AI 術語學習

AI 代理 是什麼?

AI 代理(AI Agent)的定義、完整說明、相關概念與資料來源。

英文
AI Agent
內容定位
完整解說 alternate
最後更新
2026-04-16

AI 代理(AI Agent)是能夠自主感知環境、進行推理規劃、並採取行動以達成目標的智慧系統,可呼叫工具、執行多步驟任務,無需人類逐步指揮。

AI 代理的核心架構

AI 代理由四個核心元件構成:

1. 感知模組(Perception)

接收並處理來自環境的輸入,可能包括:使用者文字指令、網頁內容、程式執行輸出、圖片、API 回應等。

2. 記憶系統(Memory)

  • 短期記憶:當前任務的上下文窗口(Context Window)
  • 長期記憶:向量資料庫儲存的過往經驗與知識
  • 外部記憶:透過 RAG 檢索的外部文件

3. 推理與規劃(Reasoning & Planning)

利用 LLM 的推理能力分解任務,常用技術:

  • ReAct(Reasoning + Acting):交替推理與行動
  • Chain-of-Thought:逐步思考
  • Tree-of-Thought:樹狀搜尋最佳路徑

4. 行動執行(Action)

Agent 可呼叫的工具類型:

  • 搜尋工具:網路搜尋、向量檢索
  • 程式執行:Python REPL、bash 指令
  • API 呼叫:外部服務整合
  • 檔案操作:讀寫文件、資料庫

多代理系統(Multi-Agent)

複雜任務可由多個 Agent 協作完成,分工模式:

  • 主從架構:Orchestrator Agent 指揮多個 Worker Agent
  • 平行執行:多個 Agent 同時處理不同子任務
  • 對話協作:Agent 之間相互溝通、互相審查

代表性框架與工具

工具/框架 特點
AutoGPT 最早的開源 Agent,目標導向自主執行
LangChain 模組化 Agent 開發框架
CrewAI 多 Agent 協作框架
Manus 多模態 Agent,整合瀏覽器操作
Claude Code 程式碼編寫 Agent(你現在用的)

與傳統 RPA 的差異

傳統 RPA(機器人流程自動化)依賴預先定義的規則;AI Agent 能處理模糊情境、動態決策,遇到預期外狀況時能自主應對。

AI 代理 在 iPAS 考試中的重點

根據歷年統計,AI 代理 相關題目 平均佔 AI 技術類考題 8%, 屬於高頻考範圍。

常見出題方向:AI Agent 基本概念與架構(40%)、Agent 應用場景與工具(35%)、Agent 與傳統自動化差異(25%)。

閱讀這頁時的常見誤區

只背中英文對照,無法判斷術語的適用情境。先確認定義,再對照完整說明與相關概念,頁面中的考試比重或出題方向,必須和下方標示的資料來源一起閱讀。

相關術語

先理解這些

核心組成

屬於

常見問題

AI Agent 和 ChatGPT 有什麼不同?

ChatGPT 是一問一答:你給一個輸入,它給一個輸出。AI Agent 則能自主規劃多步驟任務:它能決定要用哪些工具、以什麼順序執行、遇到問題時如何調整,全程不需要你一步步指揮。

什麼樣的任務適合用 AI Agent?

適合需要多步驟、需要存取外部工具、或任務細節難以事先完全定義的場景。例如:「幫我研究台灣三家競爭對手的定價策略並整理成報告」—這需要搜尋、閱讀、分析、整合多個步驟,非常適合 Agent。

多代理系統(Multi-Agent)的優勢是什麼?

主要優勢有三:1. 平行處理,大幅縮短複雜任務時間;2. 專業分工,每個 Agent 專精特定子任務;3. 相互審查,一個 Agent 的輸出可由另一個 Agent 驗證,提升可靠性。

資料來源