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
- 大型語言模型(Large Language Model (LLM))
AI Agent 通常以 LLM 為推理核心
核心組成
- 檢索增強生成(Retrieval-Augmented Generation (RAG))
RAG 常作為 Agent 的記憶與知識查詢工具
屬於
- 生成式人工智慧(Generative AI)
AI Agent 是生成式 AI 的進階應用形態
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
- AITerms.tw 術語資料庫,最後更新:2026-04-16。
- iPAS AI 應用規劃師評鑑內容範圍參考(115.02) ,經濟部產業人才能力鑑定