
• 需要自主規劃執行方式，並照每段執行結果做調整
• 需要整合不同外部工具完成成果（例如：google workspace、notion、email 等）

今天做到了什麼？

以前，我們有的是可以回答問題的 AI，然後我們自己需要根據他回答的，自己動手完成。
今天，我們把一個有明確目標的任務交給 AI，讓它協助完成一件事情並產出實際結果。這個差異，就是 AI 從「出張嘴工具」走向「動手做」的開始。